Prospect IA

Abstract

[ES]Este Trabajo de Fin de Grado presenta el desarrollo de una aplicación móvil orientada a la identificación y consulta de información sobre los medicamentos comercializados en España, específicamente aquellos de uso no hospitalario. El sistema permite al usuario obtener información sobre un medicamento a partir de una fotografía del envase, su código nacional o su nombre, utilizando técnicas de reconocimiento óptico de caracteres (OCR) y consultas a la API pública del Centro de Información online de Medicamentos (CIMA) de la AEMPS (Agencia Española de Medicamentos y Productos Sanitarios). La aplicación ofrece además un historial local de las consultas realizadas y un asistente inteligente capaz de responder preguntas formuladas en lenguaje natural sobre el prospecto del medicamento. Este asistente se basa en una arquitectura de Recuperación Aumentada por Generación (RAG) y un modelo de lenguaje para generar respuestas precisas a partir de los fragmentos más relevantes recuperados. El proyecto ha sido desarrollado siguiendo principios de diseño centrado en el usuario, Android Studio con Kotlin para la interfaz móvil, y dos servidores en Python con Fast API: uno encargado del acceso a la API de CIMA y de redirigir las preguntas al servidor RAG y otro para el procesamiento de las preguntas mediante RAG. El resultado es una aplicación funcional, intuitiva y eficiente, con tiempos de respuesta rápidos tanto en la identificación del medicamento como en la interacción con el asistente.

[EN]This Final Degree Project presents the development of a mobile application aimed at the identification and retrieval of information about medicines marketed in Spain, specifically those intended for non-hospital use. The system allows users to obtain information about a medicine using a photo of its packaging, its national code, or its name, applying Optical Character Recognition (OCR) techniques and queries to the public API of the Centro de Información online de Medicamentos (CIMA) from the AEMPS (Spanish Agency of Medicines and Medical Devices). The application also provides a local history of previous queries and includes an intelligent assistant capable of answering natural language questions about the medicine's leaflet. This assistant is based on a Retrieval-Augmented Generation (RAG) architecture and a language model to generate accurate responses from the most relevant extracted fragments. The project was developed following user-centered design principles, using Android Studio with Kotlin for the mobile interface, and two Python servers with FastAPI: one responsible for accessing the CIMA API and routing questions to the RAG server, and another focused on processing questions through the RAG pipeline. The result is a functional, intuitive, and efficient application, with fast response times for both medicine identification and interaction with the AI-powered assistant