Inicio
Proyectos De Estudiantes
Aegis Framework: Una Plataforma De Ia Multiagente Para La Investigación Biomédica

Aegis Framework: Una Plataforma de IA Multiagente para la Investigación Biomédica

Proyecto de la Especialización GSK-IE Biopharma and AI Gateway

Aegis Framework es una plataforma de apoyo a la investigación impulsada por inteligencia artificial, desarrollada en el marco de la Especialización GSK-IE Biopharma and AI Gateway para ayudar a investigadores que trabajan en la resistencia a los antimicrobianos. Mediante una arquitectura multiagente y generación aumentada por recuperación (RAG), la plataforma analiza casos clínicos de pacientes, sintetiza evidencia científica y proporciona recomendaciones estructuradas para respaldar la toma de decisiones basada en evidencia.

"La mejor manera de comprender las tecnologías emergentes es construir con ellas. La teoría te proporciona las bases, pero el verdadero aprendizaje ocurre cuando aplicas esas herramientas a problemas con un propósito real."

OBJETO DEL PROYECTO

¿En qué consistía vuestro proyecto?

Nuestro proyecto, denominado Aegis Framework, fue desarrollado como parte de la Especialización GSK-IE Biopharma and AI Gateway. Se trata de una plataforma impulsada por inteligencia artificial diseñada para apoyar a investigadores que trabajan en resistencia a los antimicrobianos (AMR), centrándose inicialmente en la tuberculosis. El sistema utiliza múltiples agentes de IA con distintos roles especializados y prioridades para analizar casos clínicos de pacientes, realizar investigación basada en evidencia y proporcionar recomendaciones estructuradas a los investigadores a través de una aplicación web que actualmente sigue en desarrollo.

PROPÓSITO DEL PROYECTO

¿Cuál fue el principal motivo para elegir este proyecto y qué impacto o problema real pretendíais abordar?

La resistencia a los antimicrobianos se está convirtiendo en uno de los principales desafíos para la salud global debido al uso excesivo e inadecuado de los antibióticos. Los investigadores y profesionales sanitarios suelen tener que evaluar numerosas variables complejas antes de tomar decisiones relacionadas con los tratamientos, un proceso que puede requerir mucho tiempo y recursos. Con Aegis Framework, nuestro objetivo era explorar cómo la inteligencia artificial podría ayudar a reducir esa carga de trabajo proporcionando apoyo a la investigación de forma más rápida y respaldada por evidencia, manteniendo siempre a los expertos humanos en el centro del proceso de toma de decisiones.

INFORMACIÓN TÉCNICA

¿Qué enfoques técnicos y herramientas utilizasteis y por qué los elegisteis?

Desarrollamos la plataforma utilizando React, TypeScript y HTML para el frontend, integrando además las APIs de OpenAI, Anthropic, Google Gemini y Ollama para aprovechar las fortalezas y la diversidad de distintos modelos de lenguaje de gran escala. También implementamos un sistema de generación aumentada por recuperación (RAG) con una base de datos que permite a los investigadores cargar su propia documentación científica. Elegimos una arquitectura multiagente porque permitía que diferentes agentes de IA evaluaran los casos desde distintas perspectivas y contrastaran entre sí sus razonamientos, contribuyendo a mejorar la consistencia y la fiabilidad.

¿Qué conocimientos, herramientas o teorías de vuestro programa académico aplicasteis en este proyecto?

Este proyecto combinó conocimientos tanto técnicos como empresariales adquiridos en nuestros programas. Aplicamos conceptos de analítica de datos, sistemas de inteligencia artificial, programación y metodología de investigación, además de habilidades de gestión de proyectos y trabajo en equipo procedentes de la parte empresarial de nuestros estudios. Una de las lecciones más importantes del programa fue aprender a abordar problemas ambiguos e interdisciplinarios de manera estructurada.

RETOS Y SOLUCIONES

¿Hubo desafíos significativos durante esta experiencia y cómo los superasteis? ¿Os ayudó lo aprendido en el programa durante el proceso?

Uno de nuestros mayores desafíos fue construir un sistema en el que los investigadores pudieran confiar, especialmente en un entorno relacionado con la salud donde las alucinaciones de la IA pueden tener consecuencias graves. Para abordar este problema, limitamos nuestras fuentes a publicaciones científicas, exigimos que todas las afirmaciones generadas por la IA incluyeran referencias e implementamos procesos de validación multiagente para identificar posibles inconsistencias. Otro desafío fue trabajar en un ámbito biomédico altamente especializado a pesar de provenir de perfiles más orientados a la tecnología y los negocios. Nuestros mentores desempeñaron un papel fundamental ayudándonos a comprender la perspectiva científica, mientras que la formación recibida nos permitió adaptarnos rápidamente y estructurar el proyecto de forma eficaz bajo plazos muy ajustados.

COLABORACIÓN Y TRABAJO EN EQUIPO

¿Cómo contribuyó el trabajo en equipo al éxito o avance del proyecto?

El trabajo en equipo fue esencial porque el proyecto era ambicioso tanto desde el punto de vista técnico como conceptual. Dividimos las responsabilidades en función de nuestras fortalezas: Sibylle y Juan se centraron principalmente en la implementación técnica y los aspectos relacionados con los datos, mientras que Carlos trabajó ampliamente en la definición de las personalidades de los agentes de IA y en la ingeniería de prompts. También realizábamos reuniones semanales para mantener la responsabilidad compartida, supervisar el progreso y mejorar continuamente la plataforma. Esta estructura nos ayudó a mantener la constancia y evitar el desarrollo de última hora.

APRENDIZAJES Y CONCLUSIONES

¿Qué aprendizajes y competencias clave (técnicas y personales) has adquirido o reforzado a través de esta experiencia?

A nivel técnico, reforzamos nuestras habilidades en sistemas de inteligencia artificial, integración de APIs, ingeniería de prompts, desarrollo frontend y trabajo con arquitecturas de generación aumentada por recuperación. En cuanto a las competencias personales, mejoramos significativamente en trabajo en equipo, comunicación interdisciplinaria, adaptabilidad y gestión de proyectos complejos en contextos de incertidumbre. Esta experiencia también nos enseñó que la mejor forma de comprender verdaderamente las tecnologías emergentes es construir activamente con ellas.

DESARROLLO FUTURO

¿Tenéis planes para seguir desarrollando o mejorando el proyecto en el futuro?

Sí. Durante el verano tenemos previsto continuar desarrollando la plataforma para hacerla más robusta, escalable y fiable. Una de nuestras principales prioridades es seguir reduciendo las alucinaciones y mejorar la consistencia factual de las recomendaciones generadas por la IA. También queremos ampliar el alcance del framework más allá de la tuberculosis hacia otras enfermedades y continuar actualizando los modelos a medida que evoluciona la tecnología de inteligencia artificial. Además, esperamos poder publicar nuestro trabajo junto con nuestro mentor y seguir probando la plataforma en entornos de investigación más realistas.

CONSEJOS

¿Qué consejo darías a otros estudiantes que quieran involucrarse en este tipo de iniciativas y tech immersions?

Nuestro consejo sería no esperar a sentirse completamente preparado antes de empezar. La mejor manera de aprender sobre nuevas tecnologías es trabajar activamente con ellas y aplicarlas a problemas con un propósito real. Los proyectos interdisciplinarios pueden resultar intimidantes al principio, pero también son algunas de las experiencias más enriquecedoras porque te obligan a aprender rápidamente, colaborar de manera efectiva y pensar más allá de tu zona de confort.