La búsqueda vectorial es un método utilizado en la recuperación de información y el aprendizaje automático para encontrar elementos similares basados en sus representaciones matemáticas como vectores. En este enfoque, cada elemento se representa como un vector de alta dimensión, y cada dimensión corresponde a un rasgo o característica del elemento. Luego, los algoritmos de la búsqueda vectorial comparan estos vectores para encontrar elementos similares, como el hecho de tener características similares o estar muy juntos en el espacio vectorial. Siga leyendo aquí.
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.
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.
10:47 AM — Los resultados de creatinina de José García llegan al servidor FHIR del hospital. 2.1 mg/dL — un aumento del 35% frente al mes pasado.
¿Qué pasa después?
Sin chatbot. Sin prompts manuales. Sin razonamiento de caja negra.
Esto es soporte a la decisión clínica impulsado por eventos con trazabilidad completa:
✅ Activado automáticamente por eventos FHIR ✅ Razonamiento multiagente (contexto, guías, recomendaciones) ✅ Trazabilidad completa en SQL (cada decisión, cada fuente de evidencia) ✅ Salidas nativas FHIR (DiagnosticReport publicado en el servidor)
Construido con:
Aprenderás: 🖋️ Cómo orquestar flujos de IA agéntica dentro de sistemas de interoperabilidad listos para producción, y por qué la explicabilidad importa más que la precisión por sí sola.
En este video les comparto un pequeño laboratorio donde integramos la potencia de una Base de Datos Vectorial nativa con la inteligencia de GPT-4. 🛠️ ¿Qué estamos viendo en acción?
Almacenamiento Vectorial Nativo: Guardamos documentos y sus "embeddings" directamente en IRIS, permitiendo búsquedas de similitud matemática ultra eficientes.
SQL Estándar: Ejecutamos consultas complejas que combinan datos relacionales con vectores, manteniendo la simplicidad del lenguaje que ya conocemos.
Las capacidades integradas de búsqueda vectorial de InterSystems IRIS nos permiten buscar datos no estructurados y semiestructurados. Los datos se convierten en vectores (también llamados “embeddings”) y luego se almacenan e indexan en InterSystems IRIS para búsqueda semántica, generación aumentada por recuperación (RAG), análisis de texto, motores de recomendación y otros casos de uso.
Esta es una demostración sencilla de IRIS siendo utilizado como una base de datos vectorial y para búsquedas por similitud en IRIS.
Hola comunidad,
¡Buenas noticias para los desarrolladores que acabáis de empezar a trabajar con InterSystems IRIS! Tenemos tutoriales interactivos y prácticos disponibles a través de la plataforma Instruqt. Son perfectos para poneros al día rápidamente, practicar en entornos reales y ganar confianza en el desarrollo con IRIS.
.png)
Después de los dos webinars que realizamos centrados en VS Code ["Introducción" y "Más allá de lo básico"; en hebreo], un compañero de la comunidad inglesa preparó para los participantes algunos enlaces relacionados con recursos relevantes que enviamos como seguimiento. Los compartimos aquí también.
Por supuesto, todos estáis invitados a añadir más recursos útiles.
¡Sí sí! ¡Adelante! No os habéis equivocado, estáis en vuestra querida Comunidad de Desarrolladores de InterSystems en español.
Os preguntaréis a qué viene el título de este artículo, pues muy sencillo, hoy estamos aquí reunidos para honrar al Inquisidor y elogiar la gran labor desempeñada por el mismo.
Perfecto, ahora que he captado vuestra atención, es momento de explicar que es el Inquisidor.
Hola comunidad,
Estamos encantados de compartir un nuevo tutorial en Instruqt:
🧑🏫 RAG usando la búsqueda vectorial de InterSystems IRIS
Este tutorial práctico os guía en la creación de un chatbot de IA con Recuperación Aumentada por Generación (RAG) impulsado por la búsqueda vectorial de InterSystems IRIS. Veréis cómo se puede aprovechar la búsqueda vectorial para ofrecer respuestas actualizadas y precisas, combinando las fortalezas de IRIS con la IA generativa.
.jpg)
✨ ¿Por qué probarlo?
En el artículo anterior vimos cómo construir un agente de IA de atención al cliente con smolagents e InterSystems IRIS, combinando SQL, RAG con búsquedas vectoriales e interoperabilidad.
En ese caso, utilizamos modelos en la nube (OpenAI) para el LLM y los embeddings.
En esta ocasión daremos un paso más: ejecutar el mismo agente, pero con modelos locales gracias a Ollama.
Las preguntas de atención al cliente pueden abarcar datos estructurados (pedidos, productos 🗃️), conocimiento no estructurado (docs/FAQs 📚) y otros sistemas integrados (actualizaciones de envío 🚚). En este post vamos a construir un agente de IA compacto que cubre los tres—usando:
☤Brújula 🧭 de Cuidados 🩺 - Prueba de concepto - Participación para el Concurso
En el panorama actual de la atención sanitaria y los servicios sociales, los trabajadores sociales se enfrentan a desafíos abrumadores. Altas cargas de trabajo, sistemas fragmentados y datos desconectados suelen dar lugar a oportunidades perdidas para intervenir de forma temprana y eficaz. Esto provoca agotamiento en el personal y visitas evitables a urgencias, lo que genera costes elevados y podría haberse prevenido.
Hola, comunidad:
La semana pasada, el equipo de InterSystems celebró nuestro encuentro mensual de desarrolladores en un nuevo lugar por primera vez. En la oficina de AWS en Boston, en el Seaport, más de 71 asistentes se reunieron para charlar, hacer networking y escuchar las charlas de dos ponentes increíbles. El evento fue todo un éxito; tuvimos el lugar lleno, muchísima participación y preguntas, ¡y asistentes haciendo cola para hablar con nuestros ponentes después!
Jayesh presenta sobre marcos de prueba para Agentic Systems ante un auditorio lleno.
Aprenda a diseñar agentes de IA escalables y autónomos que combinen razonamiento, búsqueda vectorial e integración de herramientas utilizando LangGraph.
¿A quién no le ha pasado que está desarrollando un precioso ejemplo usando una imagen de IRIS de Docker y le ha fallado el proceso de generación de la imagen en el Dockerfile porque la licencia con la que se creo la imagen no contiene determinados privilegios?
En mi caso lo que estaba desplegando en Docker es una pequeña aplicación que utiliza el tipo de datos Vectorial.
¡Acabo de caer en la cuenta de que nunca terminé esta serie de artículos!
En el artículo de hoy vamos a echar un vistazo a la producción que se encarga de extraer los diagnósticos en CIE-10 más similares a nuestro texto, de tal forma que podamos seleccionar la opción más adecuada desde nuestro frontend.
Desde la pantalla que nos muestra las solicitudes de diagnósticos recibidas en HL7 en nuestra aplicación podremos buscar cuales son los diagnósticos CIE-10 más próximos al texto introducido por el profesional.
.png)
InterSystems anuncia la disponibilidad general de InterSystems IRIS, InterSystems IRIS for Health y HealthShare Health Connect 2025.1
La versión 2025.1 de la plataforma de datos InterSystems IRIS®, InterSystems IRIS® for Health™ y HealthShare® Health Connect ya está disponible de manera general (GA). Esta es una versión de Mantenimiento Extendido (EM).
Hola a todos.
Estoy intentando crear una tabla indexada con un campo vectorial para poder buscar por su valor.
