OpenFarma — Sistema de Alerta Temprana de Desabastecimiento Farmacéutico

Nivel: Avanzado · Concurso: Datos al Ecosistema 2026 · datos.gov.co

Plataforma de inteligencia farmacéutica que combina datos abiertos del CUM, historial de alertas del INVIMA y reportes ciudadanos para predecir y alertar sobre el desabastecimiento de medicamentos en Colombia antes de que ocurra.

---

Problema

El desabastecimiento de medicamentos afecta a millones de pacientes colombianos cada año. Las alertas del INVIMA llegan tarde — cuando el problema ya es crítico. No existe un sistema público que integre señales tempranas (variaciones en el mercado, historial de alertas, reportes ciudadanos) para anticipar escasez.

OpenFarma resuelve esto con tres componentes:

1. Búsqueda inteligente del Catálogo Único de Medicamentos (CUM) en tiempo real
2. Modelo predictivo de desabastecimiento con ROC-AUC 0.8374
3. Canal ciudadano de reporte de no disponibilidad → alimenta el modelo

---

Datos Utilizados

Dataset	Fuente	Registros
Catálogo Único de Medicamentos (CUM) activos	datos.gov.co · i7cb-raxc	~52,000 presentaciones
CUM — Registros en trámite de renovación	datos.gov.co · vgr4-gemg	~8,000 registros
Historial de alertas INVIMA (PDF)	Portal INVIMA	17 meses, 9,795 entradas (ene 2025 – may 2026)
Reportes ciudadanos	OpenFarma (formulario propio)	En crecimiento

---

Arquitectura

graph TD
    subgraph Fuentes["Fuentes de datos"]
        D1["CUM · datos.gov.co\nSocrata API"]
        D2["Alertas INVIMA\nPDFs mensuales"]
        D3["Reportes ciudadanos"]
    end

    subgraph Sistema["Backend · FastAPI"]
        API["REST API"]
        DB[("SQLite\ncum_normalizado\ngrupos_equivalencia\ninvima_seguimiento")]
        ML["CalibratedRandomForest\nROC-AUC 0.8374"]
    end

    UI["React 19 · Tailwind CSS\nBúsqueda · Predicción · Reportes"]

    D1 -->|httpx async| API
    D2 -->|ETL pdfminer| DB
    D3 -->|formulario| API
    API <--> DB
    DB --> ML
    ML --> API
    API --> UI

Loading

Flujo de búsqueda:

1. El usuario escribe un medicamento → consulta en tiempo real a datos.gov.co (CUM activo + renovación)
2. Si Socrata no responde → fallback local en cum_normalizado (52,830 productos)
3. Enriquecimiento con grupos de equivalencia → alternativas terapéuticas y estado INVIMA
4. Predicción de riesgo de desabastecimiento para el mes siguiente

---

Modelo Predictivo

Métrica	Valor	Interpretación
ROC-AUC	0.8374	Discriminación excelente
Avg Precision	0.1707	Alta en contexto de 1.6% positivos
Split	Temporal honesto	Últimos 3 meses = test; nunca vio el futuro

Tipo: CalibratedClassifierCV sobre RandomForestClassifier (scikit-learn 1.9.0)

Features más importantes:

• Severidad INVIMA el mes anterior — invima_sev_actual (27.5%)
• Promedio severidad últimos 3 meses — invima_sev_t3_avg (21.1%)
• Meses bajo monitorización INVIMA — invima_meses_monitoreado (12.9%)
• Tasa de inactivación en el grupo ATC — tasa_inactivacion_atc5 (11.6%)
• Peor severidad histórica — invima_peor_sev_hist (11.5%)

Pipeline de entrenamiento:

flowchart LR
    A["CUM\n52,830 productos"] --> C["Feature engineering\n15 variables"]
    B["INVIMA\n9,795 alertas\n17 meses"] --> C
    C --> D{"Split\ntemporal\nhonesto"}
    D -->|ene 2025 – feb 2026| E["Entrenamiento"]
    D -->|mar – may 2026| F["Evaluación\nROC-AUC 0.8374"]
    E --> G["CalibratedRandomForest\nmodelo_prod"]
    G --> H["API\n/predicciones/{cum_id}"]

Loading

---

Stack Tecnológico

Capa	Tecnología
Backend	Python 3.11 · FastAPI · SQLAlchemy · SQLite
Frontend	React 19 · Vite · Tailwind CSS
ML	scikit-learn 1.9.0 · pandas · numpy
ETL / NLP	DeepSeek API (clasificación farmacológica ATC)
Deploy	Railway (auto-deploy desde main)
Datos	Socrata SODA API · httpx (async) · pdfminer

---

Inicio Rápido

git clone https://github.com/vamanrique/OpenFarma
cd OpenFarma
make backend      # instala deps Python y arranca la API en :8000
make frontend     # instala deps Node y arranca el frontend en :5173

Prerequisitos

• Python 3.11+ · Node.js 20+

Manual (sin Make)

# Backend
cd backend
python -m venv .venv
source .venv/Scripts/activate   # Windows
pip install -r requirements.txt
cp .env.example .env            # añade tu DEEPSEEK_API_KEY
uvicorn app.main:app --reload

# Frontend (otra terminal)
cd frontend && npm install && npm run dev

La API queda disponible en http://localhost:8000 · Docs: http://localhost:8000/docs
El frontend queda disponible en http://localhost:5173

---

Endpoints Principales

Método	Ruta	Descripción
GET	/medicamentos/buscar?q=ibuprofeno	Búsqueda en tiempo real (CUM + fallback local)
GET	/medicamentos/{cum_id}/alternativas	Alternativas terapéuticas por grupo ATC
GET	/predicciones/{cum_id}	Predicción de desabastecimiento (0–1)
GET	/invima/estado/{atc}	Estado de alerta INVIMA por código ATC
POST	/reportes	Reportar medicamento no disponible

---

Estructura del Repositorio

openfarma/
├── RECURSOS/               # Presentación del concurso
├── README.md
├── Makefile                # make backend / frontend / test / retrain
├── LICENSE
├── Changelog.md
├── requirements.txt
├── nixpacks.toml           # Deploy Railway
├── docs/                   # Documentación técnica y metodológica
├── notebooks/              # EDA, transformación, modelo, reportes (01–05)
├── backend/
│   ├── app/                # API FastAPI
│   ├── etl/                # Pipeline ETL (INVIMA, CUM, normalización)
│   ├── data/               # Modelo ML (modelo_rf.pkl)
│   └── openfarma.db        # SQLite con CUM normalizado y grupos
├── frontend/
│   └── src/                # React 19 + Tailwind
└── reports/                # Figuras y reporte final

---

Reproducibilidad

# Reentrenar el modelo con los datos más recientes
make retrain

# Equivalente manual
.venv/Scripts/python.exe retrain_invima.py --db openfarma.db

Ver docs/deployment.md para el flujo completo de actualización en producción.

---

Demo

URL de producción: https://openfarma-production.up.railway.app

---

Equipo

Concurso Datos al Ecosistema 2026 — Categoría Avanzado
Contacto: vamanrique@gmail.com

---

Licencia

MIT License — ver LICENSE