labs@atheron:~/industries/healthcare/ai$ train agent --grounded

IA para sanidad

Notas clínicas y entrada de derivaciones, sobre modelos privados.

En sanidad, el mejor trabajo de la IA es el papeleo que rodea a la atención: la nota después de la consulta y la derivación antes de ella. Los dos tocan la historia clínica, así que los construimos sobre modelos que funcionan donde usted decida, y la última palabra la tiene siempre un profesional o un miembro del personal.

Empezar un proyecto Ver los proyectos de ejemplo

// lo que importa aquí

Qué cambia en este sector.

La historia se queda con usted

Los modelos de código abierto y a medida funcionan en su propio servidor con GPU o en su propia cuenta en la nube en Canadá. No se envía a un proveedor externo de IA ningún audio de consulta ni ningún texto de la historia.

Firma el profesional, no el modelo

El asistente prepara una nota; el profesional la revisa, la corrige y la firma. Nada se archiva en la historia sin él.

Medido con sus propios casos

Cada modelo se puntúa frente a un conjunto reservado de sus notas o derivaciones anonimizadas antes de entrar en servicio, y otra vez antes de cada cambio.

Papeleo, no diagnóstico

Construimos herramientas que tratan documentos y reparten trabajo. El software que toma decisiones clínicas puede caer bajo las normas de productos sanitarios de Health Canada, y eso lo acotamos con su equipo de normativa.

// proyectos de ejemplo

Ejemplos con precio.

Cada uno es hipotético, se presenta como tal y lleva un precio calculado en directo a partir de nuestra tarifa. Abra cualquiera en el estimador y hágalo suyo.

Proyecto de ejemploAplicación webIAModelo de código abierto

Asistente privado de notas clínicas

Hipotético. Ni un cliente ni un resultado.

// El problema

Los profesionales pasan las tardes terminando notas, y la clínica no puede enviar las consultas grabadas a un servicio externo de IA.

// Lo que construiríamos

Un asistente que transcribe la consulta con el consentimiento del paciente y prepara una nota estructurada para que el profesional la revise, la corrija y la firme, sobre modelos de código abierto que funcionan en un servidor con GPU del propio centro de datos de la organización, así que ni el audio ni el texto salen de allí.

// Qué incluye

Consentimiento recogido antes de grabar, y grabación que se para cuando se pide
Voz a texto y una nota estructurada con las propias plantillas de la clínica
El profesional revisa, corrige y firma; nada se archiva sin él
Notas archivadas en la historia clínica electrónica a través de su interfaz
Un conjunto de evaluación con consultas reales anonimizadas, que se pasa antes de cada cambio

// Tecnologías

Whisper (código abierto)
Llama o Qwen (código abierto)
vLLM
Next.js
Servidor Lenovo con GPU en sus instalaciones

// estimación

Desarrollo: ≈ 155.000 US$ a 236.000 US$, delivered within 39 weeksCAD 221,000 to 336,500
Alojamiento: ≈ 176 US$ al mesCAD 250 al mes
Soporte: ≈ 2500 US$ al mesCAD 3,565 al mes
Hardware: ≈ 47.800 US$ a 197.000 US$CAD 68,000 to 280,800

Los precios en su moneda son estimaciones con el tipo de cambio de hoy del Banco de Canadá. Toda la facturación se emite en CAD o USD.

Enfoque de IA: Modelo de código abierto
Coste de funcionamiento del modelo: ≈ 176 US$ al mesCAD 250 al mes

Calendario por hitos

Découverte: 2.9 to 3.4 weeks
Spécification et plan d’évaluation: 0.4 weeks
Maquettes approuvées: 2.4 to 4.4 weeks
Fonctions principales: 1.4 to 2.4 weeks
Développement complet: 0.9 to 1.4 weeks
Projet pilote fonctionnel: 4.9 to 8.4 weeks
Tests et corrections: 0.4 to 0.9 weeks
Contrôles construits et documentés: 0.9 to 1.4 weeks
Revue de préparation: 2.9 to 14.4 weeks
Mise en ligne: 0.9 to 1.4 weeks
Production: 0.9 to 1.4 weeks

Fuera de nuestras manos, y sumado al calendario

Livraison du matériel, après la commande: 2 to 6 weeks
Approbation et accès de test du fournisseur du DME: 1 to 4 weeks
Ententes d'associé commercial avec vos fournisseurs (HIPAA): 2 to 6 weeks
Réservation d'un testeur d'intrusion et son rapport: 2 to 4 weeks

Cómo se paga

Anticipo 20%: CAD 44,140 to 67,240
Découverte 1.5%: CAD 3,310.50 to 5,043.00
Spécification et plan d’évaluation 8%: CAD 17,656 to 26,896
Maquettes approuvées 1.5%: CAD 3,310.50 to 5,043.00
Fonctions principales 4.6%: CAD 10,152.20 to 15,465.20
Développement complet 3.1%: CAD 6,841.70 to 10,422.20
Projet pilote fonctionnel 24.2%: CAD 53,409.40 to 81,360.40
Tests et corrections 1.5%: CAD 3,310.50 to 5,043.00
Contrôles construits et documentés 7.7%: CAD 16,993.90 to 25,887.40
Revue de préparation 7.7%: CAD 16,993.90 to 25,887.40
Mise en ligne 1.5%: CAD 3,310.50 to 5,043.00
Production 8.7%: CAD 19,200.90 to 29,249.40
Holdback, 30 days after launch (10%): CAD 22,070 to 33,620
Temps GPU pour l’entraînement et les tests, au coût: CAD 300. Se factura por adelantado, a coste, fuera de los hitos
Serveur GPU pour l’IA, pour le modèle: CAD 68,000 to 280,800. Se factura por adelantado, a coste, fuera de los hitos

Partir de este ejemplo

Proyecto de ejemploAplicación webIALLM a medida

Modelo de entrada y reparto de derivaciones

Hipotético. Ni un cliente ni un resultado.

// El problema

Una clínica especializada recibe derivaciones por fax y escaneadas en decenas de formatos, y el personal lee cada página para encontrar el motivo, la urgencia y lo que falta.

// Lo que construiríamos

Un modelo a medida ajustado con las propias derivaciones anonimizadas de la clínica que lee cada una, extrae los campos, señala los resultados que faltan y propone una cola, con una persona confirmando cada derivación antes de darle cita.

// Qué incluye

Faxes y escaneos leídos y pasados a campos estructurados: motivo, urgencia, profesional que deriva
Resultados de pruebas que faltan señalados, con la petición al profesional que deriva ya preparada
Una cola y una prioridad propuestas, que confirma el personal
Un modelo ajustado con sus derivaciones, puntuado frente a un conjunto reservado
Servido en su propia cuenta en la nube en una región canadiense

// Tecnologías

Modelo de pesos abiertos ajustado
Canalización de OCR
Python
Next.js
AWS (región de Canadá)

// estimación

Desarrollo: ≈ 177.000 US$ a 270.000 US$, delivered within 33 weeksCAD 251,700 to 384,300
Alojamiento: ≈ 6710 US$ al mesCAD 9,550 al mes
Soporte: ≈ 2500 US$ al mesCAD 3,565 al mes

Los precios en su moneda son estimaciones con el tipo de cambio de hoy del Banco de Canadá. Toda la facturación se emite en CAD o USD.

Enfoque de IA: LLM a medida
Coste de funcionamiento del modelo: ≈ 6530 US$ al mesCAD 9,300 al mes

Calendario por hitos

Découverte: 2.9 to 3.4 weeks
Données et plan d’évaluation: 0.4 weeks
Maquettes approuvées: 2.4 to 3.9 weeks
Fonctions principales: 1.9 to 3.4 weeks
Développement complet: 1.4 to 2.4 weeks
Entraînement: 7.4 to 12.4 weeks
Tests et corrections: 0.4 weeks
Évaluation et tests adverses: 3.9 to 4.4 weeks
Mise en ligne: 0.9 to 1.4 weeks
Production: 0.9 to 1.4 weeks

Fuera de nuestras manos, y sumado al calendario

Approbation et accès de test du fournisseur du DME: 1 to 4 weeks

Cómo se paga

Anticipo 20%: CAD 50,100 to 76,620
Découverte 1.5%: CAD 3,757.50 to 5,746.50
Données et plan d’évaluation 7.9%: CAD 19,789.50 to 30,264.90
Maquettes approuvées 1.5%: CAD 3,757.50 to 5,746.50
Fonctions principales 4.6%: CAD 11,523.00 to 17,622.60
Développement complet 3.1%: CAD 7,765.50 to 11,876.10
Entraînement 23.9%: CAD 59,869.50 to 91,560.90
Tests et corrections 1.5%: CAD 3,757.50 to 5,746.50
Évaluation et tests adverses 15.9%: CAD 39,829.50 to 60,912.90
Mise en ligne 1.5%: CAD 3,757.50 to 5,746.50
Production 8.6%: CAD 21,543.00 to 32,946.60
Holdback, 30 days after launch (10%): CAD 25,050 to 38,310
Temps GPU pour l’entraînement et les tests, au coût: CAD 1,200. Se factura por adelantado, a coste, fuera de los hitos

Partir de este ejemplo

// questions

Lo que nos preguntan sobre esto.

¿Por qué no usar un modelo de vanguardia para las notas clínicas?

Puede usarlo, si su responsable de privacidad aprueba el proveedor y el acuerdo. Muchas organizaciones prefieren un modelo de código abierto en su propio servidor para que las consultas grabadas no salgan nunca; presupuestamos las dos opciones.

¿Cómo da el paciente su consentimiento a un asistente de notas con IA?

El consentimiento se pide y se anota antes de cada grabación, y el paciente o el profesional pueden pararla en cualquier momento. El texto lo fija su equipo de privacidad.

¿De qué necesita aprender un modelo de derivaciones?

De un conjunto de sus derivaciones anteriores, anonimizadas, con los campos que el personal sacó de ellas. Medimos a medida que se etiqueta y le decimos cuándo ayudarían más ejemplos.

Volver al sector: Sanidad Sobre el servicio: Agentes y modelos de IA

// la siguiente

¿No es exactamente su proyecto?

Cuéntenos qué tiene en mente. Le responderemos con una horquilla y con las preguntas que la estrecharían. O reserve una llamada y lo hablamos.

Empezar un proyecto Reservar una llamada