Esta es una participación para el AI Agents Challenge powered by n8n and Bright Data
Qué construí
Cuando la tecnología se encuentra con una necesidad personal, la innovación cobra un sentido profundo. Este proyecto no fue solo un experimento de hackathon ni una prueba de automatización, nació a partir del caso de mi madre. Gestionar sus informes médicos, recetas, resultados de pruebas y facturas hospitalarias era abrumador. Cada información vivía en un silo distinto, adjuntos de Gmail, mensajes de WhatsApp, portales, y cada vez que un médico pedía el historial nos tocaba buscar a contrarreloj. Quise resolverlo de una vez por todas.
Ahí fue cuando recurrí a n8n, una herramienta de automatización de flujos open source, y empecé a construir una canalización automática para recopilar, clasificar, procesar y entregar su información médica de forma organizada.
Demo
Ver demo en Google Drive
Workflow en n8n
Repositorio onco-assist en GitHub
Implementación técnica
Paso 1 Integración con Gmail como punto de entrada
Casi todo llega por correo. La mayoría de la información médica de mi madre, informes de PET y CT, analíticas, facturas, recetas, llegaba a Gmail como adjuntos. Configuré un nodo Gmail Trigger para capturar cada correo nuevo con adjuntos médicos. Así no se nos escapaba nada.
Motivación descargar y renombrar archivos a mano es propenso a errores. Automatizar esto nos ahorró horas cada semana.
Paso 2 Clasificador de texto ordenar el caos
Una vez capturados los correos, el reto fue la clasificación. Un informe de PET no se parece a una factura de farmacia, y cada tipo requiere un tratamiento distinto.
Usé el AI Text Classifier de n8n con un backend LLM. Analiza asunto y cuerpo del correo para clasificar los adjuntos en categorías como
– Informes PET CT Histopatología
– Análisis de sangre
– Medicación
– Facturas e invoices
Motivación los médicos quieren acceso rápido a información específica. Si mezclas analíticas con facturas de farmacia, creas confusión. Clasificar aporta estructura.
Paso 3 Gestión de documentos con Google Docs y Drive
Para informes PET CT, Histopatología y analíticas, monté un flujo de creación y actualización de Google Docs
Nodo Search Files and Folders buscar si ya existe un documento para esa categoría.
Nodo IF si existe, actualizar documento; si no, crear documento nuevo.
Motivación los médicos piden comparativas longitudinales mostrar cómo han evolucionado los PET, por ejemplo. Al actualizar documentos existentes en lugar de crear infinitos nuevos, construimos documentos vivos con el historial completo.
Paso 4 Gestión de medicación con hojas estructuradas
Los precios de medicamentos varían entre farmacias y la disponibilidad es cambiante. Aquí utilicé
Google Sheets como almacén estructurado de fármacos.
Bright Data Scraper para obtener en tiempo real precios y disponibilidad desde GoodRx.
Nodo de código personalizado para generar dinámicamente URLs de los fármacos a partir de las entradas de la hoja.
Motivación en tratamientos de largo plazo, el coste importa. Automatizar la comparación de precios entre farmacias nos ayudó a ahorrar y planificar mejor.
Paso 5 Facturas e invoices comprobantes organizados
Canalicé facturas y comprobantes hacia un borrador en Google Docs. Por qué un borrador porque a veces requieren ediciones manuales antes de presentarlas a seguros. Al automatizar el borrador reduje trabajo repetitivo manteniendo flexibilidad.
Paso 6 Bright Data y peticiones HTTP inteligencia en tiempo real
Algunos datos requerían scraping más allá de APIs. Al principio batallé con datasets, no encontré uno en el hub de Bright Data que se ajustara a mi caso. Tras experimentar y fallar con conjuntos preconstruidos, creé un collector personalizado de Bright Data con código de parser. Luego lo conecté a n8n mediante el nodo HTTP Request para lanzar scrapes de forma dinámica y recuperar resultados dentro del flujo.
Fue un reto, pero se convirtió en la parte más potente del sistema inteligencia de precios de medicamentos en tiempo real desde la web. La función de generación de código fue fantástica y ayudó mucho.
Paso 7 Notificaciones con Twilio cerrar el círculo
De poco sirve todo si la persona cuidadora no se entera cuando llega información nueva. Configuré alertas por SMS o WhatsApp con Twilio al final de cada flujo, por ejemplo nuevo informe PET subido a Docs, hoja de precios de medicación actualizada, borrador de factura listo para seguro.
Motivación la atención sanitaria ya es bastante estresante. Recibir alertas en tiempo real me permitió enfocarme en el cuidado, no en la gestión de archivos.
Bright Data Verified Node
Utilicé el Bright Data Verified Node para extraer precios de fármacos y detalles de farmacias desde GoodRx con datos estructurados. Lanzaba collectors dinámicamente, obtenía JSON limpio e integraba los resultados en Google Sheets y Docs. Esto habilitó un seguimiento en tiempo real de precios, disponibilidad e insights relacionados dentro de mi flujo de trabajo como cuidadora.
Recorrido
Este proyecto no iba de lucir tecnología, sino de reducir la sobrecarga cognitiva de quienes cuidan. Encadenando Gmail, clasificadores de IA, Google Docs, Sheets, scrapers de Bright Data y alertas de Twilio en n8n, construí mi primer agente de IA y un sistema personal de automatización para salud.
Al inicio fue frustrante conectar datasets de Bright Data, pero ese desafío me empujó a crear mi propio collector e integrarlo con nodos HTTP. Esa curva de aprendizaje resultó ser una de las partes más gratificantes del proceso.
Para mi madre, significó tener siempre respuestas cuando los médicos pedían historial. Para mí, una confirmación de que la mejor tecnología nace cuando resolvemos problemas cercanos.