El objetivo del proyecto VECTHEALTH, desarrollado íntegramente por Sigesa, ha sido el desarrollo de un sistema tecnológico predictivo basado en bases de datos vectoriales, capaz de enriquecer el análisis clínico y la toma de decisiones sanitarias. Más específicamente, se busca integrar las nuevas variables semánticas desarrolladas en modelos predictivos de indicadores sanitarios clave, como mortalidad, reingresos, estancias hospitalarias o ingreso en UCI así como facilitar el análisis de pacientes crónicos complejos y la identificación de patrones de riesgo mediante herramientas de visualización avanzada.

Para desarrollar VECTHEALTH, Sigesa ha realizado una reingeniería de la analítica de datos hospitalarios mediante la transición de modelos estadísticos descriptivos tradicionales hacia un ecosistema de Inteligencia Artificial Generativa y Recuperación Aumentada por Generación (RAG). El núcleo del proyecto ha residido en la transformación de taxonomías clínicas diagnósticas (CIE-10) en representaciones densas en espacios vectoriales multidimensionales, permitiendo el análisis de trayectorias clínicas complejas mediante métricas de similitud semántica.

Históricamente, el análisis de la Clasificación Internacional de Enfermedades (CIE-10) se ha tratado mediante one-hot encoding o variables dummy, lo que genera matrices de alta dimensionalidad y dispersión (sparsity), perdiendo la relación jerárquica y semántica entre patologías.

VECTHEALTH implementa Clinical Embeddings. Utilizando arquitecturas de modelos de lenguaje masivos (LLMs) ajustados al dominio médico (como ClinicalBERT o BioGPT), el sistema procesa los descriptores clínicos para generar vectores numéricos (embeddings). En este espacio vectorial:

• La distancia euclídea o similitud de coseno entre dos códigos (ej. EPOC e Hipertensión Pulmonar) refleja su proximidad fisiopatológica.
• Se capturan relaciones latentes que las reglas de codificación rígidas ignoran, permitiendo identificar patrones de comorbilidad multivariante.

El componente disruptivo del proyecto es la implementación de una Base de Datos Vectorial (Vector DB) como motor de búsqueda y almacenamiento. A diferencia de las bases de datos relacionales (SQL), esta infraestructura permite:

• Búsqueda de Similitud de Episodios (k-NN): Identificar de forma masiva «pacientes similares» o episodios clínicos análogos en milisegundos mediante algoritmos de indexación como HNSW (Hierarchical Navigable Small World).
• Enriquecimiento de Contexto: La base de datos vectorial actúa como una memoria externa para los modelos predictivos, proporcionando contextos clínicos enriquecidos antes de la inferencia.
• Representación de Trayectorias: Cada estancia hospitalaria se codifica como una secuencia de vectores, permitiendo el uso de arquitecturas de Redes Neuronales Recurrentes (RNN) o Transformers para modelar la evolución temporal del paciente.

La integración de estos componentes permite optimizar los modelos de Machine Learning para indicadores críticos:

1. Mortalidad y Reingresos: Al utilizar embeddings como features de entrada en modelos de Gradient Boosting (XGBoost/LightGBM) o Redes Neuronales, se reduce el error de generalización al capturar mejor la severidad clínica.
2. Predicción de Estancia Media (LOS): Mediante el análisis de la densidad de vectores de comorbilidad, el sistema estima la probabilidad de estancias prolongadas en pacientes con patologías crónicas (Alzheimer, Cáncer, EPOC).
3. Detección de Fenotipos: El clustering no supervisado sobre el espacio vectorial permite identificar subgrupos de pacientes con trayectorias de riesgo similares que no son evidentes mediante análisis estadístico convencional

Para superar la barrera de la «caja negra» de la IA, VECTHEALTH desarrolla interfaces de visualización basadas en técnicas de reducción de dimensionalidad como t-SNE o UMAP. Estas herramientas permiten a los clínicos visualizar clústeres de pacientes en mapas 2D/3D, facilitando la comprensión visual de la distribución de riesgos y la toma de decisiones basada en evidencia de cohortes históricas comparables.

El proyecto se desarrolla bajo un stack tecnológico de alto rendimiento, garantizando la escalabilidad en entornos hospitalarios de alta carga. La implementación abarca desde la ingesta de datos brutos de varias fuentes de datos, como CMBD (Conjunto Mínimo Básico de Datos) hasta la capa de servicios de API para la integración en sistemas de ayuda a la decisión clínica (CDSS). Este proyecto ha contado con la colaboración y financiación parcial del Centro para el Desarrollo Tecnológico y la Innovación (CDTI) en el marco del plan de recuperación, transformación y resiliencia, financiado por la unión europea “NEXT GENERATION EU”, como parte del Plan de Recuperación, Transformación y Resiliencia impulsado por el Gobierno.