Extraer datos de recetas médicas escaneadas con IA es viable en LATAM con precisión de 85 a 95 por ciento campo a campo, y el costo mensual depende de cuántas recetas procesas. La diferencia entre un proyecto serio y un experimento es la validación: el medicamento extraído debe existir en tu catálogo, la dosis debe coincidir con presentaciones registradas y todo debe quedar auditable. Cuando los datos se unifican, los problemas se anuncian solos.
El problema operativo no es la letra del médico. Es que la farmacia tiene tres personas capturando recetas a mano y aún así pierden 5 por ciento de los ingresos porque la fila se va. O que la aseguradora tiene un archivo histórico de PDFs sin indexar y no puede auditar despensa retroactiva.
Qué hace exactamente un pipeline de extracción de recetas
Convierte cualquier receta (foto, PDF, escaneo) en una fila estructurada en tu sistema. El pipeline completo hace ocho operaciones.
- Ingesta multi-canal: foto por WhatsApp, upload web, drop folder, email
- Detección de tipo: foto de celular versus scanner, ajuste de pipeline acorde
- Pre-procesamiento: corrección de perspectiva, contraste, denoise con OpenCV
- OCR híbrido: Tesseract para impreso, Claude Vision o Google Document AI para letra
- Extracción estructurada: paciente, médico (cédula profesional), medicamentos, dosis, forma farmacéutica, indicaciones
- Validación contra catálogo: cada medicamento debe existir en tu vademécum
- Cruzado con paciente: alerta si hay interacción medicamentosa o alergia conocida
- Output JSON o API call: integración nativa con farmacia o EHR
Caso real: un archivo histórico de PDFs procesado
Una distribuidora con años de operación tenía sus datos históricos en tablas legacy de SQL Server 2019 y un archivo de PDFs sin indexar. El proyecto migró todo a un Data Lake con OCR completo del archivo histórico.
- Migración del histórico a Supabase
- Bronze parquet raw en GCS
- Tablas snapshot, silver views y gold materialized views
- Verificación fila a fila: source igual a bronze igual a silver igual a gold
- Tablas Gold finales normalizadas
- Políticas RLS y roles RBAC para multi-tenant
El mismo patrón aplica para recetas médicas: bronze conserva el escaneo original, silver guarda la extracción estructurada, gold expone las tablas consumibles por farmacia y aseguradora.
Stack recomendado para clínica o farmacia mediana
| Capa | Tecnología | Por qué |
|---|---|---|
| Captura | WhatsApp Business, web upload, drop folder | Multi-canal |
| Pre-proceso | OpenCV con corrección de perspectiva | Mejora OCR 15 por ciento |
| OCR impreso | Tesseract 5 local | Cero costo por página |
| OCR manuscrito | Claude Vision o Google Document AI | Para letra médica difícil |
| Extracción estructurada | Anthropic Claude con JSON schema | Output validable |
| Vademécum | PostgreSQL con full-text search | Validación 100 ms |
| Validación clínica | TypeScript con reglas en código | Guardrails sin hallucination |
| Almacén Bronze | Supabase Storage parquet | Auditable, inmutable |
| Almacén Silver | PostgreSQL normalizado | Consultable |
| Integración farmacia | API REST con retry exponencial | Sin pérdida |
Triple validación clínica obligatoria
Sin validación nunca se acepta la extracción en producción. Tres reglas que viven en código TypeScript, no en el prompt del modelo.
Validación de catálogo: el nombre del medicamento extraído debe matchear un registro en tu vademécum local. Si no matchea ni con fuzzy search a 90 por ciento de similitud, bloqueo y revisión humana. Esto evita que el modelo invente medicamentos.
Validación de dosis y forma farmacéutica: la dosis y forma (tableta, jarabe, ampolleta) deben corresponder a presentaciones registradas para ese medicamento. Si la receta dice "Paracetamol 5,000 mg" (dosis imposible), bloqueo.
Validación cruzada con paciente: si el medicamento interactúa con uno ya activo del paciente, o es contraindicado por edad o condición conocida, alerta al farmacéutico y al médico tratante antes de dispensar.
Aspectos legales por país
En México, NOM-024 regula expediente clínico electrónico y datos de receta deben quedar auditables con timestamp y firma del responsable. La extracción automática no exime de firma del farmacéutico. En Colombia, Resolución 1995 de 1999 del Ministerio de Salud aplica de forma similar. La Resolución 2003 de 2014 regula habilitación de servicios de salud y obliga a trazabilidad de procesos.
En Argentina, Ley 26.529 de derechos del paciente y Ley 25.326 de protección de datos personales. En Chile, Ley 19.628. En todos los países el principio práctico es el mismo: trazabilidad total, backup del escaneo original, consentimiento explícito del paciente.
¿Qué tan precisa es la lectura de letra médica?
Depende del estilo del médico. Letra impresa y bien legible: 95 por ciento. Letra cursiva entrenada: 80 a 90 por ciento. Letra médica clásica difícil: 65 a 80 por ciento. La trampa: aceptar todo lo que el modelo dice. La solución: validación contra catálogo. Si el modelo "lee" un medicamento que no existe, se bloquea. Esto convierte precisión cruda de 75 por ciento en precisión efectiva mayor a 95 por ciento.
Costos según el volumen
| Volumen mensual | Stack recomendado | Costo infraestructura | Captura manual equivalente |
|---|---|---|---|
| 500 recetas | Tesseract + Claude | Según uso | 16 h de trabajo |
| 5,000 recetas | Tesseract + Claude Vision | Según uso | 166 h de trabajo |
| 50,000 recetas | Document AI + Claude | Según uso | 1,666 h de trabajo |
| 200,000 recetas | Pipeline custom | Según uso | Imposible manual |
La IA se cobra por uso, así que la infraestructura crece con el volumen, mientras que la captura manual crece en horas de trabajo.
Próximos pasos
Para clínica o farmacia con 5,000 a 50,000 recetas mensuales y captura manual, el camino es MAGIA Core: 12 semanas, pipeline completo con data lake unificado, vademécum integrado y dashboards de auditoría, con el precio en esa página. Aseguradoras o cadenas con volumen mayor a 100,000 recetas mensuales que necesitan hardening (aislamiento por tenant, logs SHA-256, RBAC granular) también van por MAGIA Core.
Agenda una sesión técnica sin SDR, una llamada con el equipo que construye el pipeline.