API de OCR y extracción de datos de documentos

El problema

Sick.org / Curogram ayuda a los pacientes a reservar citas con médicos y pruebas. Cada reserva llega con documentos, normalmente un permiso de conducir y una tarjeta de seguro, cuyos datos había que teclear a mano en el sistema de Curogram. A medida que crecía la base de usuarios, la entrada manual no daba abasto con el volumen de solicitudes, así que el cliente necesitaba un algoritmo que leyera los documentos y devolviera los campos.

Qué construí

• Una ronda de prototipado que comparó dos familias de enfoque: OCR seguido de un modelo de NLP que extrae etiquetas personalizadas, y un modelo de visión artificial que detecta cada campo (nombre, dirección, sexo, etc.) directamente sobre la imagen.
• Modelos de detección a medida entrenados con YOLO, junto con AWS Textract, Comprehend y Rekognition, para ver qué combinación funcionaba con los documentos del cliente.
• El extractor de producción: AWS Textract para el OCR, con expresiones regulares que sacan los datos requeridos de los permisos de conducir y las tarjetas de seguro.
• Una API REST que envuelve el extractor, de modo que el sistema de Curogram pueda enviar una imagen y recibir de vuelta campos estructurados.

Cómo se entregó

El factor decisivo resultó ser la latencia. Los prototipos con YOLO y con OCR más NLP tardaban unos 10 segundos por imagen, demasiado para un flujo de reservas que procesa grandes volúmenes. Textract más regex bajó de los 5 segundos, así que entregué esa vía, la desplegué como API REST y dejé los modelos más pesados fuera del camino crítico.

Resultado

La entrada de datos de documentos en Sick.org / Curogram pasó de ser un paso manual a una llamada a una API que devuelve los campos de un permiso de conducir o una tarjeta de seguro en menos de 5 segundos. El servicio absorbe el volumen creciente de solicitudes, y el enfoque más sencillo ganó por velocidad.