SafeReturn 🏥

Proyecto de Inteligencia Artificial - Universidad TDEA

📥 Descargar

SafeReturn es una aplicación de escritorio de salud 100% local que utiliza una arquitectura de Generación Aumentada por Recuperación (RAG) para predecir la probabilidad de reingreso hospitalario a 30 días basándose en notas clínicas no estructuradas.

Construida para privacidad y cumplimiento, todos los datos y modelos RAG se ejecutan en local.

Tabla de Contenidos

• Características
• Tech Stack
• Instalación
• Primeros Pasos
• Configuración de API
• Desarrollo
• Arquitectura
• Construcción para Producción
• Licencia

Características

• 📊 Dashboard de Riesgo: Interfaz intuitiva para visualizar puntuaciones de riesgo de pacientes.
• 🧠 RAG Local: Procesa notas de pacientes, las vectoriza y recupera contexto para predicciones precisas del LLM.
• 🔍 Explicabilidad: Muestra los fragmentos exactos de las notas clínicas utilizados por el LLM para generar la predicción.
• 🔒 Privacidad Primero: Cero datos salen de la máquina host.
• 📈 Predicción de Reingreso: Modelo de IA que predice el riesgo de reingreso hospitalario a 30 días.
• 📤 Exportación de Datos: Exporta resultados y reportes a CSV o JSON.

📝 Changelog

v1.0.0 (2026-03-25)

Nuevas Funciones

• 🕐 Timeline Visual: Historial visual de encuentros clínicos del paciente con eventos diferenciados por tipo.
• 👤 Nombres Únicos: Sistema de generación de nombres únicos para pacientes sintéticos.
• 📊 Dashboard Mejorado: Gráficos de distribución y crecimiento, modal expandido para visualización de datos.
• ♿ Accesibilidad: Navegación con teclado en modales, mejoras de accesibilidad UI.
• 🌐 i18n Extendido: Traducciones completas para medicamentos, resultados de laboratorio y outcomes.
• 💊 Detalles de Medicación: Indicación de ruta de medicación y etiquetas de chequeo rutinario.
• 🌐 Internacionalización (i18n): Español como idioma por defecto, Inglés como secundario. Selector de idioma en el navbar.
• 📊 Dashboard: Panel de control con métricas, gráficos y datos de pacientes sintéticos.
• 🎨 Tema Medical Light: Interfaz limpia y profesional con colores hospitalarios.
• ⚙️ Configuración de API Key: Interfaz para configurar la API key de Groq desde la app.
• 🤖 Predicción de Reingreso: Análisis de riesgo de reingreso hospitalario a 30 días con evidencia clínica.
• 📋 Datos de Pacientes: 100 pacientes sintéticos incluidos para pruebas.

Mejoras Técnicas

• Actualizado a Vite 8
• Actualizado a Tailwind CSS 3
• Migración de svelte-chartjs a chart.js nativo
• Arreglos de compatibilidad con Svelte 5

v0.9.0 (2026-03-24)

• Lanzamiento inicial
• Dashboard con tabla de pacientes
• Análisis de riesgo con RAG

Tech Stack

Instalación

Descargar la última versión

Requisitos Previos

• Node.js o Bun
• Rust (para Tauri)
• Python 3.10+ (para scripts de ML/FAISS)

🛠️ Construir el .exe

Si deseas compilar el ejecutable tú mismo, usa estos comandos:

# 1. Build del Frontend (Svelte)
cd frontend
npm run build
bun run build

# 2. Compilar el Backend (Bun sidecar)
cd ../backend
bun build ./index.ts --compile --outfile ../frontend/src-tauri/bin/backend-sidecar

# 3. Empaquetar con Tauri (genera el .exe)
cd ../frontend
npm run tauri build
bun run tauri build

El archivo .exe se generará en:

frontend/src-tauri/target/release/bundle/nsis/

Nota: Necesitas tener Rust instalado (rustup.rs) y las dependencias de Tauri configuradas.

Primeros Pasos

# 1. Clonar el repositorio
git clone https://github.com/JuanCamacho198/safereturn.git
cd safereturn

# 2. Instalar dependencias del frontend
cd frontend && npm install

# 3. Instalar dependencias del backend
cd ../backend && bun install

# 4. Configurar variables de entorno
cp .env.example .env
# Edita .env con tu API key de Groq

# 5. Ejecutar en modo desarrollo
npm run tauri dev
bun run tauri dev

Configuración de API

Groq (Recomendado - Gratis y Rápido)

1. Obtén una API key gratuita en console.groq.com/keys
2. Crea un archivo .env:

   cp .env.example .env
   

3. Edita .env y añade tu key:

   GROQ_API_KEY=gsk_your_key_here
   

Variables de Entorno

Desarrollo

Estructura del Proyecto

├── frontend/           # Aplicación Svelte + Tauri
│   ├── src/
│   │   ├── routes/    # Páginas de la app
│   │   └── lib/      # Componentes y utilidades
│   └── src-tauri/    # Configuración de Rust
├── backend/            # Servidor Bun (sidecar)
│   ├── services/      # Lógica de negocio
│   ├── ml/           # Modelos de ML
│   └── rag/          # Pipeline RAG
└── openspec/          # Documentación SDD

Comandos Útiles

# Desarrollo
npm run tauri dev
bun run tauri dev

# Verificar tipos
npm run check
bun run check

# Build del frontend
cd frontend && npm run build

# Tests
cd backend && bun test

Arquitectura

Consulta la documentación SDD en openspec/ para propuestas completas, documentos de diseño y decisiones de arquitectura.

Flujo de Predicción de Riesgo

1. Ingesta de Datos: Las notas clínicas se almacenan en SQLite.
2. Vectorización: Las notas se convierten en embeddings usando sentence-transformers.
3. Recuperación: FAISS recupera los casos más similares.
4. Generación: Groq LLM genera la predicción basada en el contexto recuperado.

Construcción para Producción

Para empaquetar SafeReturn en un ejecutable de escritorio (.exe, .app, .deb):

1. Build del Frontend:

   cd frontend
   npm run build
   bun run build
   

2. Empaquetar el Backend Sidecar (Bun):

   cd backend
   bun build ./index.ts --compile --outfile ../frontend/src-tauri/bin/backend-sidecar
   

3. Empaquetar con Tauri:

   cd frontend
   npm run tauri build
   bun run tauri build
   

Esto generará el instalador final en frontend/src-tauri/target/release/bundle/.

Licencia

MIT License - consulta el archivo LICENSE para más detalles.