Procesamiento preciso de documentos médicos: eliminando el ruido en la revisión clínica

El Problema

El cliente requería un sistema escalable capaz de procesar grandes cantidades de documentos médicos no estructurados mientras extraía hallazgos relevantes a través de un Modelo de Lenguaje (LLM). Estos hallazgos eran insumos clave para los procesos de evaluación de riesgos clínicos, como los programas de Medicare Advantage o los cálculos del Factor de Ajuste de Riesgo (RAF).

Los métodos existentes dependían en gran medida de la revisión y codificación manual, lo que ralentizaba las operaciones y limitaba la calidad de los datos.

El Desafío

El proyecto presentó varios desafíos técnicos y operativos, incluyendo:

• Migrar el modelo de implementación de ECS a EKS, mientras se implementa una arquitectura gestionada utilizando ArgoCD y el patrón de App of Apps.
• Desarrollar una aplicación para la carga masiva y el procesamiento automatizado de archivos médicos a través del LLM.
• Asegurar la trazabilidad y el control de versiones para todos los resultados generados por el modelo.
• El desafío era construir una plataforma automatizada, explicable y segura que se integrara a la perfección en el ecosistema de datos de salud existente del cliente, mientras se mantenía el cumplimiento de HIPAA y los estándares de interoperabilidad.
• Integrar la solución con el ecosistema de datos existente del cliente bajo estrictas regulaciones de salud y protocolos de interoperabilidad.

La Solución

Darwoft diseñó un sistema integral de extremo a extremo que combina un frontend de React y Node.js con un backend basado en Kotlin conectado a una base de datos PostgreSQL.

El backend centralizó toda la lógica del negocio, exponiendo datos a través de APIs REST mientras mantenía una trazabilidad completa de cada documento procesado. El frontend proporcionó una interfaz eficiente y moderna para cargar, revisar y supervisar el procesamiento de documentos médicos.

Para apoyar la escalabilidad y la mantenibilidad, Darwoft rediseñó la implementación de la infraestructura desacoplando los componentes de Infraestructura como Código (IaC) del pipeline de CI/CD. Esto permitió la gestión independiente de la creación de infraestructura y el despliegue de imágenes en Kubernetes, manteniendo la compatibilidad con versiones anteriores con otros verticales organizacionales que aún están en transición desde ECS.

La arquitectura garantizó una migración controlada y gradual, permitiendo al equipo de SRE gestionar la infraestructura de manera eficiente mientras aseguraba la estabilidad en los entornos de producción.

La Conclusión

La solución implementada permitió a la organización de salud automatizar la extracción de datos clínicos de documentos no estructurados, reduciendo significativamente los esfuerzos de revisión y codificación manual.

Los beneficios clave incluyeron:

Extracción de datos automatizada de fuentes no estructuradas, acelerando los procesos de evaluación de riesgos.

Integración con el pipeline de datos médicos corporativos, mejorando la calidad de los datos y la accesibilidad para el análisis.

Infraestructura escalable y manejable, simplificando las operaciones de SRE y asegurando alta disponibilidad.

Interfaz moderna y fácil de usar, mejorando la experiencia del usuario y la supervisión de procesos.

Al aprovechar la inteligencia artificial y la arquitectura nativa de la nube, Darwoft permitió al cliente identificar condiciones clínicamente relevantes directamente de registros médicos no estructurados, optimizando procesos críticos para el Ajuste de Riesgos y los programas de Medicare Advantage. El resultado: evaluaciones más rápidas, un registro de condiciones más preciso, y una toma de decisiones más sólida basada en datos en todo el ecosistema de salud.