---
{
"title": "Presentamos el constructor de modelos en MDMbox 2610.0",
"description": "Entrene modelos de emparejamiento de pacientes a partir de datos FHIR sin pares etiquetados. Revise las decisiones y utilice el mismo modelo para el emparejamiento en línea y masivo.",
"date": "2026-11-06",
"author": "Health Samurai Team",
"reading-time": "4 min read",
"tags": [
"FHIR Tools",
"SQL on FHIR",
"MDMbox"
],
"utm-campaign": "feature",
"utm-content": "model-builder"
}
---
> 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.
---
Un nombre mal escrito o una dirección desactualizada pueden ocultar un registro de paciente duplicado. **El constructor de modelos en MDMbox 2610.0 aprende los parámetros de emparejamiento a partir de sus datos FHIR de pacientes**, sin necesidad de pares de entrenamiento etiquetados. Usted elige los campos, inspecciona las decisiones y pone a trabajar el modelo guardado.
En nuestras pruebas, los modelos automáticos alcanzaron un **F1 del 99,45–100 % en seis conjuntos de datos de vinculación sintéticos y con errores simulados, sin SSN**. Frente a una población de **10 millones de registros de pacientes**, la respuesta mediana de `$match` en línea fue de **25 ms**.
## Construya a partir de sus datos de pacientes
Elija los campos de paciente que desea comparar, como `name`, `birthDate` y `address`. Previsualice sus valores y compruebe si faltan datos. Una `ViewDefinition` de SQL on FHIR captura su selección de campos para que el entrenamiento y el emparejamiento utilicen la misma información.
Seleccione **Build model**. El constructor elige qué registros comparar y aprende a ponderar sus similitudes y diferencias. Gestiona variaciones ortográficas y valores ausentes, y puede tener en cuenta las relaciones entre campos, como un código postal que predice una ciudad.
Para lógica personalizada, puede [editar comparaciones en JavaScript](/docs/mdmbox/matching-models#automatic-training-and-javascript-extensions), con un asistente de IA opcional para ayudar a redactarlas.
## Vea por qué los registros coinciden
En **Review & save**, compruebe la distribución de puntuaciones y abra pares individuales. Cada explicación muestra cómo los campos seleccionados han contribuido a la puntuación, lo que le ayuda a investigar tanto las coincidencias probables como los casos inciertos.
Ajuste la puntuación mínima para aceptar una coincidencia o enviar un par a revisión. A continuación, guarde un modelo versionado y utilícelo para el **emparejamiento en línea con `$match`, el Bulk matching y el Continuous matching**. La selección de campos, los parámetros aprendidos y los umbrales permanecen juntos en el mismo modelo.
*Las capturas de pantalla muestran datos sintéticos de pacientes.*
## Calidad de emparejamiento sin pares de entrenamiento etiquetados
Convertimos registros de [FEBRL](https://users.cecs.anu.edu.au/~Peter.Christen/Febrl/febrl-0.3/febrldoc-0.3/node70.html), [ePBRN](https://github.com/ePBRN/Medical-Record-Linkage-Ensemble) y [NC Voters](https://dbs.uni-leipzig.de/research/projects/benchmark-datasets-for-entity-resolution) en **recursos FHIR Patient** antes del entrenamiento. Las identidades conocidas de los conjuntos de datos nos permitieron medir la precisión, la exhaustividad y el F1 a posteriori. Dichas etiquetas se mantuvieron fuera del entrenamiento, y las coincidencias no detectadas durante la selección de candidatos penalizan la exhaustividad.
En los seis conjuntos de datos sintéticos más pequeños y con errores simulados, el entrenamiento automático produjo estos resultados **sin identificadores de seguridad social ni reglas de comparación escritas manualmente**:
| Conjunto de datos | Precisión | Exhaustividad | F1 |
| --- | ---: | ---: | ---: |
| FEBRL1 | 100 % | 100 % | 100 % |
| FEBRL2 | 100 % | 99,49 % | 99,75 % |
| FEBRL3 | 100 % | 98,91 % | 99,45 % |
| FEBRL4 | 100 % | 99,53 % | 99,77 % |
| ePBRN D | 100 % | 99,61 % | 99,81 % |
| ePBRN F | 100 % | 99,28 % | 99,64 % |
Todos los pares aceptados fueron correctos en estas pruebas. Los conjuntos de prueba contienen entre 158 y 1924 pares conocidos de la misma persona cada uno.
### Emparejamiento con 5 M y 10 M de registros
Los conjuntos de referencia de NC más grandes utilizan nombres e información de dirección derivados de registros de votantes con duplicados generados. Probamos el emparejamiento para **5000 registros por población**. Ajustando los umbrales de aceptación en ejemplos etiquetados separados se recuperaron más coincidencias verdaderas y el F1 superó el **91,6 %**, sin reentrenamiento:
| Población | Configuración | Precisión | Exhaustividad | F1 |
| --- | --- | ---: | ---: | ---: |
| NC Voters 5M | Automática | 95,58 % | 73,91 % | 83,36 % |
| NC Voters 5M | Umbral ajustado | 91,56 % | 92,03 % | 91,79 % |
| NC Voters 10M | Automática | 95,37 % | 76,45 % | 84,87 % |
| NC Voters 10M | Umbral ajustado | 92,23 % | 91,13 % | 91,68 % |
El ajuste del umbral intercambió algo de precisión por una exhaustividad considerablemente mayor. Las descargas incluyen los resultados completos de calidad, incluyendo los resultados para registros con valores modificados.
## Emparejamiento en milisegundos con 10 millones de registros
En un **Apple M1 Pro con 16 GB de RAM**, el entrenamiento automático tardó aproximadamente **22 minutos para 5 M de registros de pacientes** y **30 minutos para 10 M**, tras la preparación de los datos.
En las pruebas en línea, las respuestas medianas de `$match` fueron de **28 ms con 5 M y 25 ms con 10 M**. El **95 % llegó en menos de 56 ms** en ambas poblaciones. Las cifras de entrenamiento excluyen la importación de datos y la configuración inicial en línea.
## Pruebe el constructor de modelos
Abra **Models → Model builder** en MDMbox `2610.0` para entrenar su primer modelo. Consulte la [documentación](/docs/mdmbox/matching-models#model-builder-preview) o [solicite una demostración](/mdmbox#contact-form) para hablar con nuestro equipo sobre su flujo de trabajo de emparejamiento de pacientes.
Pruebe las mismas entradas con los [ocho conjuntos de datos descargables](/docs/mdmbox/matching-models#benchmark-datasets). Cada uno incluye FHIR Patient NDJSON, su ViewDefinition y un CSV separado con etiquetas de identidad completas, incluidos los singletons. Las etiquetas son para evaluación externa; no son entradas de entrenamiento ni un formato de carga de etiquetas de MDMbox. La documentación de descarga incluye la atribución de fuentes, los términos y las sumas de verificación.
Para una primera prueba pequeña, descargue FEBRL1: [datos de pacientes](https://storage.googleapis.com/aidbox-public/mdmbox/benchmarks/20261106/febrl1/patients.ndjson.gz), [asignación de campos](https://storage.googleapis.com/aidbox-public/mdmbox/benchmarks/20261106/febrl1/viewdefinition.json) y [etiquetas de evaluación](https://storage.googleapis.com/aidbox-public/mdmbox/benchmarks/20261106/febrl1/ground-truth.csv.gz).
Descargue los modelos medidos y los resultados completos de calidad para [FEBRL](/docs/mdmbox/assets/benchmarks/febrl-20261105.zip?v=15beb3abbb392726), [ePBRN](/docs/mdmbox/assets/benchmarks/epbrn-20261105.zip?v=6deb8f5832c30b86) y [NC Voters](/docs/mdmbox/assets/benchmarks/nc-voters-20261105.zip?v=16337bdaeec52a43). Los archivos contienen definiciones de modelos y resultados, sin datos de pacientes originales.