Reingeniería y Certificación de Plataforma de Salud Digital con Ia (Irina)

Estamos buscando un experto en desarrollo de software para liderar la reconstrucción y optimización de Irina, nuestra plataforma de documentación clínica con inteligencia artificial. Irina está diseñada para hospitales en Alemania, permitiendo a los médicos generar borradores de informes de alta, codificación diagnóstica y resúmenes en segundos, simplemente hablando. Esto reduce significativamente el tiempo que los residentes dedican a la documentación, estimado en aproximadamente 2 horas por alta.

Estado Actual del Proyecto:
Actualmente, contamos con un producto funcional en el backend, desarrollado con asistencia de IA (Claude Code). El stack tecnológico incluye Next.js, TypeScript y Supabase. La plataforma ya maneja flujos completos como admisión por voz, visitas, altas, codificación y un copilot clínico. Si bien es funcional, el desarrollo inicial se realizó rápidamente, utilizando prompts complejos optimizados para modelos de IA frontier en la nube, y la arquitectura actual no está diseñada para cumplir con las estrictas certificaciones médicas.

Objetivos del Proyecto:
1.  Reconstrucción Limpia y Certificable: El objetivo principal es rehacer el código existente para que sea ordenado, legible, robusto y bien documentado, con la mira puesta en obtener la certificación médica europea (iec 62304 / mdr). Se espera que el profesional evalúe si es mejor reescribir desde cero o refactorizar el código actual, documentando todas las decisiones de arquitectura.
2.  Migración On-Premise: Se requiere migrar la infraestructura de la nube (Supabase/Vercel) a un entorno auto-alojado (self-hosted). Esto incluye la implementación de bases de datos PostgreSQL y la orquestación con Docker. El reconocimiento de voz deberá ser local (utilizando tecnologías como Whisper) en lugar de servicios en la nube, y la autenticación empresarial se realizará mediante saml/oidc contra el active directory hospitalario.
3.  Prompt Engineering para LLM Local: Actualmente, el backend depende de modelos de lenguaje grandes (LLM) de frontera. El desafío es adaptar Irina para que funcione de manera igualmente efectiva con un LLM open-source desplegado on-premise. Esto implica rediseñar los prompts, simplificándolos en cadenas atómicas de información para evitar confusiones y "alucinaciones" en modelos más pequeños. Se incluirá la implementación de Retrieval Augmented Generation (rag) sobre bases de datos médicas (como icd, interacciones farmacológicas, etc.).
4.  Integración FHIR / HL7: Se desarrollará una capa de interoperabilidad robusta para conectar Irina con los sistemas de información hospitalaria (KIS) existentes, como Orbis y SAP. Esto implica la creación de adaptadores FHIR R4 / HL7, que serán probados inicialmente con datos sintéticos (Synthea) o un servidor FHIR local. El diseño debe asegurar que la conexión a los sistemas reales del hospital durante un piloto sea principalmente una cuestión de configuración y no de reescritura de código.

Buscamos un profesional con experiencia en desarrollo de software de alta calidad, familiarizado con entornos regulados y con una sólida comprensión de la arquitectura de sistemas, IA y desarrollo on-premise.