SIA és un sistema d’IA que classifica automàticament pacients com a NO crònics, PCC o MACA a partir de dades clíniques reals. Combina models d’aprenentatge automàtic, cerca de similitud amb FAISS i un LLM local per generar informes clínics i consells personalitzats.
Nom Grup: TarrIAco
Entitat del repte: Càritas Diocesana de Tarragona/Càtedra UNESCO d’Habitatge de la URV/Hospital Universitari Joan XXIII
Integrants:
- Genís Aragonès Torralbo (genisarato@gmail.com)
- Massin Laaouaj (massin.laaouaj@estudiants.urv.cat)
- David Quintana Palomar (dqp220504@gmail.com)
- Marc Roda Cortés (1516marcroda@gmail.com)
Nom Projecte: SIA (Salut en Inteligència Artificial)
Descripció: SIA neix de la necessitat de donar suport als professionals sanitaris de l’Hospital Joan XXIII en la complexa tasca d’identificar i categoritzar pacients crònics. El sistema automatitza la classificació triclasse (NO / PCC / MACA) a partir de més de 80 variables clíniques per pacient, incloent dades demogràfiques, diagnòstics, fàrmacs prescrits, visites a urgències i hospitalitzacions. La solució es basa en dues intel·ligències artificials: d’una banda, un nucli predictiu amb un pipeline jeràrquic en dos estadis, on un primer model (Random Forest) determina si un pacient és crònic o no, i un segon model (HistGradientBoosting calibrat) diferencia entre PCC i MACA, millorant la precisió respecte a un classificador directe; de l’altra, un sistema de cerca de similitud basat en FAISS que permet identificar en mil·lisegons els pacients més semblants, proporcionant evidència estadística útil per a la presa de decisions clíniques. A més, un model de llenguatge local (Llama 3.1:8b via Ollama) genera tant informes clínics tècnics per als professionals com recomanacions personalitzades per als pacients en català. Tot el sistema s’exposa mitjançant una API REST amb Flask i es consumeix des d’un portal web desenvolupat amb Laravel, separant clarament el backend d’IA del frontend sanitari.
Reptes abordats:
- Identificació automàtica de pacients en categories de cronicitat: **NO crònic**, **PCC** (Pacient Crònic Complex) i **MACA** (Malaltia Avançada en Congestió Alta).
- Cerca de pacients similars per donar suport als clínics en la presa de decisions basada en evidència.
- Generació d’informes clínics automatitzats amb IA generativa (LLM local).
- Portal web per facilitar l’accés dels professionals sanitaris i dels propis pacients a la informació personalitzada.
Tecnologies utilitzades:
- Llenguatges de programació:
- Python 3.11+
- PHP 8.2 (Laravel)
- JavaScript (ES6+)
- Blade (Laravel templates)
- Frameworks i llibreries:
- **Scikit-learn**: RandomForestClassifier, HistGradientBoostingClassifier, CalibratedClassifierCV, pipeline de preprocessament
- FAISS (faiss-cpu): índex de similitud vetorial per a cerca de veïns propers
- Flask + Flask-CORS: API REST del backend d’IA
- Ollama (Llama 3.1:8b): LLM local per a generació d’informes clínics i consells al pacient
- Pandas / NumPy: transformació i processament del dataset
- Joblib**: serialització dels models entrenats –
- Laravel 11**: portal web sanitari amb autenticació i gestió de rols
- Eines i plataformes
- Supabase (PostgreSQL): base de dades clínica de l’hospital (accés read-only) –
- Git / GitHub: control de versions i treball col·laboratiu –
- Python venv: entorn virtual per al backend de Python –
- Composer / npm: gestió de dependències del portal Laravel
Recursos del Projecte:
- Github: https://github.com/Genisarato/TarrIAco
- Vídeo: https://rovira-my.sharepoint.com/:v:/g/personal/47863618-c_epp_urv_cat/IQDq1poqA-t_S4pssBkdDXegAYCCqVmUk-bgWmiWwMXRAfs?e=bnWpQJ
- Presentació: https://rovira-my.sharepoint.com/:b:/g/personal/52460503-x_epp_urv_cat/IQAw9365eFE5R7I4MJ2IhG2FAfR3jFdK4kh5QMgMeRSIvE0?e=EmQ1X8
Accés a la resta de projectes de la Hackató d’IA 2026: https://cloudlab.urv.cat/catedracloud/hackato2026/
Leave a Reply