El Triage del Futuro: Presentamos el Asistente ESI impulsado por IA

 Antes que nada: una aclaración ética imprescindible

Este proyecto no busca sustituir a las personas. Su objetivo es claro: aliviar el peso del trabajo repetitivo y la fatiga mental que pueden llevar a errores por agotamiento. La misión es que el profesional se concentre en supervisar y tomar decisiones empáticas y éticas, y la máquina haga lo que mejor sabe hacer… procesar datos sin parar.

En todo Servicio de Urgencias, cada segundo cuenta. La presión sobre los profesionales de Enfermería para clasificar (triage) con rapidez y precisión es inmensa. Es justamente en ese punto donde la Inteligencia Artificial puede ofrecer un soporte tangible y seguro.

¿Por qué un Agente ESI con IA?

El Emergency Severity Index (ESI) es el estándar de oro para decidir quién debe ser atendido primero. Pero la sobrecarga asistencial hace difícil mantener una consistencia perfecta bajo estrés.

Este prototipo de Agente Multimodal Responsivo, fue diseñado para aportar:

*Coherencia inquebrantable: clasifica siempre siguiendo el protocolo, sin variabilidad emocional.

*Velocidad: completa su razonamiento en segundos.

*Seguridad y control: funciona bajo criterios estrictos, pensado para simulación y docencia.

El corazón técnico del sistema

 El sistema está basado en un modelo de lenguaje (LLM, Gemini), configurado para interpretar y aplicar los protocolos del ESI.  Este funciona mediante un árbol de decisiones que evalúa los parámetros clínicos (SPO2, FC) y el motivo de consulta, y guía la categorización final (C1 a C5).

Los datos ingresados pueden provenir directamente del usuario o de sensores USB de frecuencia cardíaca (FC), saturación de oxígeno (SpO₂) e incluso imagen, enviados a la IA en tiempo real a través de una webcam.

El flujo de funcionamiento se mantiene constante y verificable:

entrada sensorial → razonamiento → clasificación → sugerencia.

El Agente LLM opera bajo reglas estrictas que definen cómo debe razonar según el ESI, y el árbol de decisiones complementa al modelo para garantizar respuestas coherentes, auditable y libres de invenciones.

Cómo funciona el Agente “A.L.E.X.”

A.L.E.X. (Agente Lógico de Evaluación eXpress) es un LLM altamente restringido mediante “programación en el prompt”. Esta implementación demostrativa utiliza un prompt persistente integrado directamente en el código frontend (HTML/JavaScript) para asegurar el comportamiento del modelo de IA.

Aunque este método es práctico y accesible (ideal para docencia y prototipos rápidos), el estándar de producción en salud digital exige arquitecturas más robustas. Entre ellas destacan:

• Restricción a nivel de API/Backend: Centralizar la lógica en servicios (ej. Python/Flask) para proteger el «core» del sistema.

• Ajuste Fino (Fine-Tuning): Entrenar modelos específicamente con datasets de triaje ESI para mejorar la especialización.

• Generación Aumentada por Recuperación (RAG): A diferencia del Fine-Tuning (donde el modelo «memoriza» datos estáticos), el RAG permite que la IA consulte fuentes técnicas en tiempo real. Esta técnica es la que transforma a un chatbot genérico en un verdadero Copiloto Especializado, permitiendo que el sistema valide cada respuesta frente a una base de conocimiento oficial (manuales, leyes, bases de datos) antes de entregar la información al usuario.

El Flujo Operativo: Rigor en cada paso

Independientemente de la técnica de implementación, el objetivo es garantizar una salida que cumpla con un formato estrictamente clínico y seguro. El flujo se divide en:

1. Entrada de datos: Captura de motivo de consulta y signos vitales críticos ($SpO_2$ y FC).

2. Interrogatorio dirigido: Ejecución de preguntas específicas (dolor, conciencia, frecuencia, cronicidad).

3. Límites de seguridad:

   • Máximo de 3 interacciones para evitar redundancia.

   • Respuestas breves ($\le$ 250 palabras).

   • Cierre automático de la conversación al obtener datos suficientes.

4. Salida Protocolizada:

   • Categoría: Clasificación C# (según ESI).

   • Justificación: Breve y técnica (máximo 2 líneas).

   • Restricción: El sistema no emite diagnósticos médicos ni permite el diálogo libre; actúa como un motor de decisión clínica.

Los signos vitales se incorporan dinámicamente en la orquestación del modelo, obligando a la IA a integrarlos en cada etapa de su razonamiento lógico, asegurando que la evaluación sea siempre objetiva y protocolizada.

---

Ventajas del sistema

• Reduce errores por agotamiento, especialmente en turnos prolongados.

• Ofrece coherencia, sin variabilidad emocional.

• Permite auditoría posterior, ya que registra el flujo lógico completo.

• Accesible: funciona con HTML/CSS/JS desde cualquier navegador.

• Económico: demuestra que la IA útil no requiere hardware avanzado.

---

Un recurso para docencia y práctica

A.L.E.X. fue creado como una herramienta académica y de práctica. Permite evaluar cómo un agente LLM acotado puede apoyar el triage en contextos formativos. Versiones más robustas pueden ampliar la entrada de signos vitales o incorporar datos multimodales (como imagen a través de la webcam), pero incluso así demuestra rapidez, previsibilidad y control.