smarthealth-ai

SmartHealth AI: Sistema omnicanal de pre-triaje médico. Integra un agente LLM en WhatsApp (OpenClaw) con un dashboard clínico reactivo, respaldado por un motor de inferencia en Spring Boot y memoria a largo plazo en PostgreSQL.

. Herramientas y Frameworks Base (Prior Work / Out-of-the-box):
​Backend Framework: Utilizamos Spring Boot (Java 17) como base de la aplicación.
​LLM Integration: Utilizamos la librería de Spring AI para la conexión con modelos de lenguaje.
​Agente Conversacional: Implementamos el framework de código abierto “OpenClaw” para manejar el flujo conversacional en WhatsApp y la persistencia de sesiones locales (.jsonl).
​Microservicio de Notificaciones: Usamos un script base de Node.js (whatsapp-sender) genérico para el envío de mensajes por la API de WhatsApp.
​Frontend UI: Utilizamos Tailwind CSS vía CDN para el maquetado rápido de la interfaz.
​2. Código y Arquitectura Creados DURANTE el Hackathon:
Todo el diseño lógico, la integración entre sistemas y las reglas de negocio fueron desarrolladas desde cero durante este evento. Específicamente:
​Arquitectura de Memoria Híbrida: Diseñamos e implementamos el DirectoryWatcher en Java que intercepta en tiempo real los archivos de sesión de OpenClaw y los persiste en una base de datos PostgreSQL, superando los límites de contexto de un LLM estándar.
​Motor de Inferencia (Triaje Clínico): Programamos el servicio de análisis (TriageService.java) que toma el historial del paciente, aplica un “System Prompt” con guardrails clínicos estrictos basados en la Escala de Manchester (“Ley de probabilidad”, “Banderas rojas”) y formatea la salida en JSON puro.
​Dashboards Reactivos: Construimos desde cero las vistas de recepción (recive.html) y directorio médico (doctor-panel.html) utilizando Vanilla JavaScript y short-polling (intervalos de 5s) para consumir la API REST de nuestro backend y visualizar las urgencias en tiempo real.
​Lógica de Aprobación “Human-in-the-Loop”: Implementamos el flujo donde la deducción de la IA es pausada en un estado “Pendiente” hasta que un especialista humano valida y ajusta la gravedad antes de disparar las notificaciones asíncronas.