Diagnóstico asistido por IA: predicción para la detección temprana de enfermedades en medicina veterinaria basada en historiales clínicos

La transformación digital en medicina veterinaria ha generado volúmenes crecientes de datos clínicos que, en la mayoría de las clínicas pequeñas y medianas, suelen estar subutilizados por la falta de herramientas analíticas accesibles. Este trabajo presenta un marco de diagnóstico asistido que integra inteligencia artificial (IA) para detectar de forma temprana enfermedades respiratorias, digestivas y hepáticas en mascotas mediante el análisis semántico de historiales clínicos electrónicos. La propuesta se concreta en una arquitectura híbrida que combina un sistema veterinario desarrollado en Spring Boot con un motor de orquestación n8n y un agente de lenguaje de gran escala que se consume mediante API segura. Tras aplicar criterios rigurosos de selección, como la edad entre 0,5 y 15 años, especie canina o felina, y un historial clínico completo superior al 85%, se evaluó el flujo operativo en 320 historiales clínicos de dos clínicas urbanas en Quito, Ecuador, durante una semana de observación controlada. Los resultados mostraron una reducción promedio de 15,2 minutos en el tiempo necesario para formular diagnósticos diferenciales, bajando de 40,7 a 25,5 minutos por caso. El 81,6% de las alertas generadas por el sistema fueron aceptadas sin cambios significativos por los veterinarios. Además, el coeficiente kappa de Cohen alcanzó 0,77, lo que indica una buena concordancia entre las sugerencias del agente y los diagnósticos finales confirmados por los especialistas. Estos hallazgos demuestran que la automatización del análisis clínico mediante arquitecturas ligeras y de código abierto es posible en entornos reales. Reduce la carga mental del profesional sin reemplazar su juicio clínico y ofrece una opción accesible para clínicas con recursos limitados que desean modernizar sus procesos diagnósticos.