Sistemas que buscan a los pacientes que el sistema pierde

El problema

El escenario previo combinaba demoras prolongadas en el acceso a especialistas, retrasos críticos en la confirmación diagnóstica y un incumplimiento sistemático de los plazos legales del régimen GES. Las derivaciones en papel se estancaban en los puntos de contacto administrativo y nadie sabía dónde estaba cada paciente.

Arquitectura

1. IngresoSospecha oncológica derivada desde atención primaria o urgencia.
2. IdentificaciónEtiqueta adhesiva fluorescente sobre la ficha y la derivación de papel: la marca viaja con el documento por todos los puntos administrativos.
3. RegistroIngreso a la planilla de trazabilidad con un gestor de casos clínicos asignado y nominado.
4. SeguimientoContacto activo en cada hito: primera consulta, confirmación diagnóstica, comité oncológico y definición terapéutica.
5. EscalamientoAlerta a la dirección del establecimiento ante riesgo de incumplimiento del plazo GES, antes de que venza.
6. SalidaTratamiento, o derivación temprana a cuidados paliativos y alivio del dolor.

Qué produjo

• Más de 6.000 pacientes ingresaron al sistema de trazabilidad durante el periodo de ejecución.
• Tiempo a primera consulta de especialista reducido a 13 días.
• El establecimiento se situó entre los cinco mejores hospitales públicos de Chile en gestión oncológica.
• Lapsos sostenidos con cero garantías GES retrasadas en patologías neoplásicas.
• Derivación más ágil a cuidados paliativos y alivio del dolor para pacientes en estadios avanzados.

El problema

Los pacientes con sospecha o evidencia de patología oncológica quedan clasificados en la lista de espera como cirugías generales o electivas no priorizadas, y pierden la prioridad que les corresponde. El sistema cubre por diseño los cánceres sin garantía explícita —melanoma, sarcomas, cabeza y cuello, esófago, páncreas, hepatobiliar, sistema nervioso central, endometrio—, porque los dieciséis cánceres GES ya tienen una vía garantizada propia. Son justamente los que nadie estaba contando.

Arquitectura

1. ExtracciónCorte de la lista de espera quirúrgica nacional desde el almacén por capas, a Parquet consultado con DuckDB: ~475.000 diagnósticos.
2. Filtrado deterministaExpresiones regulares clínicas y mapeo ontológico sobre CIE-10 capturan los criterios inequívocos antes de que intervenga cualquier modelo.
3. VectorizaciónEmbeddings del texto libre contra centroides de diagnósticos oncológicos confirmados. El hash del texto normalizado sirve de llave de caché, así que solo se vectoriza lo nuevo.
4. ClasificaciónEnsamble de árboles con potenciación de gradiente; el umbral se recalibra con el índice de Youden en cada reentrenamiento.
5. DecisiónTres estados. Sospechoso e indeterminado se derivan de forma obligatoria a auditoría clínica médica; el modelo no cierra casos.
6. EntregaCorte mensual oficial y auditable, más un canal preliminar semanal sobre la base transaccional que adelanta los casos con ~7 días de rezago.

Qué produjo

• Clasifica alrededor de 475.000 diagnósticos de la lista de espera quirúrgica nacional en cada corte.
• Evaluado sobre 15.032 casos validados individualmente por especialistas clínicos: sensibilidad 91,6 %, especificidad 97,9 %, precisión (VPP) 82,8 % y valor predictivo negativo 99,0 %.
• La etiqueta es oficial y auditable: es la que usa la red asistencial para priorizar los casos con indicios oncológicos.
• Validación mensual contra el criterio de los Servicios de Salud, con nueve reportes por servicio, tiempos de espera por etapa oncológica e indicador de cirugía oncológica en 90 días o menos.
• El circuito no termina en la clasificación: el contraste semanal contra la validación de cada servicio identifica registros mal consignados y gestiona su corrección en origen, con los referentes y equipos clínicos.

Evaluación

El problema

Las decisiones sobre capacidad quirúrgica y asignación presupuestaria se toman mirando el stock actual de la lista, que solo describe el pasado. Proyectar exige modelar por separado los ingresos, los egresos y sus estacionalidades, y esas dinámicas difieren demasiado entre territorios como para que un único modelo nacional sirva.

Arquitectura

1. EntradaSerie histórica de cortes mensuales, desagregada por Servicio de Salud.
2. ModeloIngresos y egresos se modelan por separado, con su estacionalidad propia: el stock es el resultado, no la variable.
3. CalibraciónUn ajuste por Servicio de Salud en lugar de un modelo nacional único, porque las dinámicas territoriales no son comparables.
4. VerificaciónBacktest sobre cortes históricos y una auditoría adversarial de 30 chequeos diseñada para romper el modelo.
5. SalidaSimulador en el navegador donde quien decide mueve supuestos de capacidad y política de asignación.

Qué produjo

• Traslada la conversación desde el stock actual hacia la trayectoria esperada de la lista.
• El simulador pone el modelo directamente en manos de quien toma la decisión, que es donde los supuestos se discuten de verdad.

El problema

La multiplicidad de llaves identificatorias distorsiona la base de datos asistencial. Personas migrantes en tramitación de visado, recién nacidos y personas indocumentadas ingresan bajo identificadores numéricos transitorios y luego reciben su Rol Único Nacional definitivo, sin que el sistema unifique automáticamente sus eventos asistenciales.

Arquitectura

1. Fuente2,1 millones de registros con múltiples llaves identificatorias por persona.
2. MotorSplink sobre DuckDB, en proceso: la comparación por bloques corre en el mismo equipo, sin clúster.
3. ComparaciónSimilitud de Jaro-Winkler sobre nombre, fecha de nacimiento, sexo y domicilio, ponderada bajo el marco de Fellegi-Sunter.
4. Selección de modeloSe entrenan 40 configuraciones candidatas y se retiene la que separa más limpiamente coincidencias de no coincidencias, medido con el dip de Hartigan sobre la distribución de puntajes.
5. SalidaIdentidades unificadas que corrigen el conteo de demanda quirúrgica real.

Qué produjo

• Corrección del sobredimensionamiento de las listas de espera quirúrgicas causado por registros redundantes.
• Indicadores objetivos de demanda real que sustentan la asignación presupuestaria sectorial y las políticas públicas del Ministerio de Salud.