Resumen general

El Generador inteligente de resúmenes de pacientes es una aplicación de demostración FHIR impulsada por IA construida para InterSystems IRIS for Health. Lee datos de pacientes en FHIR R4, extrae información clínica clave y genera resúmenes concisos para cuatro roles diferentes:

• Médico de urgencias
• Gestor de cuidados
• Paciente
• Cuidador familiar

Al consolidar registros FHIR fragmentados en resúmenes específicos por rol, la aplicación ayuda a los clínicos a comprender rápidamente el estado actual del paciente, los cambios recientes y los riesgos de seguimiento.

Un agente de IA lee el historial del paciente en FHIR antes de la consulta, formula las preguntas adecuadas en función de lo que ya sabe, detecta señales de alerta críticas y registra sus hallazgos — de modo que el médico llega preparado.

Problemas de la atención sanitaria abordados

Antes de que un paciente entre en la consulta, ya se ha producido un fallo crítico: nadie ha revisado su historial médico. El médico dispone de 15 minutos. El paciente vuelve a repetir sus enfermedades, medicación y alergias por tercera vez en el año.

Cuando empecé a desarrollar Smart Discharge Navigator, me encontré con un desafío habitual: los datos FHIR se almacenan como paquetes JSON, pero el análisis que necesitaba requería combinar múltiples recursos entre sí, justo el tipo de tarea para la que se diseñó SQL.

FHIR SQL Builder de InterSystems resolvió este problema por completo. En lugar de analizar los paquetes JSON en el código de la aplicación, pude escribir consultas SQL estándar directamente sobre las proyecciones de recursos FHIR dentro de IRIS for Health.

Las Producciones de InterSystems IRIS proporcionan un marco potente para conectar sistemas heterogéneos a través de distintos protocolos y formatos de mensajes de forma fiable, observable y escalable. intersystems_pyprod, abreviatura de InterSystems Python Productions, es una biblioteca de Python que permite a los desarrolladores construir estos componentes de interoperabilidad completamente en Python.

Hola a todos.

Tras intentar de ejecutar métodos Python en el docker intersystemsdc/irishealth-community, que no permite ahora ejecutar ningún método con Python, decidí dejar esta versión y empezar a trabajar con containers.intersystems.com/intersystems/iris-community.

En este entorno si funcionan los método de Python y ya era un paso bastante grande.

Intento importar mis liberarías con pip install -r requirements.txt pero, como muy buena medida de seguridad, me impide que se realice este cambio en la librería general, por lo que requiere que esta instalación se realice en un entorno virtual.

Los globals de InterSystems IRIS son uno de los puntos fuertes principales de la plataforma: almacenan datos jerárquicos en una estructura directa, ordenada y eficiente. Pero cuando trabajáis desde Python, manipular globals a veces puede parecer más una API de bajo nivel que algo alineado con las formas naturales de trabajar del lenguaje.

El proyecto iris-global-reference proporciona una capa de Python sobre los globals de InterSystems IRIS.

Hola, comunidad:

Disfrutad del nuevo vídeo en el canal de YouTube de InterSystems Developers:

⏯ Ciencia de datos productiva con InterSystems IRIS y Python @ Ready 2025

En este ejemplo he buscado el punto intermedio entre una demo muy simple y una arquitectura muy complicada: una integración pequeña, clara y útil para entender cómo conectar InterSystems IRIS con Azure Service Bus usando una producción de interoperabilidad de IRIS que aprovecha Embedded Python para utilizar la librería oficial de Azure.

La idea es sencilla:

• IRIS envía mensajes a una cola de Azure Service Bus mediante un Business Operation.
• IRIS recibe mensajes desde esa misma cola mediante un Inbound Adapter y un Business Service.
• Los componentes de interoperabilidad son componentes de IRIS.
• Dentro de esos componentes, Embedded Python permite usar el SDK azure-servicebus sin salir del entorno de IRIS.

Dicho de otra forma: una solución en IRIS que usa Embedded Python donde corresponda para integrarse con Azure.

Hi Community,

Enjoy the new video on InterSystems Developers YouTube:

⏯  Succeeding with Python Development on InterSystems IRIS @ Ready 2025

Hoy he publicado un nuevo paquete en Open Exchange para la generación de datos sintéticos directamente en IRIS.

Encontrar conjuntos de datos decentes cuando quieres crear una aplicación de demostración puede resultar frustrante. Quizás el conjunto de datos no sea tan importante, pero aun así quieres que parezca algo realista y con varias tablas enlazadas que puedan usarse directamente dentro de IRIS con los joins implícitos mediante ->

Hola a todos.

Tengo un problema bastante extraño.

He creado un método en Python para crear un vector para una búsqueda vectorial. Hasta aquí todo correcto.

Si invoco a este método desde el termina, funciona correctamente:

Pero si hago esta misma llamada desde un bloque de código en una Business Process, se queda bloqueado, no responde y lanza el siguiente error:

¿Alguien sabe que está ocurriendo y como solucionarlo?

Muchas gracias por adelantado

En el panorama sanitario moderno, encontrar pacientes clínicamente similares a menudo es como buscar una aguja en un pajar. Las búsquedas tradicionales por palabras clave suelen fallar porque el lenguaje médico es muy matizado; una búsqueda de "Heart Failure" podría no encontrar un registro que contenga "Congestive Cardiac Failure".

Me complace compartir iris-medmatch, un motor de emparejamiento de pacientes impulsado por IA y desarrollado sobre InterSystems IRIS for Health

Por qué esta integración es importante

InterSystems sigue impulsando las capacidades de IA de forma nativa en IRIS — búsqueda vectorial, compatibilidad con MCP y capacidades de IA agéntica. Esa hoja de ruta es importante y no hay ninguna intención de dar un paso atrás en ella.

Pero el panorama de la IA también está evolucionando de una manera que hace que la integración con el ecosistema sea cada vez más esencial. Herramientas como Dify — una plataforma de orquestación de LLM de código abierto y lista para producción — se han convertido en una parte importante de los stacks de IA empresariales.

El reconocimiento facial se ha convertido en el método más popular para validar la identidad de las personas, permitiendo así el acceso a sistemas, la confirmación de datos personales y documentales, y la aprobación de acciones y documentos.

Los desafíos están relacionados con el rendimiento cuando la base de datos es muy grande, la precisión y, especialmente, la privacidad de los datos biométricos faciales.

Hola comunidad:

Nos complace anunciaros que ya está abierta la inscripción para la segunda cohorte del curso:

 🧑‍💻Desarrollo de aplicaciones FHIR utilizando Python🧑‍💻 

Este programa práctico está diseñado para desarrolladores que queráis crear aplicaciones FHIR del mundo real utilizando Python e InterSystems IRIS for Health.

👉 Ved el resumen del curso de 5 minutos

📅 La segunda cohorte comienza el 29 de marzo de 2026