Los casos de uso que siguen son ejemplos ilustrativos de cómo AyGLOO se aplica en cada sector. Cada snapshot muestra tres cosas: qué decisión toma el modelo, por qué la toma y con qué certeza, y qué acción concreta se recomienda. El analista pasa de recibir una puntuación sin contexto a una recomendación razonada, cuantificada y lista para validar.

Prescriptive Decision AI para Salud · Clínica
Salud · Clínica
Optimización de Pruebas Diagnósticas

Los paneles de pruebas diagnósticas se definen por protocolo y se aplican de forma amplia a toda la población. El clínico no sabe qué pruebas del panel pedido aportan valor diagnóstico real para ese perfil concreto, ni qué pruebas adicionales, que no ha pedido, sí lo aportarían. AyGLOO convierte ese proceso en cuatro beneficios concretos: la explicación de por qué los resultados actuales son relevantes para ese paciente específico; la detección de pruebas redundantes sin valor incremental; la identificación de la prueba de mayor rendimiento diagnóstico no pedida; y la recomendación de panel optimizado con el ahorro estimado por perfil de paciente.

1
El análisis de tendencias históricas detecta patrones clínicamente significativos que una lectura aislada no revela, como una progresión hacia prediabetes en tres paneles consecutivos.
2
El ISA identifica pruebas redundantes para ese perfil concreto y detecta micro-segmentos de pacientes con prescripción sistemáticamente excesiva.
3
Las simulaciones identifican la prueba de mayor rendimiento diagnóstico que no se ha pedido y cuantifican bajo qué condiciones del perfil ese valor cambia.
4
La recomendación de panel optimizado y la explicación al paciente se generan automáticamente, con el ahorro estimado para el sistema sanitario por cohorte de perfil.
Hoy, lo que el laboratorio recibe
Paciente #ECH-20260218-3847 5 pruebas solicitadas Hemograma · Bioquímica básica · Perfil lipídico · TSH · Glucosa en ayunas · Sin contexto adicional
Con AyGLOO. Misma solicitud, completamente analizada
Paciente #ECH-20260218-3847 · Mujer, 54 años 5 pruebas solicitadas · Historial de 12 meses disponible
XAI · Twin Por qué se recomienda ajustar este panel ISA Detección de redundancias CF · What-if Simulación diagnóstica Action Panel optimizado recomendado PDF Trazabilidad clínica
1. Por qué se recomienda ajustar este panel. Twin model (profundidad 7 · fidelidad 96.8%)
100%IF glucosa_tendencia_alcista ≥ 3 paneles AND edad > 50 AND IMC > 27 → Solicitar HbA1c. Fiabilidad total. La tendencia 98 → 104 → 109 mg/dL en este perfil confirma riesgo de prediabetes (importancia: 0.42). La decisión final es del clínico.
81%IF LDL > 155 AND estatina_prescrita = true → Posible falta de adherencia o dosis insuficiente. LDL sostenido >155 mg/dL pese a tratamiento (importancia: 0.31). Revisar antes de repetir perfil lipídico.
59%IF TSH_estable_3paneles = true sin otros factores → Rendimiento bajo para este perfil en frecuencia anual. TSH 0.82–1.4 mIU/L en 3 paneles consecutivos. Diferir a ciclo de 24 meses.
Las reglas con 100% de fiabilidad identifican la recomendación con mayor certeza integrando la tendencia histórica de ese paciente concreto. El clínico valida y decide: la fiabilidad alta informa con qué confianza se hace, no automatiza la decisión clínica.
XAITwin
2. Pruebas redundantes detectadas (ISA)
Glucosa en ayunas: ya cubierta por el panel de bioquímica básica solicitado, duplicado sin valor diagnóstico incremental · TSH: resultado estable y dentro del rango en los últimos 3 paneles consecutivos (0.82–1.4 mIU/L), rendimiento bajo para este perfil en frecuencia anual
El ISA no evalúa las pruebas de forma aislada sino en el contexto del historial de ese paciente. La TSH puede tener valor en otro perfil; para este, en este momento, es ruido.
ISA
3. Análisis de simulación diagnóstica. Qué prueba añade más valor y bajo qué condiciones
HbA1c no solicitada: rendimiento diagnóstico para este perfil 0.87 · Cuantificaría la exposición media de glucosa en los últimos 3 meses y permitiría intervención preventiva antes de cruzar el umbral diagnóstico · Si el IMC bajara a <25: rendimiento baja a 0.61, la HbA1c sigue siendo recomendable pero con menor urgencia · Si la tendencia de glucosa se estabilizara en el próximo panel: rendimiento baja a 0.48, revisar en 6 meses · La tendencia alcista sostenida es la señal que hace que la prueba sea urgente ahora
El análisis de simulación combina qué prueba añade más valor con bajo qué condiciones del perfil ese valor cambia. En diagnóstico no tiene sentido separar los dos: la acción concreta es la misma prueba en ambos casos.
CFWhat-if
4. Panel optimizado recomendado y explicación al paciente
Eliminar: glucosa en ayunas (duplicado) · Diferir: TSH a ciclo de 24 meses para este perfil · Añadir: HbA1c, máximo valor clínico dada la trayectoria de glucosa · Cambio neto: –2 pruebas redundantes, +1 prueba de alto rendimiento
Ahorro estimado para la Seguridad Social: €18,40 por paciente en esta cohorte de perfil
⚠ Esta recomendación requiere clasificación SaMD bajo MDR Anexo VIII Regla 11, con independencia del cumplimiento del EU AI Act. No apta para entrega directa al paciente sin validación regulatoria previa.
ActionPDF

Ejemplo ilustrativo. Cada despliegue se adapta a los modelos, datos y operativa de cada entidad.

Alerta Temprana de Sepsis

Los modelos de alerta temprana puntúan pacientes en riesgo de sepsis. El problema es que el 70–80% de las alertas se ignoran porque el clínico recibe un número sin contexto: no sabe qué señales están impulsando el riesgo, con qué velocidad evoluciona, ni cuánto tiempo tiene para actuar. AyGLOO convierte esa alerta en cuatro beneficios concretos: las reglas de alerta con nivel de fiabilidad identifican el patrón de deterioro con las importancias de cada señal integradas; el ISA contextualiza al paciente en su segmento clínico con la mortalidad histórica; las simulaciones cuantifican el impacto de cada intervención y cómo evolucionaría el riesgo según la respuesta al tratamiento; y el protocolo paso a paso se genera calibrado para ese paciente concreto.

1
Las reglas de alerta con nivel de fiabilidad convierten una alerta que se ignora en una alerta que se entiende, con el patrón de deterioro, las señales dominantes y la ventana temporal.
2
El ISA contextualiza al paciente en su segmento clínico, con la mortalidad a 30 días si no se actúa y el historial de casos similares en los últimos 18 meses.
3
Las simulaciones cuantifican el impacto de cada intervención posible y cómo evolucionaría el riesgo según la respuesta al tratamiento, incluyendo el plan B si el lactato no responde.
4
El protocolo clínico paso a paso con la ventana de 90 minutos se genera automáticamente, calibrado para ese paciente concreto, no para un protocolo genérico.
Hoy, lo que el clínico recibe
Paciente: Cama 4B · Postquirúrgico · 67 años Riesgo de sepsis: 0.89 · ALTO Alerta generada 14:23 · Sin contexto adicional
Con AyGLOO. Misma alerta, completamente enriquecida
Cama 4B · 67 años · Día 2 postlaparotomía Riesgo de sepsis: 0.89 · Ventana de actuación: <90 min
XAI · Twin Reglas de alerta con señales dominantes ISA Contexto del segmento clínico CF · What-if Simulaciones de intervención y seguimiento Action Protocolo clínico paso a paso PDF Trazabilidad clínica
1. Reglas de alerta con señales dominantes. Twin model (profundidad 7 · fidelidad 95.9%)
100%IF lactato > 2.5 AND tendencia_alcista_4h = true AND cirugía_días ≤ 3 → Sepsis inminente: actuar en <90 minutos. Lactato 1.4 → 2.1 → 3.1 mmol/L en 4h (importancia: 0.38), FC >100 lpm sostenida 3h (0.29), leucocitos en caída (0.22). El clínico valida y ejecuta el protocolo.
82%IF FC_100lpm_sostenida_3h = true AND PAM < 70 AND leucocitos_tendencia_bajista = true → Deterioro hemodinámico activo. Notificar UCI si lactato no responde a fluidos en 30 min.
61%IF lactato > 2.0 sin otros factores → Señal débil aislada. Repetir lactato en 2h antes de escalar.
La tendencia del lactato es la señal dominante: una elevación progresiva en 4h en un paciente postquirúrgico día 2 es el patrón más consistente con sepsis incipiente. No es un valor aislado elevado, es una dirección.
XAITwin
2. Contexto del segmento clínico (ISA)
Microsegmento de alto riesgo: cirugía abdominal, edad >65, lactato >2.5 mmol/L · Mortalidad a 30 días si no se actúa: 34% · 8 perfiles similares en los últimos 18 meses: 6 desarrollaron shock séptico cuando la intervención se retrasó más de 2h
El ISA convierte una probabilidad abstracta en un referente concreto: de los últimos 8 pacientes con este mismo perfil, 6 entraron en shock cuando se esperó más de 2 horas. Eso hace la alerta imposible de ignorar.
ISA
3. Simulaciones. Impacto de cada intervención y evolución según respuesta al tratamiento
Carga de fluidos IV (30 mL/kg) en 30 min: si lactato responde (↓ ≥10%), riesgo baja 0.89 → 0.52 · Hemocultivos + antibiótico en 60 min: reduce mortalidad a 30 días un 28% en este segmento · Si lactato no desciende tras fluidos: riesgo se mantiene en 0.89, escalar a vasopresores inmediatamente · Si FC baja de 100 lpm en 2h: riesgo baja a 0.61 · Si PAM se normaliza >70: riesgo baja a 0.58 · La respuesta del lactato a los fluidos es la señal de seguimiento más determinante
Las simulaciones hacen dos cosas: el CF cuantifica el impacto de cada intervención antes de actuar, incluyendo el plan B si el lactato no responde. El What-if orienta el seguimiento en tiempo real durante las primeras horas, señalando dónde poner la atención.
CFWhat-if
4. Protocolo clínico recomendado
Actuar en los próximos 90 minutos. Paso 1 (ahora): extraer hemocultivos ×2, solicitar procalcitonina + PCR · Paso 2 (<30 min): carga de fluidos 500 mL de cristaloides, reevaluar lactato · Paso 3 (<60 min): iniciar antibiótico empírico de amplio espectro según protocolo local · Paso 4: notificar a UCI si el lactato no responde o PAM <65 tras fluidos
⚠ La selección del antibiótico es responsabilidad del clínico, sujeta al antibiograma local, alergias del paciente y formulario del centro. Este output no constituye una recomendación de prescripción.
El protocolo no es genérico: está calibrado para el perfil de este paciente y la ventana temporal específica. El clínico no tiene que recordar el protocolo de sepsis ni decidir el orden de las intervenciones bajo presión.
ActionPDF

Ejemplo ilustrativo. Cada despliegue se adapta a los modelos, datos y operativa de cada entidad.