# Cédula, historia, EPS y direcciones: los identificadores colombianos que el NER genérico no detecta

Qué identificadores de las historias clínicas colombianas se le escapan a los modelos genéricos de NER, cómo son sus formatos y cómo detectarlos de forma confiable.

Published 2026-09-22 by NETBRAND CORP · https://netbrandcorp.com/es/blog/identificadores-clinicos-colombianos-ner/

> **En resumen:** los modelos NER de propósito general aprenden a encontrar personas, lugares y organizaciones. Las historias clínicas colombianas además traen identificadores estructurados, cédula, tarjeta de identidad, número de historia, EPS, autorizaciones y direcciones con nomenclatura local, que necesitan reglas con contexto para detectarse de forma confiable.

## Por qué el NER genérico no alcanza

Un modelo de entidades aprende cómo se ven los nombres y los lugares en su texto de entrenamiento. No tiene noción de lo que es un número de historia o una autorización de servicio: son solo dígitos. En una epicrisis suelen aparecer junto a etiquetas como "C.C.", "Historia clínica:" o "autorización N.º", que es justo el contexto que una regla puede aprovechar. Además, los modelos entrenados con español de España fallan con las direcciones colombianas.

## Los identificadores a contemplar

| Identificador | Formato típico | Cómo detectarlo |
|---|---|---|
| Cédula de ciudadanía | `C.C. 1.020.456.789` | Etiqueta y número con puntos |
| Tarjeta de identidad, CE | `T.I.`, `C.E.` | Etiqueta más número |
| NIT | `900.123.456-7` | Patrón con dígito de verificación |
| Número de historia | `HC-0048213` | Prefijo o etiqueta |
| EPS e IPS | `Salud Andina EPS` | Nombre propio más sufijo EPS |
| Autorización | `N.º 88213-4` | Contexto "autorización" |
| Registro médico | `RM 15-2231` | Etiqueta RM |
| Dirección | `Cra 7 # 45-12` | Nomenclatura: Cra, Cl, Av, Tv, Dg |
| Celular | `310 555 0142` | Prefijo 3xx |

## El contexto importa tanto como el formato

- **Los apellidos se repiten:** "Jorge Rojas Pérez (hijo)" comparte apellido con la paciente. Un buen sistema asigna a cada apellido real un apellido falso consistente, para que la relación sobreviva a la síntesis.
- **Barrio y municipio** identifican mucho en poblaciones pequeñas: generalizar el municipio a departamento baja el riesgo.
- **Cada software de historia clínica** (Servinte, SAP, Dinámica Gerencial y otros) exporta PDFs con encabezados distintos; conviene una plantilla de reglas por formato.

## Cómo validar la detección

Arma un set pequeño anotado a partir de tus propias fuentes y mide el recall por tipo de identificador, no un puntaje global. Un modelo que encuentra el 99% de los nombres y el 60% de las direcciones no está listo. En [Cómo hacer un POC de anonimización: 100 a 200 documentos reales y recall por entidad](https://netbrandcorp.com/es/blog/poc-anonimizacion-medir-recall/) describimos el proceso. El marco legal está en [Pseudonimizar vs. anonimizar: qué dicen la Ley 1581, HIPAA, GDPR y la LGPD](https://netbrandcorp.com/es/blog/pseudonimizar-vs-anonimizar-ley-1581-hipaa-gdpr-lgpd/).

## Pruébalo

El [portal de Velo](https://netbrandcorp.com/es/) ejecuta un detector de demostración para historias clínicas colombianas en tu navegador: [pega una nota](https://netbrandcorp.com/es/#probar) con cédula, historia o dirección y mira cómo se tokeniza, se sintetiza o se redacta. El producto combina modelos NER clínicos con estas reglas, on-premise.

*Este artículo es información general, no asesoría legal.*