Athenahealth conecta Claude con las historias clínicas de más del 20 % de los residentes de EE. UU.

La historia clínica guarda mucha información útil, pero a una persona a menudo le cuesta encontrar en ella incluso un dato sencillo. El último resultado de un análisis puede estar entre el informe de una visita, la lista de prescripciones y abreviaturas incomprensibles. Athenahealth propone una salida que a los desarrolladores les resultará familiar: conectar los datos a un modelo de lenguaje mediante MCP y permitir que el paciente haga preguntas con palabras corrientes.

La compañía ha lanzado AthenaPatient MCP, un servidor mediante el cual Claude obtiene acceso a secciones seleccionadas de la historia clínica tras la autorización explícita del paciente. Athenahealth atiende a más del 20 % de la población de EE. UU., por lo que no se trata de una demostración de laboratorio, sino de un canal potencialmente enorme de acceso a datos sensibles.

Cómo lo ve el paciente

El usuario inicia sesión en su cuenta de Athenahealth, permite la conexión y elige qué información puede compartirse con Claude. Después, el modelo puede tener en cuenta resultados de análisis, constantes vitales, medicamentos, alergias, vacunas, diagnósticos, historial de visitas, procedimientos y planes de tratamiento. El permiso se puede revocar.

Un ejemplo sencillo: en lugar de buscar a mano entre los documentos, el paciente pregunta: «¿Cuál fue mi último valor de glóbulos rojos?». Claude encuentra el registro correspondiente y devuelve el valor de la historia. Pero el límite está trazado a propósito: el servicio ayuda a extraer y explicar información ya registrada, no receta tratamientos ni sustituye al médico. La pregunta de por qué un valor se salió del rango normal y qué hacer al respecto debe dirigirse a un especialista.

Por ahora, la conexión está disponible para los usuarios de los planes de pago Claude Pro y Claude Max. Tener una suscripción no abre nada por sí solo: el paciente debe completar la autorización por separado y aceptar la transferencia de datos.

Por qué aquí MCP importa más que el propio chatbot

Para los desarrolladores, lo interesante no es la interfaz de preguntas, sino el patrón arquitectónico. MCP convierte un sistema médico en una fuente de contexto controlada: el modelo no recibe toda la base de datos, sino que consulta los datos en nombre de un usuario concreto y dentro de los permisos concedidos.

Este enfoque puede trasladarse a bancos, aseguradoras, repositorios corporativos y servicios públicos. Sin embargo, un único botón «Permitir acceso» no basta. Los sistemas sensibles requieren ámbitos de permisos acotados, tokens de corta duración, un registro de cada consulta, una revocación de acceso clara y la prohibición de conservar contexto innecesario. La interfaz también debe mostrar de dónde procede la respuesta: de qué documento, de qué fecha y con qué estado.

Athenahealth afirma que las condiciones del acuerdo prohíben a Anthropic usar la información obtenida mediante la integración para entrenar modelos o mejorar productos. Es una promesa importante, pero el equipo de producto debe igualmente diseñar el sistema como si cualquier divulgación innecesaria de datos fuera a convertirse en un incidente. Resultan especialmente peligrosos los permisos amplios, las consultas ocultas en segundo plano y las respuestas sin enlace al registro original.

Qué comprobar antes de un lanzamiento similar

La primera pregunta es si el modelo realmente necesita acceso a toda la entidad o bastan unos pocos campos. La segunda, si el usuario podrá ver y cancelar cada permiso. La tercera, qué ocurrirá si Claude se equivoca, confunde fechas o repite con seguridad un diagnóstico obsoleto.

La conclusión práctica es sencilla: MCP acelera la integración de un modelo con sistemas cerrados, pero no resuelve la seguridad de forma automática. Para un producto, el valor aparece cuando el asistente elimina la búsqueda rutinaria y no finge ser médico. Para el desarrollador, el conjunto mínimo es una autorización puntual, fuentes verificables de las respuestas, una auditoría completa de las consultas y una negativa segura cuando los datos son insuficientes. Estos detalles determinarán si un asistente médico se convierte en una interfaz útil para la historia clínica o en una vía más de filtración.