Autor: Juan Carlos Rincón Acuña, PhD. Miembro Aipocrates
Palabras clave: agentes personales de salud; grafos de conocimiento personal; SNOMED CT; HL7 FHIR; interoperabilidad semántica; autonomía verificable; envejecimiento; enfermedad crónica; salud digital en Colombia.
- Introducción: de la métrica al sentido
Juan, paciente de 84 años de edad, de sexo biológico y auto percibido como de género masculino, que asiste a su control de hipertensión arterial por su médico de cabecera, sin embargo al ingresar al consultorio se lleva la sorpresa que ahora lo va a atender un médico nuevo. Con más curiosidad que otra emoción pregunta por el médico que lo ha atendido durante los últimos cinco años, a lo que el médico joven, le responde, que su colega se pensionó hace cerca de 15 días.
¿Qué implica este cambio en una era donde un adulto mayor en tiene hoy más datos de salud registrados sobre sí mismo que cualquier generación previa?
Resultados de laboratorio en tres portales distintos, fórmulas médicas en papel, una pulsera que cuenta pasos, notas de evolución dispersas entre múltiples IPS, todas con programas de historias clínicas diferentes, diferentes EPS, historias generdas por un grupo de especialistas particulares la app de salud preinstalada de su celular o su reloj inteligente. Sin embargo, ninguna de esas fuentes puede responder una pregunta tan elemental como «¿por qué me cambiaron el medicamento en marzo?» o «¿desde cuándo me viene bajando la función renal?».
El problema contemporáneo de la salud personal ya no es la escasez de datos, es la fragmentación de los datos y falta de interoperabilidad que lleva a la ausencia de: continuidad, de semántica compartida y de agencia para actuar sobre los datos que ya existen. Esta brecha define el espacio de los asistentes personales de salud.
El trabajo reciente de Google Research ha planteado el problema en términos de anatomía, describe los órganos y su función, pero no la fisiología que los mantiene coherentes en el tiempo ni la biografía del sujeto al que pertenecen: un agente personal de salud se descompone en un subagente de ciencia de datos que interroga series fisiológicas, un subagente experto de dominio que aporta conocimiento clínico, y un subagente entrenador que traduce hallazgos en conducta sostenible; el conjunto se evalúa sobre datos reales de aproximadamente mil doscientos usuarios con una batería de tareas y miles de anotaciones expertas [1]. La línea de producto derivada añade razonamiento numérico sobre señales de wearables y un marco multiagente en el que un agente conversacional asume la orquestación, la comprensión de intención y la recolección de contexto [2].
Dos ausencias resultan críticas cuando se intenta llevar estos sistemas a poblaciones con alta carga de enfermedad crónica y sistemas de salud fragmentados:
- La primera es la ausencia de una capa semántica formal: el conocimiento del dominio está implícito en los pesos del modelo, no anclado a terminologías auditables, de modo que ninguna afirmación del agente es trazable a una fuente identificable.
- La segunda es la debilidad de la memoria: el contexto se representa como historial conversacional y ventanas de recuperación, no como una estructura longitudinal con temporalidad, procedencia y capacidad de razonamiento retrospectivo.
Un asistente personal de salud maduro no es un modelo de lenguaje con acceso a datos, sino una arquitectura de cinco capas con una ontología en el centro y una memoria longitudinal persistente, cuyo grado de autonomía debe escalar por niveles verificables y no por la capacidad del modelo.
Las preguntas de diseño relevantes:
- no son «¿qué tan bueno es el modelo?», sino «¿qué está autorizado a hacer este sistema, con qué evidencia y bajo qué supervisión?»
- ¿Qué capa de representación del conocimiento permite que las afirmaciones de un asistente de salud sean trazables y auditables, y qué papel cumple HL7 FHIR en ella?
- ¿Qué estructura de memoria soporta razonamiento longitudinal clínicamente útil —detección anticipada, adherencia, continuidad entre especialistas— sobre datos personales heterogéneos?
- ¿Bajo qué criterios verificables puede un asistente escalar desde observar hasta actuar en nombre del usuario sin exceder su mandato?
En este caso ¿cuáles serán los beneficios de Juan? Un adulto mayor, cuyo problema dominante es la fricción burocrática y la fragmentación de la memoria, un paciente crónico, cuyo problema es la continuidad entre episodios y la adherencia, datos multifuente, cuyo problema es la interpretación de señales provenientes de los wearables.
2. Antecedentes: la anatomía disponible y sus vacíos
2.1 Un sistema multiagente como agente personal de salud
La contribución del enfoque de agente personal de salud es metodológica antes que arquitectónica: establece que el desempeño de estos sistemas no debe medirse sobre exámenes de opción múltiple sino sobre datos personales reales y contra el juicio clínico experto. Ese estándar de rigor es el listón mínimo que cualquier propuesta debe incluir.
La segunda línea de trabajo desplaza el foco hacia el entrenamiento conductual sostenido y hacia la orquestación conversacional: un agente coordinador interpreta la intención, recoge contexto faltante y delega en especialistas, mientras el razonamiento sobre series numéricas de wearables se apoya en modelos ajustados a señales fisiológicas [2]. Aquí aparece implícitamente la noción de que el valor no está en la respuesta puntual sino en la relación longitudinal.
2.2 Qué queda abierto
El desplazamiento a poblaciones mayores, enfermedad crónica multimórbida y sistemas fragmentados cambia los requisitos no funcionales de manera sustantiva, entonces la tabla 1 no se trata de deficiencias de ejecución sino de decisiones de alcance: los trabajos citados se sitúan en un contexto de usuarios digitalmente hábiles, wearables de consumo y sistemas de salud con interoperabilidad razonable.
| Dimensión | Estado del arte disponible | Extensión propuesta |
| Representación del conocimiento | Implícita en el modelo; sin capa ontológica explícita | L2 semántica: SNOMED CT, UMLS, LOINC, ATC, HPO; FHIR como intercambio, no como ontología |
| Memoria | Historial conversacional y recuperación por similitud | L3: grafo de conocimiento personal temporal, con procedencia y versionado |
| Agencia | Recomendar, explicar, entrenar conducta | Agente ejecutor de trámites y agente centinela, bajo política explícita |
| Señales | Wearables de consumo, laboratorio, cuestionarios | Adición de marcadores funcionales de bajo costo (p. ej., dinamometría de agarre) |
| Población | Usuario adulto digitalmente hábil | Adulto mayor, crónico multimórbido y deportista sano |
| Horizonte temporal | Hábitos y metas de corto y mediano plazo | Trayectoria de vida: proyección, cohortes, legado documental |
| Gobernanza | Seguridad del contenido y descargos clínicos | Delegación de autoridad, custodia y límite explícito bienestar/acto médico |
Tabla 1. Lectura crítica del estado del arte y ejes de extensión del presente trabajo.
3. Arquitectura de propuesta
El asistente personal propuesto de salud requiere una organización del sistema en cinco (5) capas funcionales secuenciales más una capa transversal de gobernanza. La arquitectura propuesta en la Figura 1, describe el principio ordenador, cada capa produce artefactos verificables para la siguiente: la ingesta produce observaciones con procedencia; la semántica produce códigos normalizados; la memoria produce hechos temporales; la agencia produce decisiones justificadas; la interacción produce afirmaciones trazables. Ninguna capa puede inventar información que la capa inferior no soporte.
Figura 1. Arquitectura de referencia del asistente personal de salud. Las capas L1 a L5 son funcionales y jerárquicas; L0 es transversal y condiciona el comportamiento de todas las demás.
| Capa | Responsabilidad | Decisión de diseño crítica |
| L1 Percepción | Ingesta, sincronización y control de calidad de señales heterogéneas | Toda observación entra con procedencia, sello temporal y estimación de confiabilidad; nada se ingiere anónimo |
| L2 Semántica | Normalización terminológica y reconciliación de entidades | Se codifica una sola vez y se razona siempre sobre códigos, nunca sobre cadenas de texto libre |
| L3 Memoria | Persistencia longitudinal de hechos y relaciones temporales | Grafo con temporalidad bitemporal: cuándo ocurrió el hecho y cuándo el sistema lo supo |
| L4 Agencia | Planificación, delegación en subagentes y ejecución de acciones | La política de acción es un artefacto declarativo externo al modelo, no una instrucción en el prompt |
| L5 Interacción | Diálogo, explicación, consentimiento y verificación | La interfaz se reduce al canal que el usuario ya domina; la explicación es obligatoria, no opcional |
| L0 Gobernanza | Autorización, auditoría, límites de alcance y custodia | Todo evento de acción queda en un registro inmutable consultable por el usuario y su delegado |
Tabla 2. Responsabilidades por capa y decisión de diseño no negociable en cada una.
4. Capa semántica: ontologías y el estatuto de FHIR
4.1 Por qué una capa ontológica explícita
Un asistente que responde «su función renal viene deteriorándose» debe poder señalar qué observaciones sustentan esa afirmación, codificadas con qué vocabulario y bajo qué definición operacional, sin una capa terminológica explícita, la afirmación es una predicción estadística sobre texto y no un hecho auditable.
La capa L2 cumple tres funciones: normaliza expresiones heterogéneas a códigos estables, permite razonamiento por subsunción —«enalapril es un IECA, los IECA son antihipertensivos»— y habilita la reconciliación de entidades entre fuentes que nunca fueron diseñadas para hablar entre sí.
| Recurso | Naturaleza | Rol en el asistente | Límite |
| SNOMED CT | Ontología clínica descriptiva con lógica de descripciones | Columna vertebral de hallazgos, procedimientos y situaciones clínicas | Licenciamiento nacional; extensión y traducción al español requieren gobierno propio |
| UMLS | Metatesauro que integra más de un centenar de vocabularios | Puente de mapeo entre fuentes y desambiguación de sinónimos | No es una ontología coherente; su red semántica es de grano grueso |
| LOINC | Terminología de observaciones y resultados | Codificación de laboratorio, signos vitales y escalas | Cobertura desigual en resultados reportados por el paciente |
| ATC / RxNorm | Clasificación e identificación de medicamentos | Adherencia, interacciones y equivalencias terapéuticas | Presentaciones comerciales locales requieren mapeo nacional |
| HPO | Ontología de fenotipos anormales | Anclaje fenotipo-genotipo en sospecha de enfermedad rara | Orientada a fenotipos; no cubre procedimientos ni contexto asistencial |
| MeSH | Vocabulario de indexación bibliográfica | Recuperación de evidencia para el subagente experto | Diseñado para indexar literatura, no para representar pacientes |
Tabla 3. Recursos terminológicos de la capa L2, su rol funcional y sus límites operativos.
4.2 ¿Es FHIR una ontología?
El HL7 FHIR es un estándar de intercambio que define recursos, cardinalidades, perfiles y una API REST. Su modelo de recursos impone estructura, no compromiso ontológico, de ella depende una decisión arquitectónica. FHIR es la capa de intercambio; una ontología formal es la capa de razonamiento.
La distinción es visible en el dominio de medicamentos, donde un mismo hecho clínico puede expresarse mediante varios recursos —prescripción, dispensación, administración, declaración de uso— cuya relación con la sustancia, la presentación y el acto asistencial no está formalizada en una semántica lógica, sino delegada al criterio del implementador.
El trabajo de reinterpretación ontológica de los recursos de medicación muestra precisamente esto: para obtener semántica formal es necesario reexpresar los recursos en RDF y alinearlos con una ontología de alto nivel que distinga entidades continuantes de ocurrentes, sustancias de roles, y disposiciones de procesos [3].
El grafo es la capa de persistencia y confundirlas produce que los sistemas almacenen recursos FHIR como si fueran conocimiento y luego no pueden inferir nada o sistemas que construyen ontologías propias y quedan incomunicados del ecosistema.
La arquitectura propuesta ingiere FHIR, lo transforma a tripletas con mapeo explícito y trazable, y razona sobre el grafo resultante. Esta decisión tiene consecuencias prácticas en Colombia: el marco de historia clínica electrónica interoperable orienta el intercambio hacia estándares internacionales, pero la interoperabilidad sintáctica no garantiza que dos instituciones signifiquen lo mismo. El asistente debe asumir que el mapeo semántico es responsabilidad suya y que ese mapeo debe ser versionado y auditable, porque una reclasificación terminológica puede alterar retroactivamente las conclusiones del sistema.
5. Capa de memoria: el grafo de conocimiento personal
5.1 Por qué grafo y no solo recuperación vectorial
La salud personal es un dominio esencialmente temporal y relacional: el valor clínico de una gammapatía monoclonal de significado indeterminado no está en el hallazgo aislado sino en su persistencia, su tasa de cambio y su concurrencia con deterioro renal y anemia.
La recuperación por similitud semántica resuelve bien la pregunta «¿qué documento habla de esto?» , pero resuelve mal la pregunta «¿qué pasó primero?». Un grafo temporal permite tres cosas que la recuperación vectorial no ofrece: orden y duración explícitos, razonamiento sobre caminos —qué llevó a qué— y trazabilidad de cada afirmación a nodos identificables con procedencia.
El costo es mayor: exige una ontología y una disciplina de escritura. Ese costo es precisamente lo que compra la auditabilidad.
5.2 Modelo temporal de eventos
El grafo se organiza en cuatro clases de nodo de evento —diagnóstico, procedimiento u observación, intervención farmacológica y contacto asistencial con su especialidad— conectadas por relaciones temporales y causales putativas, y ancladas a un eje de tiempo relativo al evento índice de interés.
La Figura 2 ilustra una trayectoria real en su forma canónica: un paciente con enfermedad renal crónica y gammapatía monoclonal cuya progresión a mieloma múltiple es vista retrospectivamente, la conclusión de una secuencia de señales que el sistema asistencial registró, pero nunca integró.
Figura 2. Registros secuenciales en el grafo de conocimiento personal de un paciente con diagnóstico posterior de mieloma múltiple. El eje horizontal expresa días relativos al primer diagnóstico confirmado (t = 0). La ventana entre el registro de gammapatía monoclonal y el diagnóstico define el intervalo disponible para detección anticipada.
La representación bitemporal es esencial: cada hecho tiene un tiempo de ocurrencia clínica y un tiempo de conocimiento por el sistema. Sin esa distinción, es imposible evaluar honestamente un modelo de detección anticipada, porque se contamina la evaluación con información que no estaba disponible en el momento de la predicción. Esta es la razón técnica por la que el grafo, y no el historial conversacional, debe ser la fuente de verdad.
5.3 Patrones de consulta que el grafo debe soportar
| Patrón | Pregunta del usuario o del clínico | Requisito estructural |
| Recuperación episódica | ¿Quién me atendió en marzo y qué me formuló? | Nodo de contacto con especialidad, fecha y aristas a prescripción |
| Trayectoria de variable | ¿Desde cuándo viene bajando mi filtración glomerular? | Series de observación codificadas en LOINC con unidades normalizadas |
| Adherencia | ¿Estoy tomando lo que me formularon? | Conciliación entre prescripción, dispensación y reporte del usuario |
| Concurrencia de señales | ¿Hay un patrón que sugiera progresión? | Consulta sobre ventanas temporales solapadas entre clases de evento |
| Resumen para especialista | ¿Qué necesita saber el hematólogo en una página? | Proyección filtrada por relevancia al motivo de consulta, con citas al grafo |
| Brechas de cuidado | ¿Qué control me está faltando? | Reglas sobre periodicidad esperada por condición frente a última ocurrencia |
Tabla 4. Patrones de consulta que definen los requisitos mínimos del modelo de grafo.
Continuará…
[1] Google Research. The anatomy of a personal health agent. Google Research Blog, 2025. Disponible en: research.google/blog/the-anatomy-of-a-personal-health-agent/
[2] Google Research. How we are building the personal health coach. Google Research Blog, 2025. Disponible en: research.google/blog/how-we-are-building-the-personal-health-coach/
[3] Martínez-Costa C., Schulz S. HL7 FHIR: Ontological reinterpretation of medication resources. Proceedings of the International Conference on Biomedical Ontology (ICBO).
[4] Leong D. P. et al. Prognostic value of grip strength: findings from the Prospective Urban Rural Epidemiology (PURE) study. The Lancet, 2015.
[5] Cruz-Jentoft A. J. et al. Sarcopenia: revised European consensus on definition and diagnosis (EWGSOP2). Age and Ageing, 2019.
[6] SNOMED International. SNOMED CT Editorial Guide. Documentación técnica de la terminología clínica de referencia.
[7] U.S. National Library of Medicine. Unified Medical Language System (UMLS) Reference Manual.
[8] Köhler S. et al. The Human Phenotype Ontology: recursos y aplicaciones en fenotipado computacional. Nucleic Acids Research.
[9] HL7 International. FHIR Release — especificación de recursos e interoperabilidad. hl7.org/fhir/
[10] República de Colombia. Marco normativo de protección de datos personales, historia clínica electrónica interoperable y telesalud. Verificar versión vigente al momento de la implementación.
Nota de autor: este documento es una versión preprint destinada a discusión técnica. Las referencias normativas y los estándares terminológicos deben verificarse en su versión vigente antes de cualquier implementación.
aipocrates.blog 