Todos los días, las enfermeras y los equipos de atención toman decisiones críticas basadas en documentación clínica que a menudo está fragmentada, es inconsistente y propensa a errores. Los registros incompletos o inexactos aumentan la carga cognitiva, introducen riesgos clínicos y crean desafíos de cumplimiento en un entorno que ya es exigente. La documentación médica debe servir tanto para los resultados de los pacientes como para los estándares regulatorios, pero con demasiada frecuencia se queda corta en ambos frentes.
La misión de Guardoc Health es desbloquear todo el valor de los datos médicos facilitando documentación clínica precisa, completa y alineada con el cumplimiento, empoderando a las enfermeras y a los equipos de atención para brindar una atención más segura y de mayor calidad. En esta publicación, exploramos cómo Guardoc Health utiliza la familia de modelos Amazon Nova, disponible a través de Amazon Bedrock, para transformar la documentación clínica en la atención a largo plazo.
Con los modelos de Amazon Nova, Guardoc Health ayuda a los centros de enfermería especializada y centros de vida asistida a extraer, clasificar y actuar sobre documentos complejos de forma más rápida y precisa que la revisión manual. Este enfoque ayuda a las organizaciones de atención médica a reducir los cientos de millones de dólares gastados anualmente en el procesamiento manual de documentos en los Estados Unidos. Guardoc informa una reducción del 46 por ciento en errores de documentación, un 70 por ciento menos de multas de auditoría y más de $400 mil en retorno de la inversión (ROI) anual para una sola instalación.
Los documentos médicos no siguen reglas
Los registros médicos llegan en todos los formatos imaginables. En un solo día, una organización sanitaria podría tramitar:
Archivos PDF de varias páginas con anotaciones médicas escritas a mano junto con texto impreso. Formularios de autorización previa donde los estados de las casillas de verificación determinan las decisiones de cobertura. Un formulario de autorización previa es un documento que el médico o farmacéutico completa para que un plan de seguro médico pueda aprobar ciertos servicios, procedimientos o medicamentos médicos. Listas de medicamentos integradas en tablas, texto libre o imágenes escaneadas. Formularios de admisión de pacientes que combinan campos mecanografiados, escritura a mano y sellos de goma.
Según una investigación publicada en BMJ Quality and Safety 1, los errores de diagnóstico afectan aproximadamente a 12 millones de adultos estadounidenses cada año en atención ambulatoria, y las fallas en el manejo de la información se identifican como un factor contribuyente. Guardoc Health fue creado para abordar esta variable. Para Guardoc Health, el desafío es la escala combinada con la precisión. En los días pico, procesan más de 1 millón de documentos. En ese volumen, incluso una tasa de error del 1 por ciento en la detección de condiciones genera miles de registros incorrectos diariamente, cada uno de los cuales representa un riesgo potencial para la seguridad del paciente o una responsabilidad de cumplimiento.
Lograr esto requirió resolver tres de los desafíos más difíciles en el procesamiento de documentos clínicos: detectar condiciones médicas especiales a partir de registros de pacientes con un alto nivel de recuperación, interpretar de manera confiable las casillas de verificación de PDF en docenas de tipos de formularios y extraer con precisión información de documentos que combinan formatos en una sola página.
La solución: modelos de Amazon Nova en Amazon Bedrock
Guardoc Health construyó su cartera sobre la familia de modelos Amazon Nova y Amazon Bedrock, combinando varios servicios de AWS para manejar cada etapa del procesamiento de documentos. Las siguientes secciones describen cómo funciona cada parte.
Clasificación de condiciones médicas con RAG
Guardoc Health utiliza la recuperación de generación aumentada (RAG) para identificar afecciones médicas a partir de los registros de los pacientes. RAG es una técnica en la que un modelo primero recupera información relevante de una fuente externa y luego utiliza ese contexto para generar una respuesta más precisa. En este proceso, Guardoc recupera evidencia directamente de la documentación del propio paciente y la razona para producir una clasificación final.
Figura 1: Canalización de generación aumentada por recuperación de Guardoc
Como se muestra en el diagrama anterior, la tubería se ejecuta en el siguiente orden:
Los documentos entrantes de los pacientes pasan a través de Amazon Textract, que extrae texto y metadatos estructurales de cada página. Esta es la primera etapa del proceso para una extracción integral a un bajo costo por página. Amazon Textract es un servicio de aprendizaje automático (ML) de AWS que extrae automáticamente texto, escritura a mano, formularios, tablas e información de diseño de documentos escaneados y archivos PDF. Va más allá del reconocimiento óptico de caracteres (OCR) básico al identificar la estructura, por lo que el resultado se puede utilizar en aplicaciones posteriores y flujos de trabajo de documentos. El contenido extraído se divide a lo largo de límites apropiados para el tipo de documento, por lo que los fragmentos corresponden a unidades clínicas significativas en lugar de rangos de bytes arbitrarios. Los fragmentos son segmentos más pequeños del documento alineados con límites clínicos significativos, como una lista de medicamentos, una sección de diagnóstico o una nota médica, en lugar de dividirlos arbitrariamente por número de caracteres o tamaño de bytes. Esto garantiza que cuando el proceso busque información relevante, recupere unidades clínicas completas y coherentes en lugar de fragmentos que carecen del contexto necesario para una clasificación precisa. Cada fragmento se incrusta mediante Amazon Titan Text Embeddings V2 y se almacena en Amazon DynamoDB, dividido por paciente para que la recuperación no traspase los límites del paciente. Antes de que comience la recuperación, un prefiltro personalizado reduce el conjunto de candidatos evaluando el tipo de documento, la actualidad y las señales del contexto del paciente. Este paso elimina los documentos irrelevantes en las primeras etapas del proceso, lo que reduce el volumen de contenido que se debe buscar y reduce el costo general de recuperación. Dentro del conjunto prefiltrado, una búsqueda de k vecinos más cercanos (k-NN) en memoria recupera los fragmentos más relevantes para la consulta de clasificación de condiciones. k-NN es una técnica que identifica los elementos más similares midiendo la distancia entre representaciones vectoriales, devolviendo las coincidencias más cercanas a la consulta. Debido a que la recuperación tiene un alcance por paciente, el sistema escala horizontalmente con el volumen del paciente sin depender de un índice vectorial compartido. Esta etapa devuelve solo referencias de páginas, lo que mantiene la transferencia de datos ligera antes del paso multimodal más intensivo que sigue. Las páginas identificadas en el paso anterior pasan por Amazon Nova 2 Lite, un modelo liviano y rentable que realiza una revisión basada en texto para eliminar no coincidencias obvias antes de que la canalización avance al paso multimodal más intensivo desde el punto de vista computacional. Amazon Nova 2 Lite es un modelo básico multimodal (FM) de bajo costo de la familia Amazon Nova, diseñado para un procesamiento rápido y asequible de entradas de texto, imágenes y video. Las páginas que sobreviven a todas las etapas anteriores llegan a Amazon Nova Pro junto con los bytes del PDF sin formato. El modelo Nova analiza el diseño, la escritura a mano, las firmas, los sellos y otros contextos visuales para producir la clasificación final, y cada salida se resuelve en la página de origen específica de la que provino.
El oleoducto sigue un principio deliberado de estratificación de costos. Cada etapa utiliza el componente menos costoso capaz de realizar el trabajo. Amazon Titan Text Embeddings y Amazon Nova 2 Lite manejan tareas livianas y de gran volumen, como incrustación, indexación y filtrado aproximado, mientras que Amazon Nova Pro está reservado para la etapa final donde se requiere razonamiento multimodal sobre bytes de PDF sin formato.
Cada clasificación producida por el canal se remonta a una página fuente específica en el documento original. En un entorno clínico, donde las decisiones tienen implicaciones directas para la seguridad del paciente, Guardoc Health trata este nivel de trazabilidad como no negociable.
Guardoc opera múltiples canales de procesamiento de documentos, cada uno de ellos diseñado específicamente para abordar un desafío clínico específico en la extracción, clasificación y búsqueda, como se describe en las siguientes secciones.
Procesamiento de PDF con la familia de modelos Amazon Nova
La mayoría de los documentos médicos existen de forma nativa como archivos PDF, ya sean escaneados, fotografiados o digitales, y procesarlos con precisión requiere un modelo que lea las páginas visualmente en lugar de texto sin formato. Durante la evaluación, Amazon Nova Pro demostró una mejora significativa en el manejo de PDF multimodal, incluida la interpretación del diseño, la estructura del formulario, los estados de las casillas de verificación, las firmas, las anotaciones escritas a mano y las relaciones espaciales entre los campos de una página.
Esta mejora es lo que hace que Amazon Nova Pro sea viable como el componente multimodal central en el proceso de Guardoc. La clasificación de condiciones, la interpretación de la escritura a mano y la extracción de medicamentos dependen de la lectura de las páginas tal como existen, con anotaciones, correcciones y señales de diseño intactas. La capacidad es consistente en todos los tipos de documentos, incluidas casillas de verificación, escritura a mano, listas de medicamentos de varias columnas, certificaciones estampadas y ediciones tachadas, todos leídos como documentos visuales en lugar de flujos de texto, y eso es lo que hace posible el resto de la pila multimodal.
Reconocimiento de escritura a mano
Los documentos médicos del mundo real incluyen escritura a mano. Las notas del médico, las firmas de los pacientes, los campos de anotaciones y las enmiendas a los formularios impresos llegan a mano alzada. La familia de modelos Amazon Nova los maneja con precisión, incluido el texto en cursiva, la taquigrafía clínica y las páginas mixtas impresas y manuscritas.
Para Guardoc Health, esta capacidad es más crítica en dos tipos de documentos. El primero son los campos de certificación del médico en los formularios de autorización previa, donde una nota escrita a mano puede anular una casilla de verificación impresa. La segunda son las secciones de síntomas informados por el paciente, donde la escritura a mano a menudo contiene información que no se captura en ninguna otra parte del registro. La falta de este texto fue una fuente importante de pérdida de información en versiones anteriores de Guardoc Health.
Los datos sobre la medicación se encuentran entre el contenido más importante del registro de un paciente. Los nombres, dosis, rutas y frecuencias de los medicamentos influyen directamente en la toma de decisiones clínicas, y equivocarse en cualquiera de ellos tiene implicaciones para la seguridad del paciente. La conciliación de medicamentos, la autorización previa y las decisiones de cobertura dependen de la extracción precisa de esta información de documentos que rara vez la presentan de manera clara.
El desafío es la variedad. Los medicamentos aparecen en tablas estructuradas, en prosa no estructurada dentro de notas médicas, en adiciones escritas a mano a listas impresas y en páginas escaneadas que han sido enviadas por fax o fotografiadas por varias manos. Un único historial de paciente puede contener todos estos formatos en diferentes páginas.
Guardoc Health ejecuta una canalización híbrida que combina Amazon Textract con la familia de modelos Amazon Nova:
Amazon Textract realiza OCR y produce resultados estructurados con cuadros delimitadores, estructuras de tablas y reconocimiento de campos de formulario. Para tablas limpias y listas de medicamentos impresas, Amazon Textract es rápido, rentable y preciso. Amazon Nova Pro recibe tanto el PDF original como el resultado de Amazon Textract, que incluye texto legible por máquina junto con el diseño visual de la página de origen. Los modelos de Amazon Nova complementan Amazon Textract al resolver escenarios de extracción complejos que incluyen medicamentos divididos en columnas de tablas envueltas, adiciones escritas a mano a listas impresas, formatos de tablas no estándar y menciones en línea enterradas en notas médicas.
En el proceso, cada componente maneja lo que mejor sabe hacer. Amazon Textract procesa extracción estructurada de gran volumen, mientras que la familia de modelos Amazon Nova aplica razonamiento multimodal para manejar los casos más complejos. El resultado son datos de medicación sobre los que los flujos de trabajo clínicos posteriores pueden actuar directamente, sin necesidad de conciliación manual.
Impacto empresarial
Los errores de documentación conllevan consecuencias tanto clínicas como financieras. La documentación omitida o inexacta puede dar lugar a reclamaciones denegadas, multas de auditoría, pérdida de reembolsos según el Modelo de pago impulsado por el paciente (PDPM), un sistema de pago de Medicare para centros de enfermería especializada donde el reembolso está directamente vinculado a la precisión de la documentación clínica, y una mayor exposición a litigios.
Los resultados de las implementaciones de Guardoc reflejan este impacto. En una implementación trimestral en dos instalaciones que atendieron a 200 pacientes, Guardoc impulsó 847 correcciones de documentación, abordó 86 problemas de impacto del PDPM y se asoció con una reducción del 74 por ciento en las transferencias hospitalarias por cada 100 admisiones. Esta última cifra es particularmente significativa, ya que los traslados hospitalarios representan uno de los eventos más costosos y desestabilizadores en la atención a largo plazo, tanto para los pacientes como para el funcionamiento de las instalaciones.
En un estudio de caso más amplio que abarcó siete instalaciones y 1,618 residentes atendidos, Guardoc identificó 10,612 problemas y mejoró la visibilidad de los patrones de riesgo a nivel de las instalaciones. Esta escala de detección de problemas es importante porque los problemas de documentación en los cuidados a largo plazo rara vez surgen hasta que desencadenan una reclamación denegada o una auditoría regulatoria, lo que hace que la identificación proactiva sea una ventaja operativa significativa. Un análisis trimestral separado informó una reducción promedio del 46 por ciento en los errores de documentación, con resultados que incluyen más de $400 mil en retorno de la inversión anual para una sola instalación, una reducción del 70 por ciento en las multas de auditoría y una reducción del 65 por ciento en la exposición a litigios, lo que demuestra que las mejoras en la precisión de la documentación se traducen directamente en resultados financieros y de cumplimiento mensurables para las instalaciones.
La documentación clínica en cuidados a largo plazo es un problema de alto riesgo que históricamente se ha resistido a la automatización. Los documentos son desordenados, los formatos varían ampliamente y las consecuencias de los errores se extienden desde la seguridad del paciente hasta el cumplimiento normativo y el desempeño financiero. Guardoc demuestra que una canalización bien diseñada, basada en la combinación adecuada de servicios de AWS, puede abordar este problema a escala. Al combinar Amazon Textract, Amazon Titan Text Embeddings V2, Amazon DynamoDB y la familia de modelos Amazon Nova disponibles a través de Amazon Bedrock, Guardoc ofrece procesamiento de documentos preciso, rastreable y rentable en algunos de los tipos de documentos más complejos del sector sanitario.
"Con la familia Nova, estamos facilitando que las organizaciones de atención médica detecten antes los casos de alto riesgo y actúen antes de que los problemas se vuelvan costosos. Al automatizar los flujos de trabajo que antes requerían supervisión manual, la familia Nova ayuda a los equipos a reducir las brechas de cumplimiento, prevenir errores y centrar más de su tiempo en mejorar los resultados de los pacientes".
— Assaf Amiaz, Director de Producto, Guardoc Health
Los resultados en todas las instalaciones y poblaciones de pacientes muestran que una mejor documentación no es solo una mejora operativa. Es un paso significativo hacia una atención más segura y de mayor calidad.
¿Qué sigue para Guardoc Health con la familia de modelos Amazon Nova?
La hoja de ruta de Guardoc se expande más allá del cumplimiento y abarca un flujo de trabajo clínico más amplio. Los módulos planificados incluyen AI NoteAssist, MDSAssist, CarePlanAssist, AdmissionAssist y Pharmacy Reconciliation, diseñados para ayudar a los equipos a documentar con precisión, reducir la carga de trabajo manual y avanzar de manera eficiente a través del flujo de trabajo clínico completo dentro del sistema de registros médicos electrónicos (EHR).
Las ventanas de contexto ampliadas en la familia de modelos Amazon Nova 2 hacen que el razonamiento de múltiples documentos sea más manejable, lo que permite que el proceso razone sobre volúmenes más grandes de contenido clínico en una sola pasada. Las mejoras continuas en las capacidades multimodales están reduciendo constantemente los casos extremos, como escaneos degradados, páginas de formatos mixtos y diseños no estándar, que actualmente requieren revisión humana. La dirección del sistema subyacente se alinea estrechamente con las demandas del problema que Guardoc Health está resolviendo.
Conclusión
El procesamiento de documentos médicos es una de las aplicaciones de IA de mayor importancia en las empresas. La diversidad de documentos es extrema, el margen de error es estrecho y las consecuencias del fracaso son reales, medidas en atención retrasada, riesgo de cumplimiento y costos innecesarios.
Para las organizaciones de atención médica que evalúan la IA para el procesamiento de documentos clínicos, la guía práctica es sencilla: comparar los tipos de documentos reales, medir la recuperación y la precisión por separado y establecer umbrales de confianza que reflejen el costo real de cada tipo de error. La familia de modelos Amazon Nova y Amazon Bedrock brindan la infraestructura y la flexibilidad para construir tuberías que se mantengan en producción, no solo en demostraciones. El trabajo consiste en calibrar esa infraestructura para las demandas específicas de sus flujos de trabajo, sus tipos de documentos y los pacientes cuyos registros dependen de hacerlo bien.
Acerca de Guardoc
Guardoc Health es una empresa de sistemas operativos clínicos impulsados por inteligencia artificial que ayuda a los equipos de atención a largo plazo en centros de enfermería especializada (SNF) y centros de vida asistida (ALF) a mejorar la documentación y reducir el riesgo. Sitio web: www.guardoc.health | Contacto: info@guardoc.health
Acerca de AmazonNova
Amazon Nova es una familia de modelos de base de Amazon, disponibles a través de Amazon Bedrock. Los modelos Nova admiten entradas de texto, imágenes y documentos, con capacidades optimizadas para cargas de trabajo empresariales, incluido el procesamiento de documentos, la extracción de información y el razonamiento multimodal. Nova Pro ofrece un rendimiento líder en tareas de documentos complejas, incluido el procesamiento de PDF, el reconocimiento de escritura a mano y la extracción de datos estructurados. Comience con Amazon Bedrock.
Sobre los autores
Wrick Talukdar
Wrick es líder tecnológico y especialista sénior en IA generativa en Amazon Web Services y impulsa la innovación a través de IA multimodal, modelos generativos, visión por computadora y procesamiento del lenguaje natural. También es el autor galardonado del libro más vendido "Building Agentic AI Systems". Es un orador principal y, a menudo, presenta sus innovaciones y soluciones en foros globales líderes, incluidos AWS re:Invent, ICCE, la conferencia Global Consumer Technology y eventos importantes de la industria como CERAWeek y ADIPEC. En su tiempo libre le gusta escribir y fotografiar aves.
Erez Weinstein
Erez es arquitecto de soluciones en AWS en el equipo de startups de Israel, donde trabaja con startups que crean productos de ciberseguridad e inteligencia artificial. Se especializa en arquitecturas de agentes, evaluación y seguridad en sistemas de agentes en AWS. Ha contribuido con una implementación de AgentCore a AWS Labs y participa regularmente en eventos comunitarios y seminarios web, donde habla sobre seguridad en la era agente. Erez aporta años de experiencia en la industria de software e ingeniería SRE, incluido el liderazgo de equipos.
Nir Shtein
Nir es vicepresidente de I+D en Guardoc Health, donde dirige la organización de ingeniería y la ejecución de tecnología de la empresa. Se centra en crear sistemas de nube e inteligencia artificial escalables para operaciones de atención médica, poner en producción flujos de trabajo basados en LLM y ayudar a los equipos a ofrecer productos confiables rápidamente. Nir también es orador público y autor de Microservicios con Go.
Anatol Zakrividoroga
Anatol es líder tecnológico e ingeniero de personal en Guardoc Health, donde dirige la ingeniería en toda la empresa y diseña los sistemas de inteligencia artificial y la infraestructura que impulsan la plataforma. Trabaja en la intersección de la IA aplicada y los sistemas a gran escala: diseña procesos de producción impulsados por LLM, construye sobre DynamoDB y primitivos modernos de la nube, y contribuye activamente al código abierto. Anatol también es un orador público al que le gusta compartir lecciones aprendidas con tanto esfuerzo sobre inteligencia artificial, bases de datos y arquitecturas modernas.