Etiqueta
Examya
Agente médico de WhatsApp para órdenes de exámenes en Chile.
13 posts
FHIR DiagnosticReport: cómo un resultado de laboratorio viaja de vuelta al médico que lo ordenó
El resultado salió del analizador. Ahora tiene que llegar al sistema del médico que lo pidió — sin PDF, sin WhatsApp, sin intermediario humano. Así funciona DiagnosticReport FHIR y así lo implementa Examya.
Cómo instalé el primer lab PCR privado de Magallanes (y por qué terminé construyendo IA)
En marzo 2021, subí un gabinete de 300 kg con grúa al segundo piso en cuarentena patagónica. En mayo procesábamos los primeros PCR COVID privados de Magallanes. Lo que aprendí en esas noches me llevó a construir Examya.
Sub-agentes que alucinan: 3 tests fallando que gemini-flash juró que pasaban
gemini-flash reportó 'all tests passing': 3 tests fallaban, 353 líneas de package-lock.json de regalo. El protocolo de 4 comandos que armé para auditar sub-agentes en Examya.
De 0 a pagos por WhatsApp: Mercado Pago + Stripe desde una conversación
Cómo construí un sistema de pagos integrado en WhatsApp que procesa órdenes médicas y cobra automáticamente con Mercado Pago y Stripe.
FHIR + Ley 21.668: cómo Examya se prepara para la interoperabilidad obligatoria en Chile
Cómo estamos agregando una capa FHIR sobre el stack actual de Examya (NestJS + Prisma + pgvector) para cumplir con la Ley 21.668 sin reescribir todo.
Laboratorios clínicos: la pieza que falta para interoperar la salud en Chile
Mapeamos 245 laboratorios clínicos de Arica a Punta Arenas. Cuatro de cada diez no tiene presencia digital funcional. La Ley 21.668 los va a obligar a interoperar en 2026. Estos son los datos del terreno.
Chile obliga a interoperar fichas clínicas: por qué esto cambia todo para la salud digital
La Ley 21.668 obliga a todos los prestadores de salud en Chile a interoperar sus fichas clínicas. Analizo qué significa esto técnicamente, qué estándares vienen (FHIR, SNOMED CT, AIToF), y cómo Examya se está preparando para este nuevo mercado obligatorio.
Crowdsourcing de precios médicos: cómo Examya construye transparencia de costos capa por capa
Arquitectura real de las 3 capas de inteligencia de precios en Examya: datos FONASA, crowdsourcing de usuarios y generación de órdenes desde WhatsApp. Con código, decisiones de diseño y bugs reales.
OCR médico en WhatsApp: cómo mi agente lee órdenes de exámenes y resultados de laboratorio
Arquitectura real del pipeline OCR de Examya: cómo un agente de IA clasifica fotos en WhatsApp, decide si son órdenes médicas o resultados de laboratorio, y genera cotizaciones FONASA automáticamente. Con bugs reales y decisiones de diseño explicadas.
DeepEval: cómo mido la calidad de mi agente médico con métricas objetivas
Cómo construí un evaluation layer con DeepEval para medir la calidad de Shuri, el agente médico de Examya. Con datos reales: de 20% a 70% en E2E, métricas custom para FONASA, y por qué gpt-5-nano no sirve para structured output.
pgvector + embeddings en producción: La base de razonamiento médico en Examya
Arquitectura de búsqueda semántica y similitud textual en producción con pgvector, pg_trgm y datos MINSAL reales.
Una semana de construcción: 82 decisiones que moldean un producto de IA
Lo que revelan las memorias de Engram sobre una semana real de desarrollo: bugs cazados, arquitectura endurecida, y las decisiones invisibles que hacen que un agente médico funcione.
Examya: cómo construí un agente médico para WhatsApp que procesa órdenes de exámenes
Detalles técnicos de la implementación del agente Shuri en Examya, un sistema para procesar órdenes médicas vía WhatsApp con integración FONASA.