ZEKLAR
IT/EN/ES
← TrabajosPROJ-13 / QUANTUM
FHIR R4 · D3.js · MedTech

Quantum

Datos clínicos críticos, por fin legibles

// EL CONTEXTO

Quantum convierte la fragmentación de las historias clínicas en una única línea de tiempo longitudinal inteligente, legible de un vistazo incluso tras doce horas de turno.

Línea temporal del paciente · ventana 90d · zoom semántico
Análisis
Fármaco
Alerta

Año

2023

Cliente

Red hospitalaria regional (confidencial)

Rol

Diseño e ingeniería de producto, end-to-end

Duración

9 meses

Equipo

5 ingenieros, 1 product designer, 1 consultor clínico

Categoría

MedTech · Visualización clínica

01 / // El contexto

En cuidados intensivos y medicina interna, los médicos navegan cada día entre Epic, Cerner y planillas de Excel para reconstruir la historia de un paciente. Esa dispersión cuesta tiempo, introduce errores de omisión y oculta tendencias lentas pero peligrosas: un deterioro renal, una interacción farmacogenética. Los estándares FHIR ya existían, pero nadie los había aprovechado para una vista unificada y no invasiva.

02 / // El desafío

El desafío no era leer los datos FHIR, sino hacerlo de forma fiable sobre dos EHR con perfiles de conformidad divergentes, sin escribir nunca en los sistemas de origen. Una UI de alto contraste, conforme a las guías clínicas y de alta densidad informativa, requirió decenas de iteraciones con médicos en la sala. El agente de AI debía detectar anomalías reales sin generar alert fatigue.

03 / // La solución

Zeklar construyó una capa de normalización FHIR en Python que reconcilia Epic R4 y Cerner STU3 en un modelo canónico, con la procedencia rastreada a nivel de recurso. La línea de tiempo se renderiza en D3.js con zoom semántico: cuanto más se acerca, más detalle emerge. El agente de AI opera en segundo plano sobre una ventana móvil de 90 días, combinando reglas clínicas codificadas (CDS Hooks) con un modelo para la detección de patrones anómalos de baja frecuencia. La UI usa una paleta oscura calibrada a 6500K para reducir la fatiga bajo las luces hospitalarias.

// Resultados

Impacto clínico, medido

n=7 sedes · 2023

−64%

Tiempo de búsqueda de paciente

91%

Precisión de las alertas

78%

Adopción a 30 días

7

Sitios conectados

−41%

Fatiga visual

340+

Interacciones detectadas

// Qué lo hizo especial

01

Integración FHIR no invasiva

Conexión de solo lectura a Epic y Cerner sin modificar workflows ni contratos, desplegada en menos de dos semanas por sitio.

02

Línea de tiempo longitudinal D3

Una vista con zoom semántico ubica medicamentos, laboratorios, diagnósticos y notas sobre un único eje temporal, con filtros por especialidad.

03

Agente de AI para las anomalías

Un agente en segundo plano analiza 90 días de historia, señalando solo anomalías de alta especificidad para minimizar las alertas innecesarias.

04

UI para turnos de 12 horas

Paleta oscura a 6500K, tipografía de alto contraste y layout con densidad optimizada, validados mediante mediciones de fatiga.

// El proceso

01

Descubrimiento clínico

Seis semanas de shadowing en las salas para mapear los workflows reales, los sistemas involucrados y los momentos de fricción más costosos.

02

Arquitectura de datos

Capa de normalización FHIR, modelo canónico interno y pipeline de ingesta con un audit trail inmutable.

03

Prototipado y pruebas

Iteraciones quincenales con médicos sobre prototipos de alta fidelidad, con A/B tests sobre densidad y legibilidad nocturna.

04

Despliegue y monitoreo

Despliegue por sala con onboarding de 45 minutos y 8 semanas de monitoreo activo y tuning del agente de AI.

No esperaba que una herramienta de visualización pudiera cambiar la forma en que razono sobre un paciente. Quantum no me da más información. Me la da en el momento justo, en la forma justa.

Dra. M. Ferrante, Directora de Medicina Interna, Hospital Regional Norte (nombre modificado)

// El impacto

Quantum rediseñó la relación entre los clínicos y los datos: ya no una búsqueda dispersa, sino una lectura inmediata y contextualizada. En seis meses, tres interacciones farmacogenéticas no detectadas por los EHR existentes fueron interceptadas por el agente de AI antes de evolucionar hacia eventos adversos.

SIGUIENTENEXUS

¿Tienes un desafío imposible? ¡Contáctanos!

Hablemos
1.008 MW · MANTARO
Hablemos