ClinicScribe AI — API

Concepto

AI Scribe para clínicas privadas y médicos independientes. El médico sube el audio de una consulta; el sistema lo transcribe con un modelo de voz especializado en terminología médica y genera automáticamente una nota clínica estructurada en formato SOAP (Subjetivo, Objetivo, Evaluación, Plan). El médico revisa, corrige y exporta la nota final para su EHR. Objetivo: recuperar el tiempo que hoy se pierde en documentación administrativa (hasta 40% de la jornada clínica).

Arquitectura

Microservicio REST con Spring Boot 4.0.4 / Java 25.

controller/   AuthController, ConsultationController — endpoints HTTP
service/      lógica de negocio + orquestación de IA
  ConsultationService            carga y consulta de estado/nota
  ConsultationProcessingService  pipeline @Async (virtual threads)
  TranscriptionService           cliente Speech-to-Text (Feign)
  SoapNoteGenerationService      cliente LLM → SOAP (Feign)
  AudioStorageService            almacenamiento cifrado del audio
  AudioEncryptionService         AES/GCM en reposo
  ExportService                  export TXT y PDF (generado a mano, sin libs externas)
  AuthService                    login y emisión de JWT
client/       SpeechToTextClient, LlmSoapClient — interfaces @FeignClient
model/        User, Consultation, ClinicalNote (JPA), Role, ConsultationStatus
repository/   Spring Data JPA
dto/          records de request/response
security/     JWT (jjwt), filtro, SecurityConfig, UserDetailsService
config/       Feign, Async (virtual threads), ConfigurationProperties, seed de datos
exception/    excepciones de negocio + @RestControllerAdvice

Flujo asíncrono: POST /consultations guarda el audio cifrado y responde %%INLINE1%% de inmediato. %%INLINE2%% corre en un virtual thread (VirtualThreadTaskExecutor), invoca Speech-to-Text → LLM → persiste la nota, actualizando Consultation.status en cada paso (UPLOADED → TRANSCRIBING → TRANSCRIBED → GENERATING_NOTE → NOTE_READY, o %%INLINE6%% si algo falla). El frontend hace polling de %%INLINE7%%.

Seguridad: Spring Security con JWT stateless (HS256, jjwt 0.12.6). Audio cifrado en reposo con AES/GCM antes de tocar disco (simulación local de un bucket S3 aislado). Único endpoint público: POST /api/v1/auth/login.

Endpoints

Método	Ruta	Descripción
POST	/api/v1/auth/login	Login, devuelve JWT
POST	%%INLINE10%%	Sube audio (%%INLINE11%%: %%INLINE12%%, %%INLINE13%%)
GET	/api/v1/consultations	Lista consultas del médico autenticado
GET	/api/v1/consultations/{id}/status	Estado del pipeline asíncrono
GET	/api/v1/consultations/{id}/note	Nota SOAP generada
PUT	/api/v1/consultations/{id}/note	Médico corrige/valida la nota
GET	/api/v1/consultations/{id}/export?format=pdf\|txt	Exporta nota final

Referencias

• implementationGuide del BusinessCase (Feign + LLM + Speech-to-Text + JPA + JWT).
• jjwt 0.12.6 API moderna (%%INLINE20%%, %%INLINE21%%).
• Spring Security 7 DSL lambda + VirtualThreadTaskExecutor (Spring Framework 6.1+).
• sourceUrls.AI Trends in Healthcare: https://nft.eu/article/top-10-ai-trends-in-healthcare-education-and-manufacturing-in-2026

Análisis de negocio

• Dolor: 40% del tiempo médico en documentación → burnout, menos tiempo con

paciente, errores de registro.

• Cliente: clínicas pequeñas/medianas y especialistas independientes que no

pueden costear suites empresariales de EHR con scribe integrado.

• Monetización: SaaS B2B, suscripción por niveles según consultas

procesadas/mes/profesional — escala con el uso real, fácil de vender a consultorios de 1-5 médicos.

• Riesgo regulatorio cubierto en el MVP: cifrado en tránsito (HTTPS,

fuera del alcance del código) y en reposo (AES/GCM sobre el audio), JWT stateless, aislamiento de storage por consulta — base para cumplimiento HIPAA-like, no una certificación completa.

• Próximo paso natural: reemplazar los endpoints Feign placeholder por un

proveedor real (p. ej. Deepgram/AWS Transcribe Medical + Claude/GPT-4), y Storage local por S3+KMS.

Cómo ejecutar

cd clinicscribe-ai-api
mvn spring-boot:run

Arranca con H2 en memoria (autoconfigurado) y crea un médico demo: %%INLINE24%% / %%INLINE25%%.

# 1. Login
curl -X POST localhost:8080/api/v1/auth/login \
  -H "Content-Type: application/json" \
  -d '{"email":"demo@clinicscribe.ai","password":"Demo1234!"}'

# 2. Subir audio (usa el token del paso anterior)
curl -X POST localhost:8080/api/v1/consultations \
  -H "Authorization: Bearer <TOKEN>" \
  -F "audio=@consulta.wav;type=audio/wav" \
  -F "patientReference=PAC-0001"

# 3. Consultar estado
curl localhost:8080/api/v1/consultations/1/status -H "Authorization: Bearer <TOKEN>"

# 4. Ver / editar nota SOAP
curl localhost:8080/api/v1/consultations/1/note -H "Authorization: Bearer <TOKEN>"

# 5. Exportar
curl localhost:8080/api/v1/consultations/1/export?format=pdf \
  -H "Authorization: Bearer <TOKEN>" -o nota.pdf

Nota: %%INLINE26%% y %%INLINE27%% apuntan a URLs placeholder (%%INLINE28%% / %%INLINE29%%, configurables en application.yml). Sin credenciales reales, el paso 2 en adelante termina en status=FAILED — el pipeline queda listo para conectar cualquier proveedor real de Speech-to-Text médico y LLM.

---

Análisis FinOps para ClinicScribe AI

Resumen Ejecutivo

ClinicScribe AI presenta un modelo de negocio B2B SaaS con un alto potencial de rentabilidad, incluso en sus etapas iniciales. Con una estimación conservadora de 10 clientes pagando un promedio de $90/mes, se proyecta un ingreso mensual de $900. Los costos operativos son notablemente bajos, totalizando aproximadamente $131/mes, lo que resulta en un impresionante margen de beneficio del 85%.

El principal impulsor de costos es la API de Speech-to-Text (STT), que representa la mayor parte de los gastos de API. El uso del LLM (gpt-4o-mini) es sorprendentemente económico, y la infraestructura cloud base se mantiene a un nivel mínimo gracias a la elección de servicios eficientes.

Desglose de Costos y Estimaciones:

• Uso de Tokens LLM Mensuales: Se estima un uso de ~4 millones de tokens por mes. Esto se basa en 10 clientes, cada uno procesando 100 consultas/mes (total 1000 consultas/mes), con cada consulta generando aproximadamente 3225 tokens de entrada y 700 tokens de salida para el LLM.
• Costos de API Mensuales (~$91/mes):

Speech-to-Text (OpenAI Whisper): $90/mes. Basado en 1000 consultas/mes, cada una de 15 minutos de duración (15,000 minutos totales $0.006/min). * Large Language Model (OpenAI gpt-4o-mini): $1/mes. Basado en 3.2M tokens de entrada ($0.15/M tokens) y 0.7M tokens de salida ($0.60/M tokens).

• Costos de Infraestructura Cloud Mensuales (~$40/mes - AWS Baseline):

* Compute (EC2): 1 instancia t3.small para el microservicio Spring Boot (~$15/mes). * Base de Datos (RDS): 1 instancia db.t3.micro PostgreSQL con almacenamiento básico (~$17/mes). * Almacenamiento (S3): Para archivos de audio y notas generadas (aproximadamente 15GB/mes, ~$1/mes). * Monitoring/Logs (CloudWatch): Costos básicos de logging y métricas (~$5/mes).

• Ingresos Mensuales Estimados: $900/mes. Asumiendo un modelo de suscripción por niveles, con 10 profesionales médicos pagando un promedio de $90/mes por 100 consultas procesadas.
• Margen de Beneficio: 85%. (($900 Ingresos - $131 Costos) / $900 Ingresos) * 100.

Oportunidades de Optimización FinOps:

1. Diversificación de Proveedores STT: La API de Whisper es el costo dominante. Investigar alternativas especializadas en el sector médico (ej. AWS Transcribe Medical, Google Cloud Healthcare API) podría ofrecer mayor precisión, o buscar soluciones de código abierto (ej. Vosk, NVIDIA NeMo) que puedan ser auto-alojadas y fine-tuneadas, reduciendo drásticamente los costos a escala, aunque con una inversión inicial en ingeniería.
2. Arquitectura Serverless para Procesamiento Asíncrono: Migrar el flujo de trabajo de transcripción y generación de notas a funciones sin servidor (como AWS Lambda) activadas por eventos (ej. subida de archivo a S3). Esto eliminaría los costos de una instancia EC2 siempre activa para el procesamiento de tareas, pagando solo por la ejecución real y escalando automáticamente con la demanda.
3. Gestión del Ciclo de Vida de Datos en S3: Implementar políticas de ciclo de vida en S3 para los archivos de audio. Después de un período configurable (ej. 30-60 días post-procesamiento), los archivos podrían moverse automáticamente a clases de almacenamiento más baratas (ej. S3 Glacier, Glacier Deep Archive) o eliminarse, balanceando la necesidad de cumplimiento regulatorio con la optimización de costos.
4. Optimización de Prompts LLM: A través de la ingeniería de prompts, buscar formas de condensar las instrucciones y el contexto enviado al LLM sin perder calidad en la salida. Cada token ahorrado, especialmente en la entrada, contribuye a reducir costos, aunque con gpt-4o-mini, el impacto es menor debido a su bajo precio.
5. Pre-procesamiento de Audio Inteligente: Implementar algoritmos que detecten y eliminen silencios prolongados o ruido de fondo en las grabaciones de audio antes de enviarlas a la API de STT. Esto podría reducir la duración efectiva del audio a transcribir, resultando en ahorros por minuto.

Conclusión

ClinicScribe AI demuestra una excelente viabilidad financiera desde el principio, con un sólido margen de beneficio. Las estrategias FinOps deben centrarse en monitorear de cerca el costo de las API externas, especialmente STT, y estar preparadas para pivotar hacia soluciones más rentables a medida que la escala aumente, manteniendo siempre la calidad y el cumplimiento normativo.