Hacia una atención médica conectada: Integración de sistemas para facilitar el diagnóstico médico

Abstract

[ES] La situación actual de la atención médica enfrenta desafíos significativos en cuanto a la eficiencia y precisión del diagnóstico. La falta de integración entre los sistemas de información médica puede llevar a retrasos en el tratamiento y errores diagnósticos, subrayando así la necesidad crítica de desarrollar soluciones innovadoras que mejoren la experiencia tanto para los pacientes como para los profesionales de la salud.

El problema principal radica en la desconexión entre los datos médicos dispersos y la necesidad de obtener diagnósticos rápidos y precisos. Los pacientes a menudo experimentan demoras en la atención debido a la falta de acceso oportuno a su historial médico completo, mientras que los médicos pueden enfrentar dificultades para obtener información actualizada y relevante sobre los síntomas y antecedentes médicos de sus pacientes, así como para revisar trabajos e investigaciones previas realizadas por otros profesionales de la salud. Este trabajo de fin de grado tiene como objetivo diseñar e implementar un prototipo funcional para abordar estos desafíos, integrando sistemas de clasificación de enfermedades con portales para pacientes y médicos.

En un entorno API-led, utilizaremos MuleSoft como plataforma principal de integración, incluyendo Anypoint Studio para gestionar flujos de integración y Anypoint Platform para el diseño y despliegue de APIs basadas en RAML. Para el almacenamiento de datos médicos, consideraremos AWS, utilizando Amazon RDS para bases de datos relacionales o DynamoDB para almacenamiento no relacional. Para la clasificación de enfermedades, exploraremos opciones como el uso del conector HTTP de MuleSoft para interactuar con servicios web externos ejecutados en Flask o AWS Lambda para ejecutar funciones de clasificación de enfermedades basadas en eventos. También se considera la utilización de conectores adecuados para integrar los portales de médicos de Salesforce Health Cloud. Con esta iniciativa, buscamos automatizar el registro y acceso a datos médicos a través de portales integrados para médicos, lo que permitirá una atención más eficiente. Implementaremos prácticas sólidas de seguridad, como OAuth 2.0, en nuestras APIs dentro del entorno de MuleSoft para proteger datos sensibles y cumplir con las normativas de privacidad en salud.

La estrategia API-led ha sido elegida por su eficacia en la integración de sistemas complejos y diversos en el ámbito de la atención médica. Esta metodología facilita una arquitectura modular y escalable, donde cada API representa funcionalidades específicas gestionadas de manera independiente. Esto promueve la reutilización de componentes, asegura la protección de datos y agiliza la integración entre sistemas heterogéneos, abordando así los desafíos de interoperabilidad y accesibilidad de datos en el sector de la salud.

En resumen, este proyecto representa un enfoque práctico para abordar los desafíos actuales en la atención médica, aprovechando las últimas tecnologías y estrategias de integración para mejorar la accesibilidad, precisión y eficiencia de los servicios de diagnóstico.

[EN] The current state of healthcare faces significant challenges in terms of diagnostic efficiency and accuracy. The lack of integration between medical information systems can lead to delays in treatment and diagnostic errors, highlighting the critical need for innovative solutions that improve the experience for both patients and healthcare professionals. The main issue lies in the disconnect between dispersed medical data and the need for rapid and accurate diagnoses. Patients often experience delays in care due to the lack of timely access to their complete medical history, while doctors may struggle to obtain updated and relevant information about their patients' symptoms and medical history, as well as to review prior work and research conducted by other healthcare professionals.

This final degree project aims to design and implement a functional prototype to address these challenges by integrating disease classification systems with portals for patients and doctors. In an API-led environment, we will use MuleSoft as the primary integration platform, including Anypoint Studio to manage integration flows and Anypoint Platform for the design and deployment of RAML-based APIs. For medical data storage, we will consider using managed databases on platforms like DigitalOcean, utilizing options such as MySQL or PostgreSQL. For disease classification, we will explore alternatives like AWS Lambda to execute event-based classification functions or the use of MuleSoft's scripting connector, which allows the execution of code in languages such as JavaScript or Ruby. We will also consider using suitable connectors to integrate Salesforce Health Cloud s physician portals.

With this initiative, we aim to automate the registration and access to medical data through integrated physician portals, enabling more efficient care. The API-led strategy has been chosen for its effectiveness in integrating complex and diverse systems in healthcare. This methodology facilitates a modular and scalable architecture where each API represents specific functionalities managed independently. This promotes component reuse, ensures data protection, and streamlines integration between heterogeneous systems, thus addressing the challenges of interoperability and data accessibility in the healthcare sector.

In summary, this project represents a practical approach to addressing current challenges in healthcare, leveraging the latest technologies and integration strategies to improve the accessibility, accuracy, and efficiency of diagnostic services.

[CA] La situació actual de l’atenció mèdica s’enfronta a desafiaments significatius en quant a l’eficiència i la precisió del diagnòstic. La manca d’integració entre els sistemes d’informació mèdica pot portar a retards en el tractament i errors diagnòstics, subratllant així la necessitat crítica de desenvolupar solucions innovadores que millorin l’experiència tant per als pacients com per als professionals de la salut. El problema principal radica en la desconnexió entre les dades mèdiques disperses i la necessitat d’obtenir diagnòstics ràpids i precisos. Els pacients sovint experimenten demores en l’atenció a causa de la manca d’accés oportú al seu historial mèdic complet, mentre que els metges poden enfrontar-se a dificultats per obtenir informació actualitzada i rellevant sobre els símptomes i els antecedents mèdics dels seus pacients, així com per revisar treballs i investigacions prèvies realitzades per altres professionals de la salut. Aquest treball de fi de grau té com a objectiu dissenyar i implementar un prototip funcional per afrontar aquests desafiaments, integrant sistemes de classificació de malalties amb portals per a pacients i metges. En un entorn API-led, utilitzarem MuleSoft com a plataforma principal d’integració, incloent Anypoint Studio per gestionar fluxos d’integració i Anypoint Platform per al disseny i desplegament d’APIs basades en RAML. Per a l’emmagatzematge de dades mèdiques, considerarem l’ús de bases de dades gestionades en plataformes com DigitalOcean, utilitzant opcions com MySQL o PostgreSQL. En quant a la classificació de malalties, explorarem alternatives com AWS Lambda per executar funcions de classificació basades en esdeveniments, o l’ús del connector de scripting de MuleSoft, que permet l’execució de codi en llenguatges com JavaScript o Ruby. També es considera la utilització de connectors adequats per integrar els portals de metges de Salesforce Health Cloud. Amb aquesta iniciativa, busquem automatitzar el registre i l’accés a dades mèdiques a través de portals integrats per a metges, cosa que permetrà una atenció més eficient. L’estratègia API-led ha estat escollida per la seva eficiència en la integració de sistemes complexos i diversos en l’àmbit de l’atenció mèdica. Aquesta metodologia facilita una arquitectura modular i escalable, on cada API representa funcionalitats específiques gestionades de manera independent. Això promou la reutilització de components, assegura la protecció de dades i agilita la integració entre sistemes heterogenis, abordant així els desafiaments d’interoperabilitat i accessibilitat de dades en el sector de la salut. En resum, aquest projecte representa un enfocament pràctic per afrontar els desafiaments actuals en l’atenció mèdica, aprofitant les últimes tecnologies i estratègies d’integració per millorar l’accessibilitat, precisió i eficiència dels serveis de diagnòstic.