Las Guías de Implementación FHIR (IGs) son especificaciones exhaustivas que explican cómo utilizar FHIR para necesidades sanitarias concretas — desde perfiles nacionales de pacientes hasta flujos de trabajo clínicos especializados. Definen qué recursos utilizar, qué códigos incluir y cómo deben comportarse los sistemas para que los datos circulen sin problemas entre organizaciones.
Hoy en día, desarrollar una IG sigue siendo una tarea altamente técnica. Requiere crear CodeSystems, ValueSets, StructureDefinitions y Extensions, para luego publicarlos como una especificación cohesionada y validada. El proceso es complejo y con frecuencia ralentiza los proyectos.
Este artículo analiza un nuevo enfoque: el uso de agentes de IA para generar y probar Guías de Implementación FHIR directamente a partir de lenguaje natural. El objetivo es hacer que el desarrollo de guías sea más rápido, sencillo y accesible — no solo para especialistas técnicos, sino también para clínicos, investigadores y responsables de políticas que comprenden el contexto sanitario pero no desean escribir código JSON.
Los Puntos de Dolor en el Desarrollo de IGs FHIR
Cualquier persona que haya trabajado con FHIR conoce la dificultad. Crear recursos canónicos — los bloques de construcción de la interoperabilidad sanitaria — es complejo. Los ficheros JSON son verbosos, las restricciones son intrincadas y la curva de aprendizaje es tan pronunciada que llega a hacer que incluso desarrolladores experimentados cuestionen sus decisiones profesionales.
Debido a esta complejidad, la comunidad creó herramientas para simplificar el proceso. Una de ellas es FHIR Shorthand (FSH), un lenguaje más compacto y legible en comparación con el JSON puro. Aun así, exige que los desarrolladores aprendan otra sintaxis más y comprendan los matices de la arquitectura subyacente de FHIR.
El proceso de publicación tradicional de IGs
Incluso con FSH, construir una IG sigue siendo un proceso complejo y propenso a errores. El flujo de trabajo habitual es el siguiente:
- Escribir ficheros FSH - Definir recursos con la sintaxis FHIR Shorthand
- Ejecutar SUSHI - Compilar los ficheros FSH en recursos FHIR JSON
- Corregir errores de compilación - Depurar problemas de sintaxis e infracciones de restricciones
- Ejecutar IG Publisher - Generar documentación HTML y realizar la validación final
- Iterar sobre los errores - Resolver los fallos de validación y volver a publicar
- Pruebas manuales - Verificar que los recursos funcionan en los sistemas de destino
Este proceso de múltiples pasos requiere un conocimiento profundo de diversas herramientas: la sintaxis FSH, la compilación con SUSHI, la configuración de IG Publisher y las reglas de validación FHIR. El resultado es un proceso que crea barreras que excluyen a los expertos en el dominio sanitario de una participación directa.
Entonces, ¿qué alternativas existen a este enfoque convencional cargado de herramientas? Los avances recientes en IA pueden ofrecer una vía para repensar cómo se desarrollan y prueban las IGs.
La Solución Impulsada por IA
¿Y si pudiéramos eliminar esta capa de traducción? Imagine que los expertos sanitarios describen sus requisitos en lenguaje natural y la IA genera automáticamente recursos FHIR listos para producción.
Los avances recientes en Modelos de Lenguaje de Gran Tamaño (LLMs) lo hacen posible. La IA moderna puede:
- Comprender el contexto del dominio: Leer descripciones en lenguaje natural de los requisitos sanitarios
- Generar salida estructurada: Crear JSON FHIR válido directamente a partir de especificaciones
- Aplicar buenas prácticas: Garantizar que los recursos generados sigan las convenciones FHIR y las directrices de implementación
- Iterar con rapidez: Permitir refinamientos ágiles basados en retroalimentación sin necesidad de editar JSON manualmente
La idea clave es que la IA puede tender un puente entre la intención humana y la implementación técnica — exactamente lo que necesitamos en el desarrollo de Guías de Implementación FHIR. Esto significa reducir la carga técnica y permitir que tanto desarrolladores como expertos sanitarios contribuyan directamente.
Cerrando el Ciclo: Validación Instantánea con Aidbox
Generar recursos FHIR es solo la mitad de la batalla. La verdadera magia ocurre cuando los agentes de IA pueden probar inmediatamente sus creaciones contra un servidor FHIR en vivo, creando un ciclo de retroalimentación rápido que permite un refinamiento continuo.
El servidor FHIR Aidbox lo hace posible al proporcionar:
- Validación instantánea de recursos: Los recursos generados por IA se validan inmediatamente contra las especificaciones FHIR
- Retroalimentación en tiempo real: Los errores de validación se detectan al instante, lo que permite al agente de IA corregir los problemas de inmediato
- Un entorno de pruebas en vivo: Los recursos pueden crearse, actualizarse y probarse en tiempo real sin esperar a un despliegue
- Conformidad con estándares: Garantiza que todos los recursos cumplan los requisitos de FHIR R4+ antes de ser finalizados
Esto crea un potente ciclo de desarrollo:
- La IA genera recursos FHIR a partir de lenguaje natural
- Aidbox valida los recursos al instante mediante la API REST
- La IA refina en función de la retroalimentación de la validación
- El proceso se repite hasta alcanzar una conformidad perfecta
El resultado es una retroalimentación en cuestión de segundos, un desarrollo más ágil y la garantía de precisión clínica y conformidad técnica.
Proyecto de ejemplo de desarrollo de IG: Github
Para ver cómo funciona esto en la práctica, veamos un proyecto de ejemplo.
Flujo de Trabajo Colaborativo IA-Humano
Prompt inicial para la IA:
Cree un fichero MD para un CodeSystem que incluya códigos de sexo biológico: 1 para Masculino, 2 para Femenino, 3 para Intersex, 93 para «No declarado» cuando se produzcan actualizaciones en el Registro Civil, y 99 para casos Desconocidos.
La IA genera un fichero markdown estructurado como src/CS/CSSexoBiologico.MD, sobre el que usted itera hasta que tenga el aspecto correcto. Una vez satisfecho con la especificación en markdown, simplemente pide a la IA que «cree un recurso FHIR para el sistema de códigos CSSexoBiologico» y esta lo convierte en un recurso FHIR JSON en la carpeta target/: target/CSSexoBiologico.json.
Pruebas Instantáneas con la Integración de Aidbox
Aquí es donde entra en juego la validación. La IA puede probar los recursos generados de inmediato utilizando los comandos de Claude Code y los ficheros .http.
Con Claude Code, basta con ejecutar:
/test-cs CSSexoBiologico
Esto activa el comando personalizado de Claude definido en .claude/commands/test-cs.md, que:
- Examina la estructura del CodeSystem a partir de
src/CS/CSSexoBiologico.MD - Valida la conformidad FHIR con respecto al JSON generado en
target/CSSexoBiologico.json - Inicia el servidor FHIR Aidbox si es necesario (
docker-compose up -d) - Crea o ejecuta conjuntos de pruebas exhaustivos en test/CS/
- Informa sobre los resultados de la validación y las recomendaciones
Fichero de prueba generado (test/CS/test-CSSexoBiologico.http):
@fhirServer = http://localhost:8080/fhir
@auth = Basic basic:secret
### Create CSSexoBiologico CodeSystem
PUT {{fhirServer}}/CodeSystem/CSSexoBiologico
Authorization: {{auth}}
Content-Type: application/json
< ../../target/CSSexoBiologico.json
### Test $lookup operation for code "1" (Male)
GET {{fhirServer}}/CodeSystem/$lookup?system=https://interoperability.testcompany.cl/CodeSystem/CSSexoBiologico&code=1
Authorization: {{auth}}
### Test $lookup operation for code "2" (Female)
GET {{fhirServer}}/CodeSystem/$lookup?system=https://interoperability.testcompany.cl/CodeSystem/CSSexoBiologico&code=2
Authorization: {{auth}}
... Other tests ...
### Test $lookup operation for invalid code "999"
GET {{fhirServer}}/CodeSystem/$lookup?system=https://interoperability.testcompany.cl/CodeSystem/CSSexoBiologico&code=999
Authorization: {{auth}}
### Verify CodeSystem was created
GET {{fhirServer}}/CodeSystem/CSSexoBiologico
Authorization: {{auth}}
### Delete CSSexoBiologico CodeSystem
DELETE {{fhirServer}}/CodeSystem/CSSexoBiologico
Authorization: {{auth}}
Esta configuración permite a los desarrolladores y expertos en el dominio validar recursos rápidamente, observar su comportamiento en un servidor en vivo y refinarlos sin abandonar el flujo de trabajo.
Escalar a una Guía de Implementación Completa
El mismo enfoque impulsado por IA puede aplicarse a todos los tipos de recursos FHIR necesarios para una Guía de Implementación completa:
- ValueSets: La IA genera conjuntos terminológicos exhaustivos y los valida mediante las operaciones $expand y $validate-code para probar las reglas de inclusión y exclusión de códigos (véase el comando test-vs | fichero de prueba).
- Perfiles: La IA crea recursos de paciente restringidos con extensiones y valida todas las restricciones del perfil, incluidas la cardinalidad, los tipos de datos y los enlaces terminológicos (véase el comando test-profile | fichero de prueba).
- Extensiones: La IA define elementos de datos reutilizables con niveles de enlace adecuados y valida su integración en los recursos base.
Cada tipo de recurso sigue el mismo patrón: describir los requisitos en lenguaje natural → la IA genera markdown → convertir a FHIR JSON → validación instantánea en Aidbox.
Esto permite escalar desde un único CodeSystem hasta una Guía de Implementación completa y lista para producción.
Publicación de la Guía de Implementación
Una vez validados todos los recursos, el paso final es publicar la guía completa. Esto suele implicar:
- Comando publish-ig – Genera la documentación HTML
- Comando view-ig – Vista previa de la IG publicada en local
Juntos, estos pasos producen un conjunto completo de documentación y recursos, listos para su uso y distribución.
El Flujo de Trabajo Completo Impulsado por IA
En este punto, todo el ciclo se integra:
- La IA genera documentación en markdown a partir de lenguaje natural
- La IA convierte el markdown en recursos FHIR JSON válidos
- La IA crea conjuntos de pruebas exhaustivos para todos los tipos de recursos
- Aidbox valida los recursos en tiempo real mediante la API REST
- La IA refina en función de la retroalimentación de la validación
- IG Publisher genera la documentación final
Advertencias y el Camino por Delante
El desarrollo de IGs asistido por IA es todavía una práctica emergente. Aunque ya puede reducir el trabajo repetitivo y acortar los ciclos de retroalimentación, hay áreas que requieren una atención cuidadosa:
- Precisión clínica – La IA puede generar recursos técnicamente válidos, pero los expertos humanos deben asegurarse de que reflejen los requisitos clínicos y normativos correctos.
- Restricciones complejas – no todas las reglas avanzadas o invariantes son fáciles de capturar a partir de prompts en lenguaje natural. Algunas siguen requiriendo la intervención de un experto.
- Alineación comunitaria – una Guía de Implementación solo tiene valor cuando la comunidad la acepta y adopta. La IA puede ayudar a crear IGs más rápidamente, pero la construcción de consenso sigue siendo una tarea humana.
De cara al futuro, vemos un escenario en el que expertos sanitarios y desarrolladores trabajan codo con codo junto a agentes de IA: los expertos describen la intención, la IA produce el primer borrador y ambos refinan el resultado conjuntamente. Esto haría que el desarrollo de Guías de Implementación fuera más inclusivo, más rápido y más cercano a las necesidades del mundo real.
¿Desea verlo en la práctica?
Todo el código fuente está disponible en el repositorio agentic-coding-ig-development. Puede explorar los flujos de trabajo, ejecutar los comandos y comprobar paso a paso cómo funciona el desarrollo de IGs impulsado por IA.
Creemos que este enfoque es solo el comienzo. Combinando la experiencia en el dominio, la IA moderna y herramientas como Aidbox, las Guías de Implementación pueden desarrollarse más rápido, con menos sobrecarga y con una participación más amplia de la comunidad sanitaria.
Pruébelo usted mismo con Aidbox: ponga en marcha un servidor FHIR, ejecute el ciclo de validación y compruebe cómo la IA puede generar y probar recursos en cuestión de minutos. Comience hoy mismo y comparta su experiencia — su retroalimentación ayudará a dar forma al futuro del desarrollo FHIR impulsado por IA.
