MediScanAI
Prototipo de análisis de imágenes médicas con arquitectura de microservicios y modelos de IA. No es una herramienta clínica.
El problema
Integrar tareas de inferencia de duración variable sin bloquear el resto del sistema.
Qué construí
Un API Gateway en Spring Cloud Gateway enruta a servicios de IAM, reportes, notificaciones y administración. Un servicio en FastAPI con TensorFlow clasifica y un ML Service con MONAI explica y entrena. Frontends en React y Flutter.
Resultado
Prototipo de ingeniería con muchos servicios; no se presenta como herramienta clínica validada.
Decisiones que importaron
- 01
Un solo punto de entrada
El API Gateway concentra el acceso y delega la autenticación en el servicio IAM.
- 02
Un servicio por responsabilidad
IAM, reportes, notificaciones y administración son servicios Spring Boot, cada uno con su base de datos.
- 03
Lo lento, aparte
La inferencia y el entrenamiento corren en servicios de Python separados, y los correos salen por RabbitMQ.
- 04
Resultados explicables
El ML Service incorpora explicabilidad con Captum y un modelo de rayos X con MONAI.
Tecnologías
- Spring Cloud Gateway
- Spring Boot
- FastAPI
- TensorFlow
- MONAI
- RabbitMQ
- React
- Flutter
Modelo C4. La línea con pulso es el recorrido principal de una solicitud.
Nivel 1 · quién usa el sistema y con qué se conecta
Nivel 2 · las aplicaciones y almacenes que lo componen
Nivel 3 · los componentes dentro de la API
- Persona
- Sistema
- Contenedor
- Base de datos
- Externo
- Recorrido principal
- 01Estudio de imagen
- 02API Gateway
- 03AI Service
- 04ML Service
- 05Reporte
- 06Aviso