Aidoc

Evaluación Arquitectónica de Aidoc aiOS™

La plataforma Aidoc funciona como un sistema operativo clínico de IA a escala empresarial (aiOS™). A diferencia de las soluciones puntuales heredadas, aiOS™ actúa como una capa centralizada de orquestación que unifica imágenes DICOM, datos clínicos HL7 FHIR y asistentes de informes generativos de IA en un entorno gobernado 📑. En 2026, la arquitectura se define por su transición a Triage basado en Modelos Fundacionales y Gestión Agentica de Pacientes, permitiendo que el sistema no solo identifique hallazgos agudos, sino que gestione de forma autónoma el 'último tramo' del seguimiento clínico 📑.

Motor de Orquestación y Triage Clínico

El sistema utiliza una canalización de procesamiento modular para identificar condiciones potencialmente mortales y hallazgos incidentales sin interrumpir el visor diagnóstico principal.

• Modelos Fundacionales de Multitriage: Un núcleo arquitectónico único capaz de identificar más de una docena de condiciones agudas (p. ej., hemorragias, fracturas, aire libre) en diversas regiones corporales en un solo escaneo 📑.
• CARE™ (Motor de Respuesta Clínica de IA): Una capa de flujo de trabajo agentico que analiza informes de radiología y notas del EHR para extraer hallazgos confirmados y automatizar la comunicación con el médico de atención primaria a través de Epic MyChart/In Basket 📑.
• Integración con NVIDIA MONAI: Una pasarela API especializada que permite a los sistemas de salud desplegar, monitorizar y gobernar modelos propios o de código abierto directamente dentro de la infraestructura de aiOS™ 📑.

⠠⠉⠗⠑⠁⠞⠑⠙⠀⠃⠽⠀⠠⠁⠊⠞⠕⠉⠕⠗⠑⠲⠉⠕⠍

Escenarios Operativos

• Triage de Trauma Agudo: Entrada: TC de cuerpo completo (DICOM) a través de la pasarela PACS → Proceso: El multitriage basado en modelos fundacionales identifica simultáneamente hemorragia intracraneal y fracturas de costillas mientras actualiza la lista de trabajo del radiólogo → Salida: Notificación de alta prioridad en la lista de trabajo y alerta móvil al equipo de trauma 📑.
• Gestión de Nódulos Incidentales: Entrada: TC abdominal rutinaria (DICOM) + Informe de Radiología (Texto) → Proceso: La IA identifica un nódulo pulmonar incidental; la lógica agentica verifica en el EHR órdenes de seguimiento e identifica una brecha en la atención → Salida: Mensaje automatizado al médico de atención primaria y al paciente a través de MyChart con una entrada ordenable en el panel de coordinación de cuidados 📑.

Directrices de Evaluación

Los evaluadores técnicos deben verificar las siguientes características arquitectónicas:

• Latencia de Orquestación: Evaluar el 'tiempo hasta notificación' de los modelos fundacionales de multitriage en comparación con algoritmos heredados de hallazgo único en entornos de alto rendimiento (throughput) 🧠.
• Integración Bidireccional FHIR: Verificar la estabilidad de la creación automática de tareas en el EHR cuando el sistema de seguimiento agentico identifica incumplimientos en las pautas de seguimiento 🌑.
• Gobernanza de Modelos Propios: Solicitar documentación técnica sobre los protocolos de monitorización y detección de desviaciones utilizados para modelos de terceros o basados en MONAI alojados en aiOS™ 🌑.