Aleph Hackathon

Traductor local de informes médicos

Cuando alguien recibe un análisis de laboratorio, se encuentra con una lista de siglas y valores que nadie le explica: MCHC, RDW, rangos de referencia sin contexto. Hoy esa traducción depende de una consulta médica que puede tardar semanas, o de buscar términos sueltos en internet sin ninguna garantía de que apliquen al caso propio.

Este proyecto resuelve eso con un pipeline de cuatro modelos encadenados, corriendo 100% en el dispositivo con QVAC de Tether: OCR local lee la imagen del estudio, un modelo con tool calling estructura cada valor en JSON, un sistema RAG busca contexto en un glosario médico curado por el equipo, y QVAC MedPsy —un modelo especializado en razonamiento clínico— redacta la explicación en español simple. El estado de cada valor (normal, alto, bajo) se calcula por código, no por el modelo, para eliminar una fuente entera de alucinación; y si el OCR no logra leer un número con certeza, el sistema lo marca explícitamente en vez de inventarlo.

Ningún dato del estudio sale nunca del dispositivo: sin nube, sin API keys, sin conexión a internet durante el procesamiento.