· 2 min de lectura · NETBRAND CORP
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.
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 describimos el proceso. El marco legal está en Pseudonimizar vs. anonimizar: qué dicen la Ley 1581, HIPAA, GDPR y la LGPD.
Pruébalo
El portal de Velo ejecuta un detector de demostración para historias clínicas colombianas en tu navegador: pega una nota 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.