IA en salud· 6 min de lectura
RAG para portales sanitarios: respuestas útiles sin filtrar datos de pacientes
La generación aumentada por recuperación permite que un portal responda a partir del historial del propio paciente. Así se consigue que las respuestas sean fundamentadas, auditables y privadas.
Por qué fallan los chatbots convencionales en el sector sanitario
Un modelo general responde a partir de lo que aprendió durante su entrenamiento. En un entorno clínico, esa no es la fuente adecuada: la pregunta trata sobre este paciente, este informe y las instrucciones de este hospital.
La generación aumentada por recuperación (RAG) cambia la fuente. El sistema primero localiza los fragmentos relevantes —un informe de alta, un informe de laboratorio, una hoja de preparación— y solo entonces pide al modelo que responda usando esos fragmentos.
Cuatro reglas que incorporamos
Recuperar solo lo que la persona autenticada puede ver. El control de acceso se aplica antes de la recuperación, nunca después de la generación.
Mostrar la fuente. Cada respuesta enlaza con el documento y la fecha de los que procede, para que un profesional clínico pueda comprobarla con un clic.
Mantener los datos en su entorno. Los embeddings, los índices y las llamadas al modelo permanecen dentro de su propio proyecto y región en la nube.
Permitir que diga “No lo sé”. Cuando no se recupera nada relevante, el asistente deriva a una persona en lugar de adivinar.
Dónde se rentabiliza primero
Las explicaciones de informes en lenguaje sencillo, la preparación de citas, las instrucciones de alta y la búsqueda interna para el personal tipo “consultar el historial” son las victorias más rápidas. Tienen un gran volumen, poco riesgo y son fáciles de medir.