Realizar investigaciones y análisis clínicos sobre grandes cantidades de datos clínicos puede resultar complicado. Los epidemiólogos y científicos de datos sanitarios poseen una profunda experiencia en la atención al paciente, los patrones de enfermedades y los resultados clínicos, pero a menudo pasan semanas navegando por infraestructuras de datos complejas, escribiendo códigos repetitivos y luchando con barreras técnicas antes de poder responder una sola pregunta clínica. Esto ralentiza la investigación y retrasa las decisiones basadas en evidencia, lo que podría afectar la atención al paciente.
El 21 de noviembre de 2025, Amazon SageMaker presentó un agente de datos integrado en Amazon SageMaker Unified Studio que transforma el análisis de datos a gran escala. Amazon SageMaker Data Agent tiene una función sensible al contexto que ahorra tiempo al conectarse a datos clínicos en bases de datos clínicas, cohortes de pacientes y metadatos organizacionales, y desglosa de forma autónoma solicitudes analíticas complejas en planes estructurados y ejecutables. Por ejemplo, cuando se hace una pregunta clínica, “Comparar patrones de comorbilidad entre cohortes de pacientes diabéticos e hipertensos”, el agente de datos analiza el problema de manera sistemática. Crea un plan de análisis de varios pasos, identifica las tablas clínicas relevantes, determina los métodos estadísticos apropiados, genera código validado en el lenguaje óptimo (SQL, Python o PySpark) y ejecuta cada paso con puntos de control integrados para supervisión humana. SageMaker Data Agent está diseñado para respetar los controles de seguridad y las políticas de gobierno existentes del cliente, ayudando a respaldar los requisitos de cumplimiento del cliente al operar dentro del marco de datos organizacional del cliente.
En esta publicación, demostramos, a través de un estudio de caso detallado de un epidemiólogo que realiza un análisis de cohortes clínicas, cómo SageMaker Data Agent puede ayudar a reducir semanas de preparación de datos a días y días de desarrollo de análisis a horas, acelerando en última instancia el camino desde las preguntas clínicas hasta las conclusiones de la investigación.
Desafíos clave para acelerar el análisis de datos sanitarios
La investigación sanitaria en entornos de laboratorio, entornos clínicos, centros médicos académicos, instalaciones gubernamentales y comerciales produce enormes volúmenes de datos clínicos. Los desafíos clave incluyen:
Navegación por datos clínicos complejos: los catálogos de datos clínicos utilizan terminología médica especializada y sistemas de codificación que requieren experiencia en el dominio para navegar. Encontrar qué tablas contienen cohortes de pacientes relevantes y comprender cómo se asignan los códigos de condición en diferentes sistemas de clasificación crea un desafío de descubrimiento importante incluso antes de que comience el análisis. Preparación de los datos técnicos para el análisis: una vez localizados los datos, los analistas de atención médica dedican una cantidad significativa de tiempo a realizar un trabajo intensivo de codificación escribiendo scripts de Python o PySpark para extraer cohortes de pacientes, calcular métricas clínicas y realizar análisis estadísticos. Esta carga técnica es particularmente grave porque los investigadores clínicos suelen ser expertos en epidemiología o bioestadística y no en ingeniería de software.
Cómo SageMaker Data Agent acelera el análisis de atención médica
SageMaker Data Agent proporciona una interfaz basada en lenguaje natural para que los profesionales de la salud interactúen con datos clínicos. En lugar de simplemente generar fragmentos de código, funciona como un asistente de investigación inteligente que trabaja para comprender su entorno de datos específico y sus objetivos clínicos. Aborda directamente los desafíos clave antes mencionados:
Navegación por datos clínicos complejos: SageMaker Data Agent está integrado con AWS Glue Data Catalog para mapear todo su panorama de datos de atención médica. El agente comprende sus tablas clínicas reales (demografía de pacientes, diagnósticos, encuentros, condiciones, medicamentos, vacunas, procedimientos) por sus nombres y relaciones reales, no por marcadores de posición genéricos. Reconoce las relaciones temporales entre encuentros, comprende cómo se estructuran los códigos de diagnóstico y navega por las complejas jerarquías de datos clínicos sin necesidad de memorizar esquemas de bases de datos. Preparación de datos técnicos para el análisis: el agente transforma las preguntas clínicas en lenguaje natural en código analítico listo para producción, lo que reduce las horas de desarrollo del código. Genera código optimizado en SQL para una extracción eficiente de cohortes de pacientes, Python para análisis estadístico y PySpark para procesamiento de datos a gran escala, y ayuda a los investigadores clínicos a utilizar la herramienta adecuada sin necesidad de experiencia en cada idioma. También crea un plan de análisis estructurado de varios pasos que refleja cómo los investigadores clínicos experimentados abordan los problemas: definición de cohorte, luego características de referencia, luego comparación estadística y, por último, visualización. Cada paso incluye puntos de validación para que el usuario revise el proceso del agente de datos, lo que ayudará con la validez clínica, el manejo adecuado de los datos faltantes y el uso de métodos estadísticamente apropiados. Este enfoque de agente le permite dedicar su tiempo de la preparación técnica a la interpretación clínica.
Descripción general de la solución
En esta publicación, exploramos a través de un ejemplo ficticio cómo SageMaker Data Agent puede ayudar en la investigación y el análisis clínicos. En este caso de uso, un epidemiólogo de un centro médico académico realiza un análisis detallado de afecciones clínicas como sinusitis, diabetes e hipertensión mediante comparación de cohortes y análisis de supervivencia. Su flujo de trabajo tradicional implica navegar por múltiples sistemas desconectados para localizar conjuntos de datos, esperar aprobaciones de acceso, comprender esquemas de datos complejos y escribir código Python y PySpark extenso, un proceso de varias semanas en el que la mayor parte de su tiempo se dedica a la preparación de datos en lugar del análisis clínico real. Este cuello de botella los limita a solo 2 o 3 estudios completos por trimestre, lo que retrasa directamente los conocimientos analíticos.
Con SageMaker Data Agent con tecnología de IA, puede ver sus conjuntos de datos accesibles al iniciar sesión, validar la calidad de los datos con vistas previas rápidas y utilizarlos para realizar análisis a través de indicaciones en lenguaje natural, lo que reduce el esfuerzo de codificación manual. SageMaker Data Agent está diseñado para acelerar su capacidad de investigación, lo que puede ayudar a identificar antes los patrones de tratamiento. Al trasladar la mayor parte de su tiempo de la preparación de datos al análisis real, SageMaker Data Agent lo ayuda a entregar los resultados de la investigación de manera más eficiente y, al mismo tiempo, reduce los costos de infraestructura. SageMaker Data Agent tiene dos modos de interacción para ayudarlo en su análisis:
Panel de agentes para análisis clínicos integrales: ideal para proyectos de investigación de principio a fin. Este modo divide las preguntas complejas sobre atención médica en pasos analíticos estructurados con puntos de revisión intermedios, manteniendo la supervisión humana durante todo el proceso. Asistencia en línea para tareas específicas: ideal para investigadores experimentados que desean ayuda específica con desafíos de codificación específicos, corrección de errores o mejoras de código mientras mantienen el control práctico de su flujo de trabajo.
En ambos modos, SageMaker Data Agent opera de forma segura dentro de su entorno de AWS, respetando las políticas de AWS Identity and Access Management (IAM) y los límites de los datos organizacionales, lo que lo ayuda a mantener sus controles de seguridad mientras acelera los análisis clínicos.
En las siguientes secciones, explicamos el proceso para utilizar SageMaker Data Agent.
Requisitos previos
Elegimos Synthea como herramienta para generar datos sintéticos de pacientes en formato CSV, que consisten en datos sobre pacientes, condiciones, vacunas, alergias, encuentros y procedimientos. Synthea es un generador de pacientes sintéticos de código abierto (distribuido y utilizado bajo la licencia Apache 2.0) que modela el historial médico de pacientes sintéticos. En esta publicación no se utilizan datos humanos reales.
Como parte de la configuración de SageMaker, abra la consola de SageMaker y elija Comenzar para crear un dominio basado en IAM y un proyecto llamado ClinicalDataProject. Para obtener instrucciones para configurar un dominio basado en IAM y crear un proyecto, consulte Dominios y proyectos basados en IAM.
Vista previa de datos clínicos usando SQL
Para obtener una vista previa de los datos utilizando SQL, complete los siguientes pasos:
En la consola de SageMaker, elija Abrir y luego elija el proyecto que creó (ClinicalDataProject).
Serás redirigido a la página de descripción general de SageMaker Unified Studio.
Elija Datos en el panel de navegación. Expanda AWSDataCatalog para ver los datos precargados y catalogados a los que tiene acceso en su cuenta.
Para este caso de uso, cree cada una de las tablas (pacientes, afecciones, vacunas, alergias, encuentros y procedimientos) en sagemaker_sample_db usando los archivos CSV que generó anteriormente al elegir Crear tabla como se muestra a continuación.
Antes de realizar el análisis clínico complejo, ejecutemos una consulta básica en la tabla de condiciones.
Elija la tabla de condiciones y elija Vista previa de datos en el menú de opciones. Realice una operación SQL, por ejemplo:
seleccione * de "AwsDataCatalog". "sagemaker_sample_db". "condiciones" límite 10
Crear cuaderno
Para realizar un análisis detallado, debe crear un cuaderno. Complete los siguientes pasos:
Elija Cuadernos en el panel de navegación. Elija Crear cuaderno.
Interactuar con datos
Después de crear el cuaderno, puede interactuar con los datos de dos maneras:
Codifique directamente dentro de las celdas del cuaderno mediante la interfaz de solicitud en línea. Por ejemplo, ingrese "Código para buscar registros de pacientes en la tabla de condiciones que padecen sinusitis", elija Generar código y ejecute la celda para mostrar los resultados. Utilice el panel Data Agent, que admite tareas analíticas integrales dividiéndolas en pasos estructurados, cada uno con código generado que se basa en resultados anteriores.
En las siguientes secciones, proporcionamos ejemplos del uso del panel Agente de datos.
Utilice SageMaker Data Agent para un análisis detallado de datos clínicos
En el panel del Agente de datos, ingresamos la consulta "Encontrar las 20 condiciones principales y realizar un análisis detallado de los pacientes con vacunas que padecen esas condiciones" y generamos el código.
SageMaker Data Agent verifica el estado actual del cuaderno para comprender con qué datos estamos trabajando. Identifica las tablas de condiciones, vacunas y pacientes en la base de datos sagemaker_sample_db. Prepara un plan integral y los enumera para que usted los revise. Puede revisar el plan, realizar los cambios necesarios si es necesario y luego elegir Ejecutar paso a paso.
SageMaker Data Agent escribe el código en las celdas del cuaderno. Puede revisar el código, luego elegir Aceptar y ejecutar.
Es posible que algunos pasos no se ejecuten. En este escenario, puede elegir Reparar con IA para continuar.
Cuando se completa la consulta, se muestran los resultados, como se muestra en la siguiente captura de pantalla.
Puede ver el gráfico de barras creado por SageMaker Data Agent en el cuaderno titulado Análisis demográfico de pacientes inmunizados con las 20 afecciones principales, como se muestra en la siguiente captura de pantalla.
La siguiente captura de pantalla muestra el gráfico Análisis de prevalencia de afecciones de pacientes inmunizados con las 20 afecciones principales.
La siguiente captura de pantalla muestra el gráfico Análisis temporal del inicio de la condición.
Al final del cuaderno se presenta un panel completo.
Utilice SageMaker Data Agent para comparar cohortes y analizar supervivencia
La sinusitis viral se muestra como la principal condición para los pacientes. Para realizar una comparación de cohortes y un análisis de supervivencia, ingresamos la siguiente consulta en el panel del Agente de datos: "Crear dos cohortes 1/ Cohorte para pacientes masculinos que padecen sinusitis viral 2/ Cohorte para pacientes femeninas que padecen sinusitis viral. Ejecute una comparación de cohortes detallada y un análisis de supervivencia".
SageMaker Data Agent prepara un plan integral para la creación de cohortes, el análisis de comparación de cohortes y el análisis de supervivencia. Puedes revisar el plan y luego elegir Ejecutar paso a paso.
La siguiente captura de pantalla muestra el gráfico Comparación de datos demográficos de cohortes: pacientes masculinos y femeninos con sinusitis viral.
La siguiente captura de pantalla muestra las curvas de supervivencia de Kaplan-Meier y las curvas de eventos acumulativos.
Recursos de limpieza
Para eliminar los recursos de AWS creados durante este tutorial, complete los siguientes pasos. Primero, elimine el proyecto de SageMaker Unified Studio navegando a la consola de Amazon SageMaker Unified Studio, seleccionando su proyecto de la lista de proyectos, eligiendo Eliminar y confirmando la eliminación. Esto eliminará todos los cuadernos, conexiones de datos y recursos del proyecto asociados. En segundo lugar, elimine los recursos del catálogo de datos de AWS Glue abriendo la consola de AWS Glue, navegando a Bases de datos y eliminando la base de datos de muestra que se creó para este tutorial. En tercer lugar, elimine los depósitos y los datos de S3 abriendo la consola de Amazon S3, localizando el depósito de S3 donde se almacenan los datos de atención médica, vaciando el contenido del depósito y eliminando el depósito.
Conclusión
En esta publicación, demostramos cómo SageMaker Data Agent aumenta la velocidad del trabajo de análisis de datos, ayudándole a extraer información valiosa sobre los datos. SageMaker Data Agent ayuda a reducir el tiempo dedicado a la gestión de datos, para que pueda dedicar más tiempo a identificar patrones de tratamiento y brindar recomendaciones basadas en evidencia. Al simplificar el acceso a análisis de datos complejos a través de interacciones de lenguaje natural, SageMaker Data Agent puede ayudarlo a aumentar su capacidad de investigación y al mismo tiempo reducir los costos de infraestructura. Los análisis se documentan en cuadernos reproducibles que pueden ser validados y auditados por las partes interesadas clínicas, lo que respalda la transparencia y al mismo tiempo acelera el camino desde los datos hasta el análisis impactante.
Sobre los autores
Siddharth dirige la IA generativa dentro de las experiencias unificadas de SageMaker. Su atención se centra en impulsar experiencias de agencia, donde los sistemas de inteligencia artificial actúan de forma autónoma en nombre de los usuarios para realizar tareas complejas. Ex alumno de la Universidad de Illinois en Urbana-Champaign, aporta una amplia experiencia gracias a sus funciones en Yahoo, Glassdoor y Twitch.
Navneet Srivastava es especialista principal y líder de estrategia de análisis, y desarrolla planes estratégicos para construir una estrategia analítica de extremo a extremo para grandes organizaciones biofarmacéuticas, sanitarias y de ciencias biológicas. Su experiencia abarca análisis de datos, gobernanza de datos, inteligencia artificial, aprendizaje automático, big data y tecnologías relacionadas con la atención médica.
Subrat Das es arquitecto principal de soluciones y forma parte de la división de la industria de ciencias biológicas y atención médica global de AWS. Le apasiona modernizar y diseñar cargas de trabajo complejas de clientes. Cuando no está trabajando en soluciones tecnológicas, disfruta de largas caminatas y viajar alrededor del mundo.
Ishneet Kaur es gerente de desarrollo de software en el equipo de Amazon SageMaker Unified Studio. Dirige el equipo de ingeniería para diseñar y crear capacidades de IA generativa en SageMaker Unified Studio.
Mohan Gandhi es ingeniero de software principal en AWS. Ha estado en AWS durante los últimos 10 años y ha trabajado en varios servicios de AWS como Amazon EMR, Amazon EFA y Amazon RDS. Actualmente, se centra en mejorar la experiencia de inferencia de Amazon SageMaker. En su tiempo libre le gusta el senderismo y los maratones.
Vikramank Singh es científico aplicado senior en la organización Agentic AI en AWS y trabaja en productos que incluyen Amazon SageMaker Unified Studio, Amazon RDS y Amazon Redshift. Su interés de investigación radica en la intersección de la IA, los sistemas de control y la RL, particularmente usándolos para construir sistemas para aplicaciones del mundo real que puedan percibir entornos de forma autónoma, modelarlos y tomar decisiones óptimas a escala.
Shubham Mehta es gerente senior de productos en AWS Analytics. Dirige el desarrollo de funciones de IA generativa en servicios como AWS Glue, Amazon EMR y Amazon MWAA, utilizando IA/ML para simplificar y mejorar la experiencia de los profesionales de datos que crean aplicaciones de datos en AWS.
Amit Sinha es un gerente senior que lidera las suites de productos GenAI y ML de SageMaker Unified Studio. Tiene más de una década de experiencia en productos de IA/ML, gestión de infraestructura y servicios de procesamiento de Big Data de AWS. Amit, ex alumno de la Universidad de Columbia, en su tiempo libre le gusta hacer caminatas y ver documentales sobre la historia de Estados Unidos.