Caso de uso
Agentes IA para estructurar y codificar notas clínicas
Resumen
¿Cómo aprovecha un hospital su información clínica si queda enterrada en texto libre dentro de miles de notas? Foqum despliega, en la infraestructura del hospital, agentes de inteligencia artificial que leen cada episodio y lo convierten en datos estructurados y codificados según los estándares clínicos de referencia, conservando la frase y el contexto de cada dato. Esa trazabilidad facilita su validación clínica y reutilización.
Problema
- Información clínica dispersa en texto libre: los datos de cada episodio están repartidos en notas narrativas no estructuradas, lo que dificulta su consulta, agregación y explotación sistemática.
- Codificación clínica compleja y multiterminología: la codificación debe ajustarse a distintos estándares y vocabularios propios de cada centro, lo que la hace laboriosa y dependiente de personal especializado.
- Pérdida de contexto clínico en la extracción automática: matices como negación, temporalidad, antecedente o sospecha pueden perderse, generando errores y aumentando la revisión manual.
- Restricciones de privacidad y baja reutilización de datos: la sensibilidad de los datos sanitarios limita el uso de servicios externos de IA y, si la información no se estructura, dificulta su reutilización para análisis, investigación o interoperabilidad.
Solución
- Estructuración del episodio mediante IA multiagente: una arquitectura de agentes especializados procesa el episodio completo y transforma diagnósticos y procedimientos descritos en texto libre en datos estructurados.
- Normalización y codificación automática: las entidades clínicas detectadas se normalizan y codifican automáticamente contra CIE-10, SNOMED CT y vocabularios propios del hospital, resolviendo equivalencias entre estándares.
- Trazabilidad completa con atributos clínicos: cada resultado conserva la frase original, su posición en el texto, la temporalidad, la negación y otros atributos, vinculando cada código con su evidencia textual.
- Despliegue local y salida reutilizable vía API: la plataforma se ejecuta en la infraestructura del hospital, procesa los datos dentro de su perímetro y genera información codificada y estructurada integrable mediante API y entrega asíncrona de resultados.
Modelo de despliegue
Región de alojamiento de datos
Modelo de venta
Análisis del encaje GovTech
Aplicaciones reales
Nº de aplicaciones
1
CPVs
Solución desarrollada por
Heading
Foqum desarrolla soluciones de inteligencia artificial aplicada y machine learning para automatizar procesos de análisis, extracción, clasificación, anonimización y explotación de información en organizaciones públicas y privadas.
Trabajamos para administraciones públicas, grandes empresas y entidades de sectores como legal, financiero, salud, energía, industrial, defensa, educación y servicios, especialmente en contextos donde existen grandes volúmenes de documentación, información sensible o procesos manuales intensivos.
Ayudamos a los equipos técnicos, jurídicos y de negocio a reducir carga operativa, mejorar la trazabilidad y convertir documentación no estructurada en información tratable, revisable y segura. En este reto, aplicamos esa experiencia a la anonimización de documentos técnicos y administrativos en castellano y euskera: detección de datos personales o confidenciales, sustitución coherente mediante etiquetas, clasificación de criticidad documental y generación de una versión anonimizada revisable. La solución no elimina la revisión humana ni sustituye el criterio jurídico o técnico, sino que actúa como asistente para agilizar el proceso, homogeneizar criterios y reforzar la protección de la información sensible.