Herramienta computacional para la búsqueda de referencias durante la gestión de glosas por pertinencia
En el sistema de salud colombiano, las glosas por pertinencia clínica representan una problemática para las instituciones prestadoras de servicios de salud, pues implican una retención parcial o total al pago de servicios cuando se considera que no es válida o no existe suficiente justificación médi...
- Autores:
-
Adarme Ardila, Daniela Alejandra
Arciniegas Mariño, Mariana Alejandra
Rueda Benavides, Johanna Valentina
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2025
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/30500
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/30500
- Palabra clave:
- Artificial intelligence
Medical claim denials
Clinical engineering
Evidence-based medicine
Large language model
Biomedical engineering
Engineering
Biophysics
Bioengineering
Medicine
Biomedical
Automation
Deep learning (Machine learning)
Python (Computer program language)
Ingeniería biomédica
Ingeniería
Biofísica
Bioingeniería
Medicina
Biomédica
Automatización
Aprendizaje profundo (Aprendizaje automático)
Python (Lenguaje de programación de computadores)
Glosas
Ingeniería clínica
Inteligencia artificial
Medicina basada en evidencia
Modelo de lenguaje de gran tamaño
- Rights
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_03c86c2aa3c0ff56880336548f0ab6a3 |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/30500 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Herramienta computacional para la búsqueda de referencias durante la gestión de glosas por pertinencia |
| dc.title.translated.spa.fl_str_mv |
Computational tool for reference retrieval during the relevance-based claims review process |
| title |
Herramienta computacional para la búsqueda de referencias durante la gestión de glosas por pertinencia |
| spellingShingle |
Herramienta computacional para la búsqueda de referencias durante la gestión de glosas por pertinencia Artificial intelligence Medical claim denials Clinical engineering Evidence-based medicine Large language model Biomedical engineering Engineering Biophysics Bioengineering Medicine Biomedical Automation Deep learning (Machine learning) Python (Computer program language) Ingeniería biomédica Ingeniería Biofísica Bioingeniería Medicina Biomédica Automatización Aprendizaje profundo (Aprendizaje automático) Python (Lenguaje de programación de computadores) Glosas Ingeniería clínica Inteligencia artificial Medicina basada en evidencia Modelo de lenguaje de gran tamaño |
| title_short |
Herramienta computacional para la búsqueda de referencias durante la gestión de glosas por pertinencia |
| title_full |
Herramienta computacional para la búsqueda de referencias durante la gestión de glosas por pertinencia |
| title_fullStr |
Herramienta computacional para la búsqueda de referencias durante la gestión de glosas por pertinencia |
| title_full_unstemmed |
Herramienta computacional para la búsqueda de referencias durante la gestión de glosas por pertinencia |
| title_sort |
Herramienta computacional para la búsqueda de referencias durante la gestión de glosas por pertinencia |
| dc.creator.fl_str_mv |
Adarme Ardila, Daniela Alejandra Arciniegas Mariño, Mariana Alejandra Rueda Benavides, Johanna Valentina |
| dc.contributor.advisor.none.fl_str_mv |
Buitrago Castro, Luis Felipe Escobar Jaramillo, Mateo |
| dc.contributor.author.none.fl_str_mv |
Adarme Ardila, Daniela Alejandra Arciniegas Mariño, Mariana Alejandra Rueda Benavides, Johanna Valentina |
| dc.contributor.cvlac.spa.fl_str_mv |
Buitrago Castro, Luis Felipe [0001657515] Escobar Jaramillo, Mateo [0001468933] |
| dc.contributor.googlescholar.spa.fl_str_mv |
Escobar Jaramillo, Mateo [es&oi=ao] |
| dc.contributor.orcid.spa.fl_str_mv |
Adarme Ardila, Daniela Alejandra [0009-0007-1107-8849] Arciniegas Mariño, Mariana Alejandra [0009-0000 1979-8620] Rueda Benavides, Johanna Valentina [0009-0000-3458-5383] Buitrago Castro, Luis Felipe [0000-0002-1414-1854] |
| dc.contributor.apolounab.spa.fl_str_mv |
Buitrago Castro, Luis Felipe [luis-felipe-buitrago-castro] Escobar Jaramillo, Mateo [mateo-escobar-jaramillo] |
| dc.contributor.linkedin.spa.fl_str_mv |
Adarme Ardila, Daniela Alejandra [daniela-adarme-ardila-628570363] Arciniegas Mariño, Mariana Alejandra [mariana-alejandra-arciniegas-mariño-00524a363] Rueda Benavides, Johanna Valentina [johanna-rueda-] |
| dc.subject.keywords.spa.fl_str_mv |
Artificial intelligence Medical claim denials Clinical engineering Evidence-based medicine Large language model Biomedical engineering Engineering Biophysics Bioengineering Medicine Biomedical Automation Deep learning (Machine learning) Python (Computer program language) |
| topic |
Artificial intelligence Medical claim denials Clinical engineering Evidence-based medicine Large language model Biomedical engineering Engineering Biophysics Bioengineering Medicine Biomedical Automation Deep learning (Machine learning) Python (Computer program language) Ingeniería biomédica Ingeniería Biofísica Bioingeniería Medicina Biomédica Automatización Aprendizaje profundo (Aprendizaje automático) Python (Lenguaje de programación de computadores) Glosas Ingeniería clínica Inteligencia artificial Medicina basada en evidencia Modelo de lenguaje de gran tamaño |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería biomédica Ingeniería Biofísica Bioingeniería Medicina Biomédica Automatización Aprendizaje profundo (Aprendizaje automático) Python (Lenguaje de programación de computadores) |
| dc.subject.proposal.spa.fl_str_mv |
Glosas Ingeniería clínica Inteligencia artificial Medicina basada en evidencia Modelo de lenguaje de gran tamaño |
| description |
En el sistema de salud colombiano, las glosas por pertinencia clínica representan una problemática para las instituciones prestadoras de servicios de salud, pues implican una retención parcial o total al pago de servicios cuando se considera que no es válida o no existe suficiente justificación médica para la asistencia brindada. Estas glosas no solo pueden generar grandes pérdidas económicas, sino que también demandan una revisión exhaustiva de la literatura científica para sustentar adecuadamente las respuestas. Sin embargo, la sobrecarga de información y la falta de herramientas tecnológicas dificultan esta tarea. Por lo que, se tuvo como objetivo desarrollar una herramienta computacional para la asistencia en la búsqueda de referencias durante la gestión de glosas por pertinencia mediante técnicas de aprendizaje profundo. Para su desarrollo, se llevó a cabo un proceso de ingeniería de requerimientos, el diseño de la interfaz y la lógica funcional, así como la conexión a un modelo de lenguaje de gran tamaño y la API SerpApi para extraer artículos de los últimos cinco años de Google Scholar. Su evaluación fue realizada mediante un panel de expertos, a partir del cual se valoró aspectos como la efectividad y usabilidad de la solución, obteniéndose un puntaje en la escala de usabilidad del sistema de 90. Asimismo, el 90,47% de los artículos correspondían a medicina basada en la evidencia, con un promedio de calificación en calidad de 4,61 y en pertinencia de 4,1 con base a una escala Likert de 1 a 5. A partir de esto se evidenció que la herramienta permite generar resultados relevantes, vigentes y alineados para asistir el proceso de gestión de glosas por pertinencia. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-07-23T22:03:52Z |
| dc.date.available.none.fl_str_mv |
2025-07-23T22:03:52Z |
| dc.date.issued.none.fl_str_mv |
2025-05-26 |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.local.spa.fl_str_mv |
Trabajo de Grado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.hasversion.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/30500 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unab.edu.co |
| url |
http://hdl.handle.net/20.500.12749/30500 |
| identifier_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Adebanji, O. O., Ojo, O. E., Calvo, H., Gelbukh, I., & Sidorov, G. (2024). Adaptation of transformer-based models for depression detection. Computacion y Sistemas, 28(1), 151–165. https://doi.org/10.13053/CyS-28-1-4691 Agudelo, M., Álvarez, W., & Buelvas, K. (2020). Caracterización de las Glosas Presentadas a la Facturación de los Servicios de Salud en el Hospital Universitario San Vicente Fundación de Medellín, 2019. Universidad de Antioquia. Araque, N. (2019). Implementación de un “Programa Glosa Cero” para la Auditoría y la Facturación del Proceso de Atención en Salud de Pacientes Víctimas de Accidente de Tránsito en una IPS de Alta Complejidad. Universidad Autónoma de Bucaramanga. Argimón, J., Guarga, A., & Jiménez, J. (2020). Medicina basada en la evidencia: guías y protocolos. https://doi.org/10.1016/B978-84-9113-186-1.00005-1 Bloom, B. M., Pott, J., Thomas, S., Gaunt, D. R., & Hughes, T. C. (2021). Usability of electronic health record systems in UK EDs. Emergency Medicine Journal, 38(6), 410–415. https://doi.org/10.1136/emermed-2020-210401 Bonfill, X., & Schapira, P. (2010). Importancia de la medicina basada en la evidencia para la práctica clínica. Colombia Médica, 41, 186–193. Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., Agarwal, S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R., Ramesh, A., Ziegler, D. M., Wu, J., Winter, C., … Amodei, D. (2020). Language models are few-shot learners. http://arxiv.org/abs/2005.14165 Cadavid, E., & Morelo, M. (2021). Análisis de las principales causas de glosas en la E.S.E Hospital San Antonio de Tarazá año 2020. Universidad de Antioquia. Chavarría, T. (2018). Desarrollo e implementación de una herramienta para la validación de cuentas médicas y gestión de glosas en el sector salud en Colombia. Medicina UPB, 37(2), 131–141. https://doi.org/10.18566/medupb.v37n2.a07 Cristiá, M. (2018). Introducción a la ingeniería de requerimientos. Universidad Nacional de Rosario. de la Torre, J. (2025). Transformadores: Fundamentos teóricos y aplicaciones. http://arxiv.org/abs/2302.09327 Durango, L., Meza, M., & Sarmiento, M. (2021). Propuesta de Intervención para Reducir de Manera Progresiva el Incremento de las Glosas en el Sector Salud. Universidad de Córdoba. Feghali, A., & Estrada, D. (2020). Problemas en la práctica clínica: los retos de la medicina basada en la evidencia. Revista Médicas UIS, 33(1), 59–65. https://doi.org/10.18273/revmed.v33n1- 2020007 Franco, D., García, D., Quiñones, B., & Valera, M. (2023). Caracterización, Análisis y Plan de Mejoramiento para la Disminución de las Glosas en el Hospital Regional José David Padilla Villafañe en Aguachica, Cesar. Fundación Universitaria de Ciencias de la Salud. Galeas, J. (2020). Metodología para el levantamiento de requisitos en proyectos ágiles de la industria se software con recurso humano freelance, basados en los estándares que promueve PMI caso práctico empresa “It Control”. Gil, G. (2002). Herramienta para implementar LEL y escenarios (TILS). Universidad Nacional de La Plata. Guan, Y. (2024). Flight price prediction web-based platform: Leveraging generative AI for realtime airfare forecasting. Journal of Web Engineering, 23(2), 299–314. https://doi.org/10.13052/JWE1540-9589.2325 Hajesmaeel-Gohari, S., Khordastan, F., Fatehi, F., Samzadeh, H., & Bahaadinbeigy, K. (2022). The most used questionnaires for evaluating satisfaction, usability, acceptance, and quality outcomes of mobile health. BMC Medical Informatics and Decision Making. https://doi.org/10.1186/s12911-022-01764-2 Holdsworth, J., & Scapicchio, M. (2024). ¿Qué es el deep learning? https://www.ibm.com/eses/think/topics/deep-learning Juca, F. (2023). Inteligencia artificial en motores de búsqueda: percepciones de los docentes universitarios y su impacto en el proceso de enseñanza y aprendizaje. INNOVA Research Journal, 8(3.1), 45–58. https://doi.org/10.33890/innova.v8.n3.1.2023.2336 Kelleher, J. D. (2019). Deep Learning. The MIT Press. https://doi.org/10.7551/mitpress/11171.001.0001 Kulkarni, A., Shivananda, A., Kulkarni, A., & Gudivada, D. (2023). Applied generative AI for beginners. Apress. https://doi.org/10.1007/978-1-4842-9994-4 Ladevéze, L. N., Canal, M. N., & de Mon Pan de Soraluce, I. Á. (2024). Gramática y retórica aristotélicas, condiciones del algoritmo generador de textos. Anàlisi , 70, 1–14. https://doi.org/10.5565/rev/analisi.3704 Lecun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. En Nature (Vol. 521, Número 7553, pp. 436–444). Nature Publishing Group. https://doi.org/10.1038/nature14539 Lewis, J. R. (2018). The System Usability Scale: Past, present, and future. International Journal of Human-Computer Interaction, 34(7), 577–590. https://doi.org/10.1080/10447318.2018.1455307 Lozano, L., Lugo, J., & Moya, M. (2021). Los generadores de glosas en la Institución Prestadora de Salud (IPS) Humsalud del municipio Unión Panamericana en el último trimestre del año 2019. Universidad Católica de Manizales. Martínez, Y. (2009). Propuesta para el levantamiento de requisitos funcionales en función del aseguramiento de la calidad de software. Medina Cruz, J., Pineda, E., & Téllez, F. (2022). Requerimientos de software: prototipado, software heredado y análisis de documentos. Ingeniería y Desarrollo, 37(02), 327–345. https://doi.org/10.14482/inde.37.2.1053 Melnick, E. R., Dyrbye, L. N., Sinsky, C. A., Trockel, M., West, C. P., Nedelec, L., Tutty, M. A., & Shanafelt, T. (2020). The association between perceived electronic health record usability and professional burnout among US physicians. Mayo Clinic Proceedings, 95(3), 476–487. https://doi.org/10.1016/j.mayocp.2019.09.024 Ministerio de la Protección Social. (2009a). Anexo técnico No. 6 Manual único de glosas, devoluciones y respuestas unificación. Ministerio de la Protección Social. (2009b). Resolución Número 000416 de 2009 (2009). Moreira, A. (2021). Diseño de la Bodega de bienes obsoletos de una Institución de Educación Superior utilizando la metodología DMADV de Seis Sigma. Escuela Superior Politécnica del Litoral. Nielsen, A., & Karlstrand, J. (2024). Generative AI assistant for public transport using scheduled and real-time data. www.liu.se Núñez, C., Velasco, J., Carrasco, B., & Guambuguete, J. (2024). Aplicaciones de la Inteligencia Artificial en el proceso de aprendizaje en la educación universitaria. Magazine de las Ciencias: Revista de Investigación e Innovación, 9(1), 92–109. https://doi.org/10.33262/rmc.v9i1.3055 Olmedo, V. (2013). ¿Cómo ayuda la medicina basada en evidencias en la práctica clínica?. Universidades de Queensland, Australia, y Oxford, uk. Glasziou P, Del Mar C, Salisbury J. Evidence Based Medicine Workbook. London: bmj Books; 2003. Atención Familiar, 20(3), 98–100. https://doi.org/10.1016/S1405-8871(16)30101-8 Onat, M., Bas, A., & Van Heerden, I. (2021). Exploring transformers in natural language generation: GPT, BERT, and XLNet. https://doi.org/10.48550/arXiv.2102.08036 Orellana, J., Morales, V., & González, M. (2019). Medicina basada en evidencia: La importancia de la investigación clínica. Revista Nacional de Odontología, 16(1), 1–9. https://doi.org/10.16925/2357-4607.2020.01.06 Østervang, C., Jensen, C. M., Coyne, E., Dieperink, K. B., & Lassen, A. (2024). Usability and evaluation of a health information system in the emergency department: Mixed methods study. JMIR Human Factors, 11, e48445. https://doi.org/10.2196/48445 Pressman, R., & Maxim, B. (2020). Software engineering: A practitioner’s approach (Novena edición). Schnarch, A. (2005). Desarrollo de nuevos productos: Cómo crear y lanzar con éxito nuevos productos y servicios al mercado (Cuarta edición). Swanson, J., Schmitz, D., & Chung, K. (2010). How to practice Evidence-Based Medicine. Plastic and Reconstructive Surgery, 126(1), 286–294. https://doi.org/10.1097/PRS.0b013e3181dc54ee Turner, R. E. (2024). An introduction to transformers. http://arxiv.org/abs/2304.10557 Ulrich, K., & Eppinger, S. (2013). Diseño y desarrollo de productos (Quinta edición). Vaswani, A., Brain, G., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Vega, M., Allegue, N., Bellmunt, S., López, C., Riera, R., Solanich, T., & Pardo, J. (2009). Medicina basada en la evidencia: concepto y aplicación. Villamayor, C. (2024). Anatomía de la inteligencia artificial en la cadena de valor del seguro. Wang, Y., Sohn, S., Liu, S., Shen, F., Wang, L., Atkinson, E. J., Amin, S., & Liu, H. (2019). A clinical text classification paradigm using weak supervision and deep representation. BMC Medical Informatics and Decision Making, 19(1). https://doi.org/10.1186/s12911-018-0723- 6 Wiitt S.A.S. (s/f). Transformación digital de las cuentas médicas. https://www.wiit.com.co/ Wu, V., & Casauay, J. (2025). OpenEvidence. Family Medicine, 57(3), 232–233. https://doi.org/10.22454/FamMed.2024.587513 Zhao, B. (2019). Clinical data extraction and normalization of cyrillic electronic health records via deep-learning natural language processing. https://doi.org/10.1200/CCI.19 |
| dc.relation.uriapolo.spa.fl_str_mv |
https://apolo.unab.edu.co/en/persons/luis-felipe-buitrago-castro |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Colombia |
| dc.coverage.campus.spa.fl_str_mv |
UNAB Campus Bucaramanga |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Ingeniería Biomédica |
| dc.publisher.programid.none.fl_str_mv |
IBM-1788 |
| institution |
Universidad Autónoma de Bucaramanga - UNAB |
| bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/30500/1/TrabajodeGrado_Adarme_Arciniegas_Rueda.pdf https://repository.unab.edu.co/bitstream/20.500.12749/30500/7/Licencia.pdf https://repository.unab.edu.co/bitstream/20.500.12749/30500/6/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/30500/8/TrabajodeGrado_Adarme_Arciniegas_Rueda.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/30500/9/Licencia.pdf.jpg |
| bitstream.checksum.fl_str_mv |
dae0c8e4933dec7164d593bf14210035 a6543b414c9c301ed309f411e0258203 3755c0cfdb77e29f2b9125d7a45dd316 9268d077817150eebfef373dae19c1e0 420b1ac7816daae52146662faa8825dd |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
| repository.mail.fl_str_mv |
repositorio@unab.edu.co |
| _version_ |
1851051760303472640 |
| spelling |
Buitrago Castro, Luis Felipe894addeb-3e7a-4edf-be09-dffcbdd46918Escobar Jaramillo, Mateo31eabdd6-4590-4974-871d-59ac3ef11d25Adarme Ardila, Daniela Alejandra352d3afe-9b28-4c1a-8eaf-34de1b729723Arciniegas Mariño, Mariana Alejandra300dd77d-d3d2-47df-9858-d7bdb4fd48f6Rueda Benavides, Johanna Valentina6abf407e-4828-424d-a587-b4cec04b145bBuitrago Castro, Luis Felipe [0001657515]Escobar Jaramillo, Mateo [0001468933]Escobar Jaramillo, Mateo [es&oi=ao]Adarme Ardila, Daniela Alejandra [0009-0007-1107-8849]Arciniegas Mariño, Mariana Alejandra [0009-0000 1979-8620]Rueda Benavides, Johanna Valentina [0009-0000-3458-5383]Buitrago Castro, Luis Felipe [0000-0002-1414-1854]Buitrago Castro, Luis Felipe [luis-felipe-buitrago-castro]Escobar Jaramillo, Mateo [mateo-escobar-jaramillo]Adarme Ardila, Daniela Alejandra [daniela-adarme-ardila-628570363]Arciniegas Mariño, Mariana Alejandra [mariana-alejandra-arciniegas-mariño-00524a363]Rueda Benavides, Johanna Valentina [johanna-rueda-]ColombiaUNAB Campus Bucaramanga2025-07-23T22:03:52Z2025-07-23T22:03:52Z2025-05-26http://hdl.handle.net/20.500.12749/30500instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEn el sistema de salud colombiano, las glosas por pertinencia clínica representan una problemática para las instituciones prestadoras de servicios de salud, pues implican una retención parcial o total al pago de servicios cuando se considera que no es válida o no existe suficiente justificación médica para la asistencia brindada. Estas glosas no solo pueden generar grandes pérdidas económicas, sino que también demandan una revisión exhaustiva de la literatura científica para sustentar adecuadamente las respuestas. Sin embargo, la sobrecarga de información y la falta de herramientas tecnológicas dificultan esta tarea. Por lo que, se tuvo como objetivo desarrollar una herramienta computacional para la asistencia en la búsqueda de referencias durante la gestión de glosas por pertinencia mediante técnicas de aprendizaje profundo. Para su desarrollo, se llevó a cabo un proceso de ingeniería de requerimientos, el diseño de la interfaz y la lógica funcional, así como la conexión a un modelo de lenguaje de gran tamaño y la API SerpApi para extraer artículos de los últimos cinco años de Google Scholar. Su evaluación fue realizada mediante un panel de expertos, a partir del cual se valoró aspectos como la efectividad y usabilidad de la solución, obteniéndose un puntaje en la escala de usabilidad del sistema de 90. Asimismo, el 90,47% de los artículos correspondían a medicina basada en la evidencia, con un promedio de calificación en calidad de 4,61 y en pertinencia de 4,1 con base a una escala Likert de 1 a 5. A partir de esto se evidenció que la herramienta permite generar resultados relevantes, vigentes y alineados para asistir el proceso de gestión de glosas por pertinencia.Agradecimientos.......................................................................................................................... 10 Dedicatoria................................................................................................................................... 11 Resumen....................................................................................................................................... 14 Abstract........................................................................................................................................ 15 Capítulo 1. Problemática u oportunidad .................................................................................. 16 Problema de investigación ................................................................................................ 16 Justificación ...................................................................................................................... 17 Pregunta de investigación ................................................................................................. 19 Objetivo General............................................................................................................... 19 Objetivos Específicos........................................................................................................ 19 Estado del arte................................................................................................................... 20 Marco Teórico................................................................................................................... 22 Glosa..................................................................................................................... 22 Tipos de glosa ....................................................................................................... 22 Medicina Basada en la Evidencia......................................................................... 23 Deep Learning ...................................................................................................... 24 Procesamiento de Lenguaje Natural .................................................................... 25 Transformers......................................................................................................... 25 Generadores de texto ............................................................................................ 28 Capítulo 2. Análisis de requisitos .............................................................................................. 29 Introducción...................................................................................................................... 29 Metodología ...................................................................................................................... 30 Elicitación de requerimientos............................................................................... 30 Análisis de necesidades......................................................................................... 31 Documentación ..................................................................................................... 31 Validación............................................................................................................. 32 Resultados......................................................................................................................... 32 Elicitación de requisitos ....................................................................................... 32 Análisis de necesidades......................................................................................... 33 Documentación ..................................................................................................... 34 Definición de métricas.......................................................................................... 35 Definición valores marginales e ideales............................................................... 37 Discusión........................................................................................................................... 38 Capítulo 3. Definición del concepto........................................................................................... 40 Introducción...................................................................................................................... 40 Metodología ...................................................................................................................... 40 Generación de conceptos...................................................................................... 41 Aclarar problema ...................................................................................... 41 Buscar externamente................................................................................. 41 Buscar internamente.................................................................................. 41 Selección de conceptos ......................................................................................... 42 Matriz de filtrado ...................................................................................... 42 Matriz de evaluación de concepto............................................................. 42 Recomendación del concepto................................................................................ 42 Resultados......................................................................................................................... 43 Conceptos.............................................................................................................. 43 Conceptos Back end.................................................................................. 43 Conceptos Front end................................................................................. 49 Selección del Concepto......................................................................................... 53 Matrices de selección................................................................................ 53 Alcance y riesgos concepto seleccionado............................................................. 55 Alcance ..................................................................................................... 55 Riesgos...................................................................................................... 56 Discusión........................................................................................................................... 57 Capítulo 4. Desarrollo de la herramienta ................................................................................. 60 Introducción...................................................................................................................... 60 Metodología ...................................................................................................................... 60 Front end............................................................................................................... 61 Back end................................................................................................................ 61 Navegación entre pantallas....................................................................... 62 Conexión e integración con la base de datos ............................................ 62 Conexión e interacción con LLM y API................................................... 62 Resultados......................................................................................................................... 63 Front end............................................................................................................... 63 Back end................................................................................................................ 67 Funcionamiento de la herramienta de búsqueda.................................................. 67 Discusión........................................................................................................................... 69 Capítulo 5. Valoración de búsqueda e interacción con la interfaz ......................................... 72 Introducción...................................................................................................................... 72 Metodología ...................................................................................................................... 73 Diseño del instrumento ......................................................................................... 73 Evaluación de efectividad......................................................................... 73 Evaluación de usabilidad .......................................................................... 74 Panel de expertos.................................................................................................. 74 Aplicación del instrumento ................................................................................... 75 Tratamiento y análisis de los datos ...................................................................... 75 Resultados......................................................................................................................... 76 Necesidad 1: Capacidad de Búsqueda ................................................................. 77 Necesidad 2: Rendimiento. ................................................................................... 80 Necesidad 3: Interacción con el usuario .............................................................. 81 Discusión........................................................................................................................... 83 Conclusiones................................................................................................................................ 85 Recomendaciones para trabajos futuros .................................................................................. 86 Referencias................................................................................................................................... 87 Anexos.......................................................................................................................................... 94 Encuestas realizadas al panel de expertos......................................................................... 94 Encuestado 1......................................................................................................... 94 Encuestado 2....................................................................................................... 100 Encuestado 3....................................................................................................... 106 Adquisición propia de datos............................................................................................ 112 Encuestado 1....................................................................................................... 112 Encuestado 2....................................................................................................... 113 Encuestado 3....................................................................................................... 114PregradoIn the Colombian healthcare system, clinical relevance denials represent a challenge for healthcare providers, as they involve partial or withholding of payment when the medical services rendered are deemed unjustified or lacking sufficient clinical support. These denials can lead to substantial financial losses and require a thorough review of scientific literature to adequately support the appeals. However, the information overload and lack of technological tools make this task difficult. Therefore, the objective was to develop a computational tool to assist in the search for scientific references during the management of clinical relevance denials, using deep learning techniques. The development process included requirements engineering, user interface and functional logic design, and the integration of a large language model along with the SerpApi API to retrieve articles from the last five years from Google Scholar. The tool was evaluated by a panel of experts, who assessed aspects such as its effectiveness and usability, obtaining a score on the system usability scale of 90. In addition, 90.47% of the articles corresponded to evidence-based medicine, with an average quality rating of 4,61 and relevance of 4,1 based on a Likert scale of 1 to 5. Therefore, the tool allows the generation of relevant, current and aligned results to assist the response process of clinical relevance denials.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Herramienta computacional para la búsqueda de referencias durante la gestión de glosas por pertinenciaComputational tool for reference retrieval during the relevance-based claims review processIngeniero BiomédicoUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería BiomédicaIBM-1788info:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/acceptedVersionhttp://purl.org/redcol/resource_type/TPArtificial intelligenceMedical claim denialsClinical engineeringEvidence-based medicineLarge language modelBiomedical engineeringEngineeringBiophysicsBioengineeringMedicineBiomedicalAutomationDeep learning (Machine learning)Python (Computer program language)Ingeniería biomédicaIngenieríaBiofísicaBioingenieríaMedicinaBiomédicaAutomatizaciónAprendizaje profundo (Aprendizaje automático)Python (Lenguaje de programación de computadores)GlosasIngeniería clínicaInteligencia artificialMedicina basada en evidenciaModelo de lenguaje de gran tamañoAdebanji, O. O., Ojo, O. E., Calvo, H., Gelbukh, I., & Sidorov, G. (2024). Adaptation of transformer-based models for depression detection. Computacion y Sistemas, 28(1), 151–165. https://doi.org/10.13053/CyS-28-1-4691Agudelo, M., Álvarez, W., & Buelvas, K. (2020). Caracterización de las Glosas Presentadas a la Facturación de los Servicios de Salud en el Hospital Universitario San Vicente Fundación de Medellín, 2019. Universidad de Antioquia.Araque, N. (2019). Implementación de un “Programa Glosa Cero” para la Auditoría y la Facturación del Proceso de Atención en Salud de Pacientes Víctimas de Accidente de Tránsito en una IPS de Alta Complejidad. Universidad Autónoma de Bucaramanga.Argimón, J., Guarga, A., & Jiménez, J. (2020). Medicina basada en la evidencia: guías y protocolos. https://doi.org/10.1016/B978-84-9113-186-1.00005-1Bloom, B. M., Pott, J., Thomas, S., Gaunt, D. R., & Hughes, T. C. (2021). Usability of electronic health record systems in UK EDs. Emergency Medicine Journal, 38(6), 410–415. https://doi.org/10.1136/emermed-2020-210401Bonfill, X., & Schapira, P. (2010). Importancia de la medicina basada en la evidencia para la práctica clínica. Colombia Médica, 41, 186–193.Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., Agarwal, S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R., Ramesh, A., Ziegler, D. M., Wu, J., Winter, C., … Amodei, D. (2020). Language models are few-shot learners. http://arxiv.org/abs/2005.14165Cadavid, E., & Morelo, M. (2021). Análisis de las principales causas de glosas en la E.S.E Hospital San Antonio de Tarazá año 2020. Universidad de Antioquia.Chavarría, T. (2018). Desarrollo e implementación de una herramienta para la validación de cuentas médicas y gestión de glosas en el sector salud en Colombia. Medicina UPB, 37(2), 131–141. https://doi.org/10.18566/medupb.v37n2.a07Cristiá, M. (2018). Introducción a la ingeniería de requerimientos. Universidad Nacional de Rosario.de la Torre, J. (2025). Transformadores: Fundamentos teóricos y aplicaciones. http://arxiv.org/abs/2302.09327Durango, L., Meza, M., & Sarmiento, M. (2021). Propuesta de Intervención para Reducir de Manera Progresiva el Incremento de las Glosas en el Sector Salud. Universidad de Córdoba.Feghali, A., & Estrada, D. (2020). Problemas en la práctica clínica: los retos de la medicina basada en la evidencia. Revista Médicas UIS, 33(1), 59–65. https://doi.org/10.18273/revmed.v33n1- 2020007Franco, D., García, D., Quiñones, B., & Valera, M. (2023). Caracterización, Análisis y Plan de Mejoramiento para la Disminución de las Glosas en el Hospital Regional José David Padilla Villafañe en Aguachica, Cesar. Fundación Universitaria de Ciencias de la Salud.Galeas, J. (2020). Metodología para el levantamiento de requisitos en proyectos ágiles de la industria se software con recurso humano freelance, basados en los estándares que promueve PMI caso práctico empresa “It Control”.Gil, G. (2002). Herramienta para implementar LEL y escenarios (TILS). Universidad Nacional de La Plata.Guan, Y. (2024). Flight price prediction web-based platform: Leveraging generative AI for realtime airfare forecasting. Journal of Web Engineering, 23(2), 299–314. https://doi.org/10.13052/JWE1540-9589.2325Hajesmaeel-Gohari, S., Khordastan, F., Fatehi, F., Samzadeh, H., & Bahaadinbeigy, K. (2022). The most used questionnaires for evaluating satisfaction, usability, acceptance, and quality outcomes of mobile health. BMC Medical Informatics and Decision Making. https://doi.org/10.1186/s12911-022-01764-2Holdsworth, J., & Scapicchio, M. (2024). ¿Qué es el deep learning? https://www.ibm.com/eses/think/topics/deep-learningJuca, F. (2023). Inteligencia artificial en motores de búsqueda: percepciones de los docentes universitarios y su impacto en el proceso de enseñanza y aprendizaje. INNOVA Research Journal, 8(3.1), 45–58. https://doi.org/10.33890/innova.v8.n3.1.2023.2336Kelleher, J. D. (2019). Deep Learning. The MIT Press. https://doi.org/10.7551/mitpress/11171.001.0001Kulkarni, A., Shivananda, A., Kulkarni, A., & Gudivada, D. (2023). Applied generative AI for beginners. Apress. https://doi.org/10.1007/978-1-4842-9994-4Ladevéze, L. N., Canal, M. N., & de Mon Pan de Soraluce, I. Á. (2024). Gramática y retórica aristotélicas, condiciones del algoritmo generador de textos. Anàlisi , 70, 1–14. https://doi.org/10.5565/rev/analisi.3704Lecun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. En Nature (Vol. 521, Número 7553, pp. 436–444). Nature Publishing Group. https://doi.org/10.1038/nature14539Lewis, J. R. (2018). The System Usability Scale: Past, present, and future. International Journal of Human-Computer Interaction, 34(7), 577–590. https://doi.org/10.1080/10447318.2018.1455307Lozano, L., Lugo, J., & Moya, M. (2021). Los generadores de glosas en la Institución Prestadora de Salud (IPS) Humsalud del municipio Unión Panamericana en el último trimestre del año 2019. Universidad Católica de Manizales.Martínez, Y. (2009). Propuesta para el levantamiento de requisitos funcionales en función del aseguramiento de la calidad de software.Medina Cruz, J., Pineda, E., & Téllez, F. (2022). Requerimientos de software: prototipado, software heredado y análisis de documentos. Ingeniería y Desarrollo, 37(02), 327–345. https://doi.org/10.14482/inde.37.2.1053Melnick, E. R., Dyrbye, L. N., Sinsky, C. A., Trockel, M., West, C. P., Nedelec, L., Tutty, M. A., & Shanafelt, T. (2020). The association between perceived electronic health record usability and professional burnout among US physicians. Mayo Clinic Proceedings, 95(3), 476–487. https://doi.org/10.1016/j.mayocp.2019.09.024Ministerio de la Protección Social. (2009a). Anexo técnico No. 6 Manual único de glosas, devoluciones y respuestas unificación.Ministerio de la Protección Social. (2009b). Resolución Número 000416 de 2009 (2009).Moreira, A. (2021). Diseño de la Bodega de bienes obsoletos de una Institución de Educación Superior utilizando la metodología DMADV de Seis Sigma. Escuela Superior Politécnica del Litoral.Nielsen, A., & Karlstrand, J. (2024). Generative AI assistant for public transport using scheduled and real-time data. www.liu.seNúñez, C., Velasco, J., Carrasco, B., & Guambuguete, J. (2024). Aplicaciones de la Inteligencia Artificial en el proceso de aprendizaje en la educación universitaria. Magazine de las Ciencias: Revista de Investigación e Innovación, 9(1), 92–109. https://doi.org/10.33262/rmc.v9i1.3055Olmedo, V. (2013). ¿Cómo ayuda la medicina basada en evidencias en la práctica clínica?. Universidades de Queensland, Australia, y Oxford, uk. Glasziou P, Del Mar C, Salisbury J. Evidence Based Medicine Workbook. London: bmj Books; 2003. Atención Familiar, 20(3), 98–100. https://doi.org/10.1016/S1405-8871(16)30101-8Onat, M., Bas, A., & Van Heerden, I. (2021). Exploring transformers in natural language generation: GPT, BERT, and XLNet. https://doi.org/10.48550/arXiv.2102.08036Orellana, J., Morales, V., & González, M. (2019). Medicina basada en evidencia: La importancia de la investigación clínica. Revista Nacional de Odontología, 16(1), 1–9. https://doi.org/10.16925/2357-4607.2020.01.06Østervang, C., Jensen, C. M., Coyne, E., Dieperink, K. B., & Lassen, A. (2024). Usability and evaluation of a health information system in the emergency department: Mixed methods study. JMIR Human Factors, 11, e48445. https://doi.org/10.2196/48445Pressman, R., & Maxim, B. (2020). Software engineering: A practitioner’s approach (Novena edición).Schnarch, A. (2005). Desarrollo de nuevos productos: Cómo crear y lanzar con éxito nuevos productos y servicios al mercado (Cuarta edición).Swanson, J., Schmitz, D., & Chung, K. (2010). How to practice Evidence-Based Medicine. Plastic and Reconstructive Surgery, 126(1), 286–294. https://doi.org/10.1097/PRS.0b013e3181dc54eeTurner, R. E. (2024). An introduction to transformers. http://arxiv.org/abs/2304.10557Ulrich, K., & Eppinger, S. (2013). Diseño y desarrollo de productos (Quinta edición).Vaswani, A., Brain, G., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need.Vega, M., Allegue, N., Bellmunt, S., López, C., Riera, R., Solanich, T., & Pardo, J. (2009). Medicina basada en la evidencia: concepto y aplicación.Villamayor, C. (2024). Anatomía de la inteligencia artificial en la cadena de valor del seguro.Wang, Y., Sohn, S., Liu, S., Shen, F., Wang, L., Atkinson, E. J., Amin, S., & Liu, H. (2019). A clinical text classification paradigm using weak supervision and deep representation. BMC Medical Informatics and Decision Making, 19(1). https://doi.org/10.1186/s12911-018-0723- 6Wiitt S.A.S. (s/f). Transformación digital de las cuentas médicas. https://www.wiit.com.co/Wu, V., & Casauay, J. (2025). OpenEvidence. Family Medicine, 57(3), 232–233. https://doi.org/10.22454/FamMed.2024.587513Zhao, B. (2019). Clinical data extraction and normalization of cyrillic electronic health records via deep-learning natural language processing. https://doi.org/10.1200/CCI.19https://apolo.unab.edu.co/en/persons/luis-felipe-buitrago-castroORIGINALTrabajodeGrado_Adarme_Arciniegas_Rueda.pdfTrabajodeGrado_Adarme_Arciniegas_Rueda.pdfTesisapplication/pdf8273682https://repository.unab.edu.co/bitstream/20.500.12749/30500/1/TrabajodeGrado_Adarme_Arciniegas_Rueda.pdfdae0c8e4933dec7164d593bf14210035MD51open accessLicencia.pdfLicencia.pdfLicenciaapplication/pdf638316https://repository.unab.edu.co/bitstream/20.500.12749/30500/7/Licencia.pdfa6543b414c9c301ed309f411e0258203MD57metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/30500/6/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD56open accessTHUMBNAILTrabajodeGrado_Adarme_Arciniegas_Rueda.pdf.jpgTrabajodeGrado_Adarme_Arciniegas_Rueda.pdf.jpgIM Thumbnailimage/jpeg4833https://repository.unab.edu.co/bitstream/20.500.12749/30500/8/TrabajodeGrado_Adarme_Arciniegas_Rueda.pdf.jpg9268d077817150eebfef373dae19c1e0MD58open accessLicencia.pdf.jpgLicencia.pdf.jpgIM Thumbnailimage/jpeg12755https://repository.unab.edu.co/bitstream/20.500.12749/30500/9/Licencia.pdf.jpg420b1ac7816daae52146662faa8825ddMD59metadata only access20.500.12749/30500oai:repository.unab.edu.co:20.500.12749/305002025-07-23 22:00:44.663open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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 |