Augenai es una plataforma avanzada diseñada para transformar el diagnóstico médico asistido por inteligencia artificial. Su misión principal es potenciar la productividad del especialista médico, actuando como un copiloto inteligente que automatiza tareas repetitivas de análisis de imagen, permitiendo al doctor enfocarse en la toma de decisiones críticas. Adicionalmente, el sistema cierra el ciclo de aprendizaje al permitir que los expertos refinen los modelos con su feedback, pero siempre priorizando la eficiencia clínica inmediata.
Cómo Funciona: Acelerador de Diagnóstico
La plataforma no busca reemplazar al médico, sino dotarlo de "superpoderes" analíticos para agilizar su práctica diaria:
1. Pre-Análisis Automatizado
Antes de que el médico abra un caso, Augenai ya ha procesado las imágenes. El sistema pre-localiza lesiones y sugiere diagnósticos preliminares con un nivel de confianza. Esto elimina la necesidad de buscar manualmente anomalías en primera instancia, permitiendo al médico pasar directamente a la validación.
2. Interfaz de Decisión Unificada
En lugar de navegar por múltiples pantallas o sistemas desconectados (PACS, Historia Clínica, Visores externos), Augenai centraliza todo. El médico tiene en una sola vista:
Historial del paciente.
Imágenes dermatoscópicas de alta resolución.
Capas de análisis de IA (cajas delimitadoras, segmentación) que se pueden activar/desactivar.
Herramientas de edición rápida para ajustar o confirmar los hallazgos en segundos.
3. Segunda Opinión Instantánea
Ante casos ambiguos, el médico puede solicitar al instante una "segunda opinión" de múltiples modelos especializados (Router de IA) sin salir del flujo de trabajo, obteniendo una perspectiva adicional basada en miles de casos similares aprendidos por el sistema.
Arquitectura y Tecnologías
El proyecto sigue una arquitectura de Monorepo gestionada por Turborepo, lo que permite unificar el desarrollo frontend y backend en un solo repositorio, optimizando tiempos de construcción y compartiendo configuraciones.
Estructura del Proyecto
La aplicación se divide en dos microservicios principales que se comunican entre sí:
Apps Web (apps/web):
Es el núcleo de interacción con el usuario.
Maneja la autenticación, la gestión de datos, la interfaz gráfica y la orquestación del flujo de predicción.
Actúa como cliente del servicio de IA, enviando imágenes y recibiendo resultados crudos.
AI Service (apps/ai_service):
Un microservicio dedicado y aislado de alto rendimiento.
Exclusivamente encargado de la inferencia de modelos de Deep Learning (PyTorch, YOLO).
Escalable independientemente de la aplicación web, permitiendo manejar cargas intensivas de GPU sin afectar la experiencia de usuario.
Colaboración IA-Humano: Transforma la IA de una herramienta pasiva a un "colega" que aprende de las correcciones del experto.
Mejora de la Precisión: La recolección estructurada de feedback permite reentrenar los modelos con datos curados de alta calidad, reduciendo sesgos y errores futuros.
Eficiencia Clínica: Centraliza en una sola herramienta el historial del paciente, las imágenes y las herramientas de análisis, reduciendo la fragmentación del flujo de trabajo médico.
