---
{
  "title": "De formularios en papel a FHIR: conversión asistida por IA",
  "description": "Cómo diseñar formularios FHIR convirtiéndolos desde PDF/papel mediante LLMs y encadenamiento de prompts — fases prácticas del pipeline con el kit de herramientas de IA de Aidbox.",
  "date": "2025-05-08",
  "author": "Olim Saidov",
  "reading-time": "10 min",
  "tags": [
    "Forms",
    "Aidbox"
  ]
}
---

> For the complete documentation index, see [llms.txt](https://www.health-samurai.io/llms.txt).
> Use it to discover all available pages before guessing URLs.

---
## Introducción: el reto persistente de la documentación médica

Incluso con la avanzada tecnología médica actual, muchos centros sanitarios siguen dependiendo en gran medida de los [formularios en papel](/blog/pdf-to-digital) para registrar la información de los pacientes. Este uso continuado del papel genera importantes problemas: provoca retrasos entre la recogida de información y su entrada en los sistemas digitales, da lugar a errores cuando el personal introduce los datos manualmente y, en general, ralentiza la atención al paciente. Lo más grave es que todo este papeleo consume el valioso tiempo de los clínicos, que debería dedicarse a los pacientes, contribuyendo al agotamiento profesional y afectando a la calidad de la atención.

Por estos inconvenientes, el sector sanitario avanza lentamente hacia métodos sin papel. Los formularios electrónicos o los [formularios médicos en línea](/blog/top-10-medical-forms) son la solución evidente. Ofrecen una forma moderna y eficiente de gestionar los datos de los pacientes, abordando problemas históricos relacionados con la exactitud, el almacenamiento, la seguridad y el acceso sencillo a información vital.

Resolver este problema persistente del papel requiere soluciones prácticas y aplicables al mundo real para ayudar al sector sanitario a digitalizarse. Si bien [Aidbox Forms](/articles/closing-the-loop-from-forms-to-insights-introducing-the-ai-assistant-in-aidbox-forms) ha proporcionado durante mucho tiempo herramientas para crear y gestionar formularios digitales, el reto de convertir los extensos archivos de formularios existentes en papel o en formato PDF seguía siendo un obstáculo significativo para muchas organizaciones.

## Presentación del kit de herramientas de IA: mejora de Aidbox Forms para la conversión de PDF a FHIR

Para abordar el reto de digitalizar los [formularios médicos](/articles/top-10-medical-forms) heredados, el equipo de Aidbox Forms desarrolló una nueva funcionalidad basada en IA. Este motor de IA es nuestra solución específica para convertir PDFs de formularios médicos heredados en formularios digitales basados en los Cuestionarios FHIR Structured Data Capture (SDC) interoperables.

La función principal de este nuevo motor de IA consiste en analizar PDFs de formularios médicos de diversa índole y generar automáticamente los recursos FHIR SDC correspondientes. Integra varias tecnologías de IA en un flujo de trabajo de múltiples etapas diseñado específicamente para esta tarea de conversión:
- **Análisis de entrada:** el motor ingiere los PDFs cargados por el usuario, diferenciando entre formatos digitales nativos y documentos en papel escaneados para adaptar el procesamiento.
- **Extracción de diseño y contenido:** el Reconocimiento Óptico de Caracteres (OCR) avanzado analiza la estructura visual y extrae texto, identifica posibles campos y etiquetas esenciales para comprender el diseño del formulario.
- **Estructuración inteligente:** los modelos de aprendizaje automático interpretan esta información extraída, clasificando los elementos en tipos de campo (entradas de texto, casillas de verificación, etc.) y mapeando el diseño visual a una estructura lógica preliminar del formulario.
- **Interpretación semántica y generación FHIR:** los Grandes Modelos de Lenguaje (LLMs) procesan estos datos estructurados, comprenden las instrucciones y la lógica del formulario (incluidas las rutas condicionales) y aprovechan el conocimiento integrado de los estándares sanitarios para generar el Cuestionario FHIR SDC en formato JSON.
- **Soporte de verificación:** reconociendo la importancia de la exactitud clínica, el motor genera el borrador del Cuestionario FHIR junto con herramientas que facilitan la revisión humana esencial, utilizando la IA para destacar las áreas que probablemente requieran atención.

Este flujo de trabajo impulsado por IA constituye el mecanismo central de esta nueva funcionalidad de Aidbox Forms, diseñada específicamente para automatizar la compleja tarea de convertir documentos heredados en un formato digital moderno y estandarizado. Sin embargo, trasladar esta capacidad específica del concepto a una funcionalidad robusta y lista para producción implicó superar numerosos obstáculos técnicos del mundo real, que nos llevaron directamente a las complejidades prácticas de la implementación.

## Del concepto a la práctica: un recorrido de implementación en el mundo real

Aunque el proceso de alto nivel puede parecer sencillo, el camino hacia la digitalización de [formularios médicos](https://www.health-samurai.io/articles/top-10-medical-forms) mediante IA está repleto de complejidades del mundo real. Nuestro equipo de implementación se enfrentó a una tarea clara pero difícil: convertir una amplia gama de formularios existentes de admisión de pacientes y formularios clínicos, presentados por centros médicos como documentos PDF, en recursos digitales estandarizados e interoperables basados en el formato FHIR Structured Data Capture (SDC) Questionnaire.

### Fase 1: categorización del material fuente

El primer paso consistió en analizar los PDFs presentados. Estos documentos se dividían en dos tipos generales:
- PDFs generados digitalmente, creados con tecnologías de formularios como AcroForms, XFA (XML Forms Architecture) y variantes PDF/A.
- Formularios en papel escaneados, guardados como PDFs que contenían únicamente imágenes rasterizadas de documentos impresos.

Inicialmente nos centramos en los PDFs digitales, suponiendo que sería más sencillo extraer programáticamente la estructura del formulario, los metadatos y los campos interactivos analizando directamente el contenido del PDF.

### Fase 2: enfrentarse a la complejidad de los estándares PDF

Esta suposición se vio pronto cuestionada. Analizar e interpretar los distintos estándares PDF resultó ser mucho más complejo de lo previsto. Cada formato —AcroForms, XFA, PDF/A— presentaba estructuras únicas, peculiaridades en las herramientas y problemas de compatibilidad:
- AcroForms a menudo carecía de contexto semántico rico para los campos.
- Los formularios XFA, aunque potencialmente ricos, adolecían de soporte inconsistente en las distintas bibliotecas y visores.
- Los documentos PDF/A, diseñados para el archivado a largo plazo, frecuentemente carecen de la interactividad dinámica de formularios necesaria para una extracción fiable de metadatos.

Intentar construir un parser universal suficientemente robusto para gestionar todos los casos extremos habría requerido un esfuerzo de ingeniería insostenible.

### Fase 3: introducción de LLMs en el pipeline

Al constatar las limitaciones del análisis tradicional, nos orientamos hacia enfoques impulsados por IA, específicamente capaces de analizar documentos. Nuestro primer intento utilizó DocLLM, un modelo entrenado para comprender el diseño y el contenido de documentos. Sin embargo, los resultados fueron decepcionantes.

Aunque DocLLM podía identificar elementos básicos del diseño visual —como secciones, etiquetas y agrupaciones de campos—, tenía dificultades con la comprensión semántica más profunda necesaria para los campos de formularios médicos, la lógica condicional (p. ej., «Si la respuesta es sí, responda la pregunta 5») y el mapeo preciso de estos a las estructuras de datos específicas de FHIR.

### Fase 4: aprovechamiento de la IA generativa con conocimiento FHIR

El avance llegó cuando pasamos a herramientas de IA generativa de propósito general como ChatGPT y Google Gemini. Estos modelos no solo poseen amplias capacidades lingüísticas, sino también un extenso conocimiento integrado de los estándares sanitarios, en particular FHIR y su recurso SDC Questionnaire. De forma crucial, también ofrecen capacidades avanzadas de comprensión de documentos, lo que nos permitió introducir páginas de PDF *como imágenes* directamente en el prompt.

Nuestros experimentos iniciales utilizaron un prompt sencillo:

«Genera un Cuestionario FHIR SDC a partir de estas páginas del documento.»

Esto arrojó resultados prometedores, pero requirió un refinamiento significativo. Los modelos podían interpretar los campos del formulario y generar salidas en JSON. Sin embargo, los cuestionarios generados a menudo no eran completamente fieles al formulario original: omitían la lógica condicional, interpretaban erróneamente los tipos de campo o no capturaban la jerarquía estructural prevista (p. ej., grupos de preguntas anidados).

Estaba claro que íbamos por el buen camino, pero era necesario un mayor refinamiento para lograr una precisión constante a nivel de producción.

### Fase 5: escalado del enfoque y superación de los límites de tokens

Mediante el refinamiento iterativo de los prompts, comenzamos a obtener salidas de Cuestionarios FHIR SDC consistentes y razonablemente precisas, a menudo utilizando prompts zero-shot sin necesidad de ejemplos complejos. Esto supuso una ganancia significativa en eficiencia.

Sin embargo, al escalar para procesar formularios más grandes de múltiples páginas con diseños densos, nos encontramos con un obstáculo persistente: los límites de tokens de salida de la IA. Al generar el recurso JSON completo del Cuestionario FHIR SDC, la salida se truncaba con frecuencia al alcanzar el umbral máximo de tokens del modelo. Esto daba lugar a JSON incompleto e inválido, interrumpiendo la definición a mitad de un campo o dentro de una estructura anidada.

Nuestra solución temporal consistía en analizar el JSON parcial hasta el último elemento válido, descartar el fragmento final incompleto y reconstruir un recurso de Cuestionario sintácticamente válido (aunque incompleto). Aunque esto salvaba parte de la salida utilizable, a menudo se perdían las últimas preguntas de los formularios más largos y se añadía una sobrecarga considerable durante el control de calidad y la corrección manual. Este problema dejó claro que necesitábamos una solución más robusta para gestionar las salidas de gran tamaño.

### Fase 6: encadenamiento de prompts y los retos de la continuidad

Para abordar los límites de tokens, implementamos una estrategia de encadenamiento de prompts. Si la salida del modelo se truncaba, volvíamos a emitir la solicitud, proporcionando el último fragmento JSON incompleto e instruyendo al modelo para que continuara:

«Continúa generando la salida JSON, manteniendo una sintaxis JSON estricta. No repitas elementos anteriores.»

A continuación concatenábamos los fragmentos. En teoría, esto debería haber funcionado sin problemas.

En la práctica, sin embargo, mantener la continuidad resultó difícil. Surgieron varios problemas:
- **Saltos de línea extraños:** pequeños errores de sintaxis causados por saltos de línea adicionales al inicio de las respuestas de continuación.
- **Pérdida de contexto y duplicación de estructura:** un problema más grave en el que el modelo perdía el hilo de la estructura anterior, especialmente si la interrupción se producía a mitad de una cadena o dentro de objetos anidados. Podía iniciar una nueva sección, duplicar campos o desajustar los corchetes.

Estas inconsistencias daban lugar frecuentemente a salidas no analizables o semánticamente incorrectas. Depender de que el LLM simplemente «retomara donde lo había dejado» para datos estructurados complejos como JSON resultó ser poco fiable.

### Fase 7: convertir la IA en su propio motor de ensamblaje

El avance definitivo llegó al usar el propio LLM para *ensamblar* correctamente los fragmentos JSON parciales. En lugar de la concatenación manual o una lógica de análisis compleja, le propusimos al LLM una «tarea de reparación»:

**Prompt:**

«Concatena correctamente estos dos JSON parciales para formar un único JSON parcial sintácticamente correcto.

Estos JSON representan un recurso FHIR SDC Questionnaire. El segundo JSON puede incluir datos solapados al inicio con el primero.

No se te permite modificar el inicio del primer JSON ni el final del segundo. Genera únicamente JSON sin ningún texto adicional.»

Suministrábamos las últimas ~10 líneas del primer fragmento truncado y las primeras ~10 líneas del segundo fragmento, incluyendo el contenido solapado. El algoritmo puede representarse con el siguiente pseudocódigo:
![From Paper Form to FHIR](image-1.avif)
Los resultados fueron notablemente precisos:
- El modelo respetó tanto la sintaxis como la estructura semántica del Cuestionario FHIR SDC.
- El contenido solapado fue detectado y deduplicado de forma inteligente.
- El fragmento conector generado podía insertarse sin problemas entre las partes recortadas.

Este enfoque creó efectivamente un método de streaming JSON resiliente y escalable, impulsado íntegramente por lógica de prompts. Nos permitió sortear los límites de tokens de salida y generar de forma fiable Cuestionarios FHIR SDC completos y válidos para formularios PDF grandes y complejos, sin ensamblaje manual ni postprocesamiento propenso a errores.

## Conclusión: avanzando con la IA en la documentación sanitaria

Convertir [formularios médicos](https://www.health-samurai.io/articles/top-10-medical-forms) heredados en papel a formatos digitales estructurados como los [Cuestionarios FHIR SDC](https://www.health-samurai.io/medical-form) es una tarea compleja, pero con un enorme potencial de beneficios. Nuestra experiencia construyendo esta funcionalidad impulsada por IA para Aidbox Forms nos demostró que los modelos potentes por sí solos no son suficientes. El éxito proviene de diseñar los prompts adecuados, gestionar los casos extremos y construir flujos de trabajo que funcionen dentro de las limitaciones de la IA actual.

Tuvimos que resolver problemas relacionados con formatos PDF inconsistentes, límites de tokens y el mantenimiento de la continuidad estructural en salidas de gran tamaño. Al hacerlo, desarrollamos técnicas específicas —como utilizar la IA para ensamblar con precisión las salidas parciales— que convirtieron un proceso frágil en un sistema robusto.

Esta solución ahora puede gestionar de forma fiable formularios PDF complejos de múltiples páginas y generar automáticamente Cuestionarios FHIR completos y utilizables. El resultado son flujos de trabajo de documentación más rápidos y precisos que reducen la carga de papeleo sobre los clínicos y mejoran la calidad de los datos de los pacientes.

Nuestra experiencia demuestra el papel fundamental que la IA puede desempeñar en la transformación de la documentación sanitaria, y apunta hacia un futuro en el que herramientas digitales inteligentes y conectadas ayuden a los clínicos a ofrecer una atención mejor.

¿Tiene curiosidad por ver cómo funciona esto en la práctica? Vea un ejemplo real de un formulario médico complejo, como una Evaluación de Riesgos, siendo convertido en un Cuestionario FHIR estructurado mediante IA. Vea el vídeo: [Cómo la IA acelera la conversión de formularios en papel a formato digital](https://youtu.be/Ns3WsYFcgcA?si=FUXlKGlcsbH62N0u). Si está listo para explorar la plataforma: visite [aidbox.app](https://aidbox.app) y pruebe Aidbox Forms por sí mismo.


{% embed url="https://youtu.be/ypgJvFYiyxs" %}

{% embed url="https://youtu.be/Ns3WsYFcgcA" %}