Implementación de un servidor para la orquestación en tiempo real de agentes de IA asistentes médicos

Simple item page
dc.contributor.advisorEscobar Terán, Charles Edisson
dc.contributor.authorRodríguez Cueva, Ronald Francisco
dc.date.accessioned2026-04-22T22:16:39Z
dc.date.available2026-04-22T22:16:39Z
dc.date.issued2025
dc.description.abstractLa presente investigación desarrolla e implementa una arquitectura avanzada de orquestación para Agentes de Inteligencia Artificial mediante el uso del protocolo Model Context Protocol (MCP), con el objetivo de optimizar la interacción entre modelos de lenguaje de gran escala y sistemas de Historia Clínica Electrónica (HCE). El estudio aborda la problemática actual de las alucinaciones en la IA clínica debido a la falta de acceso a datos dinámicos y contextuales del paciente. Para ello, se diseñó un prototipo funcional sobre un servidor Debian 13 virtualizado en Proxmox, utilizando el framework FastAPI para la gestión de servicios asíncronos y una base de datos PostgreSQL para el manejo de datos híbridos. Los resultados técnicos demostraron la viabilidad y eficiencia de la solución, alcanzando una latencia de respuesta de apenas 766 ms en la recuperación de cargas masivas de 1,002 registros médicos. Durante las pruebas de estrés, el sistema exhibió una robustez notable, manteniendo el uso de la unidad central de procesamiento en un 11.10% y una estabilidad de memoria RAM de 8.64 GiB, sin evidencia de fugas de recursos tras múltiples ciclos de ejecución. Se concluye que la implementación del estándar MCP bajo un transporte de flujo STDIO garantiza un entorno de alta disponibilidad, integridad y confidencialidad, proporcionando una herramienta escalable y segura que potencia el razonamiento clínico asistido por IA en entornos hospitalarios de alta demanda. Finalmente, la investigación aporta una solución técnica viable a la brecha existente entre la inteligencia artificial generativa y la gestión de datos sensibles en salud, demostrando que es posible orquestar agentes inteligentes que respeten la privacidad del paciente mientras operan con una eficiencia computacional óptima. La arquitectura propuesta no solo reduce la carga operativa del personal médico mediante el acceso instantáneo a información contextualizada, sino que también sienta las bases para futuras implementaciones de medicina de precisión basadas en infraestructuras de código abierto y hardware escalable. Este trabajo valida que el uso de tecnologías como Debian y Proxmox, en conjunto con el protocolo MCP, constituye un ecosistema robusto capaz de transformar la asistencia médica digital hacia un modelo más confiable, rápido y seguro.
dc.id.advisor1202812549
dc.id.author1723602445
dc.identifier.other15751
dc.identifier.urihttps://repositorio.puce.edu.ec/handle/123456789/48687
dc.language.isoes
dc.publisherPUCE - Quito
dc.subjectInteligencia artificial - Aplicaciones médicas
dc.subjectSistemas de información en salud - Registros electrónicos de salud
dc.subjectIngeniería del software - Proceso distribuido (Informática)
dc.subjectProceso en lenguaje natural (Informática)
dc.subjectInformática médica - Gestión de datos clínicos
dc.titleImplementación de un servidor para la orquestación en tiempo real de agentes de IA asistentes médicos
dc.typeThesis
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Trabajo de Titulación - Grado / Rodríguez Cueva Ronald Francisco
Size:
2.6 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Tesis – Ingeniería en Sistemas de Información (Sin Restricción)