#ChatGPT

0 Seguidores · 9 Publicaciones

ChatGPT es un chatbot de inteligencia artificial (IA) desarrollado por OpenAI. Está creado sobre la base de las versiones GPT-3.5 y GPT-4 de modelos de lenguaje extenso (LLM, por sus siglas en inglés) de OpenAI y se ha configurado por medio de técnicas de aprendizaje tanto supervisadas como de refuerzo.

Artículo Ricardo Paiva · jul 21, 2025 4m read

☤Brújula 🧭 de Cuidados 🩺 - Prueba de concepto - Participación para el Concurso

Presentación de Brújula de Cuidados: Priorización de casos impulsada por IA para Servicios Humanos

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.

Brújula de Cuidados fue creada para cambiar esa realidad.

Aviso legal: El proyecto Brújula de Cuidados es una demostración técnica desarrollada por ingenieros de ventas y de soluciones. Está destinado únicamente a fines educativos y de creación de prototipos. No somos profesionales médicos, y ninguna parte de este proyecto debe interpretarse como asesoramiento clínico ni utilizarse para la atención real de pacientes sin la validación adecuada y la consulta con expertos sanitarios cualificados.

El problema

El doce por ciento de los beneficiarios de Medicaid representa el 38 por ciento de todas las visitas a urgencias (ED) cubiertas por Medicaid. Estas visitas suelen estar motivadas por necesidades no cubiertas relacionadas con la inestabilidad habitacional, las enfermedades mentales y el consumo de sustancias. Las herramientas tradicionales de gestión de casos rara vez tienen en cuenta estos factores de riesgo estructurales, lo que dificulta que los trabajadores sociales identifiquen quién necesita ayuda con mayor urgencia.

Estos datos provienen de un estudio de 2013 publicado en The American Journal of Emergency Medicine, que destaca cómo una pequeña parte de la población cubierta por Medicaid contribuye de forma desproporcionada a los costes generales del sistema (Capp et al., 2013, PMID: 23850143).

Demasiado a menudo, las decisiones son reactivas y se basan en información incompleta.

Nuestra solución

Brújula de Cuidados es un asistente impulsado por IA que os ayuda a tomar mejores decisiones basándoos en una visión completa de las necesidades médicas y sociales de cada persona. Combina Generación Aumentada por Recuperación (RAG) y modelos de lenguaje avanzados para interpretar datos y generar recomendaciones útiles.

El asistente evalúa información en tiempo real, resume los factores clave de riesgo, calcula puntuaciones dinámicas de riesgo y sugiere posibles próximos pasos y recursos. En lugar de revisar registros desconectados, obtenéis una vista unificada de vuestra carga de casos, priorizada por urgencia y contexto.

Cómo Funciona

La plataforma integra un modelo de lenguaje de gran escala (LLM), recuperación de datos en tiempo real y lógica de razonamiento personalizada. La información de fuentes estructuradas y no estructuradas se sintetiza en resúmenes comprensibles que explican no solo el nivel de riesgo, sino también por qué una persona se considera de alto riesgo.

Una interfaz de usuario intuitiva facilita que interactuéis con el asistente, reviséis los análisis y toméis medidas adecuadas. El énfasis está en la transparencia y la confianza. El sistema no solo asigna una puntuación de riesgo, sino que explica su razonamiento en un lenguaje claro.

Lecciones aprendidas

Crear Brújula de Cuidados nos ha enseñado que la precisión bruta del modelo es solo una parte de la ecuación. Hemos aprendido que:

  • Los conjuntos de datos pequeños limitan la efectividad de los métodos basados en recuperación
  • Los datos estructurados suelen ser inconsistentes o incompletos
  • Ajustar finamente los modelos no siempre mejora su rendimiento
  • La interpretabilidad es esencial, especialmente en sistemas que orientan decisiones sobre el cuidado
  • El cumplimiento de HIPAA y la privacidad de los datos deben integrarse en el sistema desde el principio

Mirando al futuro

Nuestros próximos pasos incluyen ampliar nuestro conjunto de datos con casos más diversos y representativos, experimentar con distintos modelos de incrustación e incorporar métricas de evaluación que reflejen cuán útiles y comprensibles son realmente las respuestas del asistente en la práctica.

También estamos explorando cómo comunicar mejor la incertidumbre y reforzar las bases éticas del sistema, especialmente al trabajar con poblaciones vulnerables.

Brújula de Cuidados es nuestra respuesta a una necesidad generalizada en salud y servicios sociales: priorizar lo que importa antes de que se convierta en una crisis. Os da a los trabajadores sociales la claridad y las herramientas que necesitáis para actuar antes, intervenir con mayor eficacia y lograr resultados más equitativos.

Para ver más sobre cómo implementamos la solución, podéis ver nuestro video en YouTube:https://youtu.be/hjCKJxhckbs

0
0 27
Artículo Julio Esquerdo · jun 5, 2025 18m read

Uso de Python en InterSystems Iris

Hola

En este artículo veremos el uso de python como lenguaje de programación en InterSystems Iris. Para ello, utilizaremos como referencia la versión de Community 2025.1 que está disponible para ser descargada en https:// download.intersystems.com iniciando sesión en el entorno. Para obtener más información sobre cómo descargar e instalar Iris, consulte el enlace de la comunidad https://community.intersystems.com/post/how-download-and-install-intersystems-iris

0
0 49
InterSystems Official Jose-Tomas Salvador · feb 12, 2025

Nos han desbordado las previsiones. Así que, ante el éxito de asistencia y todos los comentarios recibidos, os anuncio una nueva convocatoria extraordinaria del curso: Desarrollo de asistentes virtuales con RAG. ¡Mantenemos el precio promocional reducido! (plazas limitadas).

1
0 69
Artículo Jose-Tomas Salvador · nov 18, 2024 2m read

La inteligencia artificial generativa es una inteligencia artificial capaz de generar texto, imágenes u otros datos utilizando modelos generativos, a menudo en respuesta a indicaciones o "prompts". Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento y luego generan nuevos datos con características similares.

0
0 154
Artículo Alberto Fuentes · ago 16, 2024 5m read

image

Hola Comunidad,

En este artículo, voy a presentar mi aplicación iris-RAG-Gen .

Iris-RAG-Gen es una aplicación generativa AI Retrieval-Augmented Generation (RAG) que aprovecha la funcionalidad de IRIS Vector Search para personalizar ChatGPT con la ayuda del framework web Streamlit, LangChain, y OpenAI. La aplicación utiliza IRIS como almacén de vectores.

image

Características de la aplicación

  • Ingesta de documentos (PDF o TXT) en IRIS
  • Chatear con el documento ingerido seleccionado
  • Borrar Documentos ingerido
  • OpenAI ChatGPT
0
0 102
Artículo Alberto Fuentes · nov 16, 2023 7m read

Ejemplo de demostración para el Gran Premio de Programación de InterSystems, sobre el uso de plantillas más complejas para probar funcionalidades de IA.

Preguntas para la entrevista

Hay documentación. Para un puesto de trabajo, una persona de recursos humanos quiere evaluar rápidamente a los candidatos con varias preguntas técnicas relevantes para el puesto.

¿Puede automatizar el trabajo haciendo una lista de preguntas y respuestas a partir de la documentación disponible?

0
0 142
Artículo Ricardo Paiva · nov 9, 2023 3m read

El problema

En un entorno clínico acelerado, en el que la toma rápida de decisiones es crucial, la falta de sistemas eficientes de almacenamiento y acceso a los documentos plantea varios obstáculos. Aunque existen soluciones de almacenamiento de documentos (por ejemplo, FHIR), el acceso y la búsqueda eficaz de datos específicos de pacientes dentro de esos documentos puede suponer todo un reto.

La motivación

La IA ha hecho que la búsqueda de documentos sea extraordinariamente potente. Preguntar y responder sobre documentos nunca ha sido tan fácil con herramientas de código abierto como Chroma y Langchain para almacenar y utilizar incrustación de palabras (vector embeddings) para consultas a las APIs de IA generativa. Con un esfuerzo más dedicado, las organizaciones están indexando sus documentos existentes y construyendo versiones ajustadas de GPT con fines empresariales. La charla de Andrej Karpathy sobre el estado de GPT ofrece un excelente resumen general sobre este tema.

Este proyecto fue nuestro intento de reducir la fricción en todos los puntos de contacto en los que el personal médico tiene que interactuar con documentos. Desde la entrada y la gestión hasta el almacenamiento y la recuperación, hemos aprovechado IRIS FHIR y la IA para ayudarles a almacenar y encontrar la información que necesitan sin esfuerzo.

La solución

Hemos creado una aplicación web full-stack que permite a los médicos grabar notas de voz. A continuación, estas notas pueden transcribirse y resumirse mediante Open AI y almacenarse en servidores FHIR. Después, los documentos almacenados se indexan y están disponibles para la búsqueda semántica.  

Video de demostración

<iframe width="560" height="315" src="https://www.youtube.com/embed/3Th6bR4rw0w?si=Fc2dCaYuUte0ZCQ7" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen></iframe>

Características principales

  1. Aplicación web - Para ver información clínica sobre pacientes, observaciones y encuentros. Está construida utilizando Vue.js.
  2. Transcripción de voz - Open AI Whisper API se utiliza para transcribir con precisión las grabaciones de voz a texto.
  3. Resumen de texto - A continuación, el contenido transcrito puede resumirse y darle un título en el formato requerido. Por ejemplo, secciones específicas como síntomas, diagnóstico, etc. Esto se consigue mediante la API de completado de texto de Open AI utilizando el modelo text-da-vinci-003.
  4. Almacenamiento de documentos - A continuación, los documentos resumidos se almacenan en FHIR utilizando el recurso Document Reference.
  5. Búsqueda semántica de documentos - Los documentos almacenados se indexan y almacenan en Chroma como fragmentos. Esto se utiliza después para limitar el espacio de búsqueda y utilizar los tokens GPT con moderación para la búsqueda semántica mediante Langchain. Actualmente, cargamos los documentos en el momento de la búsqueda debido al menor número de documentos disponibles. Esto puede modificarse para indexar en segundo plano de forma asíncrona.
  6. Exportación de documentos - Por último, existe una opción para exportar documentos a Google Docs y otros datos a Google Sheets. Los usuarios pueden iniciar sesión con sus cuentas específicas mediante OAuth y exportar los documentos para facilitar la colaboración y la comunicación con otros médicos o pacientes.

Probadlo

Clonad el repositorio del proyecto desde este enlace de GitHub: https://github.com/ikram-shah/iris-fhir-transcribe-summarize-export. Seguid las instrucciones proporcionadas para configurar el proyecto localmente en vuestros equipos. Y hacednos saber si algo no funciona como se esperaba.

Reflexiones y comentarios

Los avanzados modelos de lenguaje disponibles actualmente, combinados con el enorme volumen de datos disponibles, encierran un inmenso potencial para revolucionar la atención sanitaria, especialmente en lo relativo a los documentos.

Dejadnos vuestros comentarios a continuación. Publicaremos más artículos con los detalles técnicos de este proyecto.

0
0 116
Artículo Ricardo Paiva · ago 17, 2023 5m read

FHIR ha revolucionado la industria de la atención médica al proporcionar un modelo de datos estandarizado para crear aplicaciones y promocionar el intercambio de datos entre diferentes sistemas. El estándar FHIR se basa en enfoques modernos impulsados por APIs, lo que lo hace más accesible para los desarrolladores web y móviles. Sin embargo, interactuar con las API de FHIR aún puede ser un desafío, especialmente cuando se trata de consultar datos usando lenguaje natural.

0
0 196
Artículo Jose-Tomas Salvador · jun 29, 2023 2m read

¡Hola Comunidad!

Me gustaría compartir con vosotros un ejercicio que he hecho para crear "mi propio" chat con ChatGPT en Telegram.

Ha sido posible gracias a dos componentes de Open Exchange: Telegram Adapter, de @Nikolay Solovyev e IRIS Open-AI, de @Kurro Lopez 

Así que con este ejemplo podréis configurar vuestro propio chat con ChatGPT en Telegram. 

¡Veamos cómo hacerlo funcionar!

0
0 313