Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

GroundCheck

GroundCheckHealth es una aplicación open source de recuperación clínica que responde preguntas solo desde documentos confiables y se niega cuando no puede fundamentar sus respuestas. Sistema de IA confiable con verificación determinista, trazabilidad completa y sin claves API.

Ficha actualizada 28 sept 2026, 12:15 · upstream 28 sept 2026, 12:11 · release sin release detectada

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es GroundCheck

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

GroundCheckHealth es un sistema de respuesta a preguntas clínicas diseñado para demostrar ingeniería de IA confiable. El modelo es la parte sencilla; el trabajo real está en la recuperación, fundamentación, verificaciones de seguridad deterministas, negativas y trazabilidad completa de auditoría.

El sistema recupera pasajes relevantes desde un corpus confiable, pide a un modelo de lenguaje que responda usando solo esos pasajes, y ejecuta una serie de verificaciones deterministas antes de mostrar cualquier contenido. Si todas las verificaciones pasan, se obtiene una respuesta con citas. Si alguna falla, se recibe una negativa con razón específica.

La decisión de responder o negarse es determinista y nunca depende de una llamada a modelo en vivo. Si no hay clave API configurada o la llamada falla, la aplicación cae en generación extractiva y sigue funcionando extremo a extremo. El demo no puede romperse en producción.

CASOS DE USO
  • Respuestas clínicas fundamentadas con citas verificables para investigación médica
  • Sistema de auditoría de respuestas de IA con trazabilidad completa para cumplimiento normativo
  • Demostración de ingeniería de IA confiable sin dependencia de claves API externas
  • Plataforma de entrenamiento y evaluación de modelos con corpus sintético controlado
  • Herramienta de desarrollo para implementar verificaciones deterministas en pipelines de RAG
PUNTOS DESTACADOS
  • Verificaciones deterministas que no dependen de llamadas a modelos en vivo
  • Corpus sintético completamente controlado sin datos médicos reales
  • Trazabilidad completa de auditoría con trazas por cada etapa del pipeline
  • Soporte nativo para Docker con construcción instantánea de índice
  • Múltiples puntos de rechazo con razones específicas documentadas
PRECAUCIONES
  • No es dispositivo médico ni proporciona consejo médico - software de investigación
  • Corpus completamente sintético con datos ficticios (no válidos para producción clínica)
  • Sin soporte Docker Compose por defecto, requiere configuración manual
  • Requiere Python 3.12 o Docker para despliegue
  • Datos de demostración no validados clínicamente ni aprobados por reguladores
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

An answer with source citationsA refused question and its pipeline traceRefusals and flagged answers waiting for reviewQuestions per day, refusal rate and response timesLive loss and accuracy while training an abdominal CT organ classifierA model card with per-class accuracy and a CT slice classified as liverThe audit trail verified, with encryption and retention statusGolden-set results and adversarial probes
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO30 GBalmacenamiento base
COMPLEJIDADhighnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Docker detectado

Despliegue con Python: git clone, venv, pip install -r requirements.txt, python scripts/build_index.py, uvicorn app.main:app --port 8000. O con Docker: docker build -t groundcheck . y docker run -p 7860:7860 groundcheck. Sin GPU ni claves API necesarias. Para persistencia de datos usar docs/on-premises.md o Docker Compose manual.

✓Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsFastAPIPython
SERVICIOS
PostgreSQLMySQL
BASES DE DATOS
PostgreSQLMySQL
PUERTOS
78608000633311434
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.