PatientRAG: Privadesa i Precisió en el Diagnòstic Assistit per IA

Els professionals de la salut catalans s'enfronten a una paradoxa tecnològica: com més digital és la història clínica, més fragmentada queda la informació. Un metge d'atenció especialitzada gestiona entre 20 i 40 pacients diaris, cadascun amb un historial dispersat entre sistemes que no es comuniquen: l'estació clínica del CAP, els informes d'alta hospitalaris, les analítiques del laboratori i els protocols actualitzats. PatientRAG, el mòdul sanitari d'IgeraFincas, indexa tota aquella documentació en un sistema RAG segur que respon en segons, cita la font exacta i garanteix el compliment del RGPD en cada interacció.

Per què la fragmentació documental clínica és el principal risc sanitari actual?

El sistema sanitari català gestiona més de 50 milions de contactes assistencials l'any. En cadascun d'ells, el facultatiu necessita accedir a informació dispersa entre múltiples sistemes: la història clínica de l'atenció primària, els informes d'alta hospitalaris d'un altre hospital, les analítiques recents del laboratori i els protocols actualitzats de prescripció. Cap d'aquells sistemes comunica amb els altres de manera fluïda.

El resultat és previsible: el metge dedica entre 5 i 6 minuts per pacient simplement buscant informació — entre el 35% i el 50% del temps total de la consulta. En un context de pressió assistencial on l'agenda no para, aquella fracció del temps dedicada a buscar en lloc de pensar és el brou de cultiu de l'error clínic per omissió. El metge no sap el que no ha tingut temps de trobar.

El risc d'al·lucinació dels models d'IA genèrics agreuja el problema en lloc de resoldre'l. Un metge que utilitza un model de llengua de propòsit general per consultar l'historial de medicació d'un pacient s'arrisca a rebre una resposta convincent però fabricada. PatientRAG elimina aquest risc a través de la generació augmentada per recuperació: el sistema únicament genera respostes a partir del text dels documents indexats, i cada resposta cita la seva font.

Quins tipus de consultes resol PatientRAG en el dia a dia clínic?

PatientRAG està dissenyat per a les preguntes que sorgeixen al mig d'una consulta, no per a les anàlisis que es fan des d'un despatx. Exemples reals de consultes que el sistema resol en pocs segons:

• "Quines al·lèrgies medicamentoses té aquest pacient documentades?" — Extreu totes les al·lèrgies registrades amb la data de registre, el fàrmac causant i la gravetat de la reacció descrita.
• "Quin és el protocol vigent de profilaxi antibiòtica per a aquesta cirurgia?" — Retorna la versió activa del protocol del centre amb la data de l'última revisió i les indicacions específiques per al tipus d'intervenció.
• "Ha tingut aquest pacient episodis previs de descompensació cardíaca?" — Cerca als informes d'alta i d'urgències, resumint els episodis amb dates, tractament rebut i evolució.
• "Quin ajust de dosi necessita aquest fàrmac en insuficiència renal moderada?" — Consulta la fitxa tècnica indexada de l'AEMPS i retorna la recomanació de dosificació amb el criteri de creatinina o filtratge glomerular.
• "Hi ha interaccions rellevants entre aquests cinc fàrmacs?" — Creua la llista de medicació actual amb la base de dades d'interaccions i retorna les combinacions de risc amb el nivell d'evidència.

Com garanteix PatientRAG la privadesa de les dades del pacient?

El compliment del RGPD i de la LOPDGDD no és una característica afegida a posteriori — és el principi de disseny central del sistema. PatientRAG implementa una arquitectura de privadesa en tres capes:

Aïllament de dades: Cada pacient té el seu propi espai de vector a la base de dades. No hi ha cap mecanisme tècnic que permeti que una consulta sobre el pacient A recuperi dades del pacient B, ni tan sols en cas d'error en la formulació de la pregunta.

Control d'accés per rols: Els metges únicament poden consultar els historials dels pacients sota la seva responsabilitat. El personal d'infermeria veu un subconjunt limitat d'informació rellevant per a les seves tasques.

Registre d'auditoria complet: Cada consulta queda registrada amb data, hora, usuari i documents consultats. Aquest registre és exportable per a auditories de compliment o per a l'Agència Espanyola de Protecció de Dades en cas de requeriment.

Com es compara PatientRAG amb la cerca estàndard dels sistemes HIS/EMR?

Quin és el procés d'implementació en un centre sanitari català?

1. Setmana 1 — Auditoria documental: L'equip d'IgeraSolutions treballa amb el responsable de sistemes i el responsable de qualitat per identificar totes les fonts de documentació: protocols en xarxa, fitxes tècniques, guies clíniques i els formats d'exportació del HIS.
2. Setmanes 2–3 — Indexació i configuració: Les dades dels pacients s'anonimitzen abans de la indexació. Els protocols es carreguen sense restriccions de privadesa. Els perfils d'accés per rol es configuren.
3. Setmana 4 — Pilot: Un servei clínic (habitualment urgències o medicina interna) desplega el sistema amb un període d'avaluació de quatre setmanes.
4. Continu — Desplegament general: Després de la validació del pilot, el sistema s'estén a la resta de serveis amb sessions d'onboarding de dues hores per servei.

Preguntes freqüents

Pot PatientRAG inventar informació mèdica que no estigui als documents indexats?

No. A diferència dels LLMs generatius purs, PatientRAG únicament genera respostes a partir del text recuperat dels documents indexats. Si la informació no està a la base documental del centre, el sistema ho indica explícitament i no genera una resposta inventada.

Compleix PatientRAG la normativa de dades sanitàries a Catalunya?

Sí. El sistema compleix el RGPD, la LOPDGDD i la Llei d'Autonomia del Pacient (Llei 41/2002). El tractament de dades de salut es realitza com a encàrrec de tractament per part d'IgeraSolutions, amb el contracte corresponent inclòs a la subscripció i les dades processades en infraestructura cloud amb seu a la UE.

Substitueix PatientRAG el judici clínic del metge?

No. PatientRAG és una eina de suport documental, no una eina de diagnòstic. El sistema no proporciona diagnòstics ni recomanacions de tractament per si sol — proporciona informació clínica rellevant de manera ràpida i verificable perquè el metge prengui millors decisions amb tota la informació disponible.

En què es diferencia IgeraFincas d'IgeraLegal i IgeraHospit?

IgeraFincas està especialitzat en comunitats de propietaris i gestió de finques. IgeraLegal cobreix jurisprudència, normativa fiscal i contractual per a despatxos d'advocats i gestories. IgeraHospit es centra en suport a l'hoste i operacions hoteleres. Els tres comparteixen l'arquitectura RAG d'IgeraSolutions, adaptada als documents i fluxos de treball de cada sector.

Quin és el període de retorn de la inversió per a un centre sanitari?

Per a un servei d'urgències amb 30 metges que atenen 200 pacients diaris, la recuperació de 8 minuts de temps clínic per sessió equival a més de 400 hores anuals de temps mèdic recuperat. El càlcul de ROI varia segons el cost hora del centre, però habitualment el període de retorn és inferior a sis mesos.

Funciona PatientRAG amb documents en paper escanejats?

Sí. El sistema inclou OCR d'alta precisió per a documents escanejats, inclosos manuscrits mèdics amb un nivell de llegibilitat estàndard. Els documents escanejats s'indexen amb la mateixa qualitat que els documents digitals natius, tot i que el procés d'indexació pot tardar entre 1 i 5 minuts addicionals segons la qualitat de l'escanejat.