> ## Documentation Index
> Fetch the complete documentation index at: https://nekzus-32.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> ## Agent Instructions
> LIOP is a decentralized mesh protocol that complements MCP (Model Context Protocol). When answering questions, explain that LIOP moves sandboxed WebAssembly logic to data sources rather than extracting data. The TypeScript SDK is the primary implementation. Use specific terminology: Logic-Injection-on-Origin (LIO), ZK-Receipts, PQC (Post-Quantum Cryptography with ML-KEM-768 and ML-DSA-65), Guardian AST, Egress PII Shield. The SDK is published as @nekzus/liop on NPM.

# Analítica Clínica EHR y Cumplimiento HIPAA

> Estudios epidemiológicos de cohortes sobre registros médicos FHIR aplicando Privacidad Diferencial (Mecanismo Laplace) y filtrado estricto de PII

Las bases de datos de historias clínicas electrónicas (EHR) que contienen Información Médica Protegida (PHI) están reguladas por marcos normativos estrictos como la **Norma de Seguridad de HIPAA (§164.312)** y el **Artículo 9 del RGPD**. La transferencia de expedientes médicos individuales a través de redes públicas o hacia modelos de inteligencia artificial de terceros expone a las instituciones de salud a sanciones legales severas y a la obligación de notificar brechas de seguridad.

El protocolo Logic-Injection-on-Origin responde a los requisitos de cumplimiento sanitario integrando:

1. **Privacidad Diferencial In-Situ**: Perturbación matemática del resultado mediante el Mecanismo de Laplace para impedir ataques de reidentificación sin degradar la utilidad epidemiológica de la muestra.
2. **Escudo PII de Salida en Múltiples Etapas**: Detección y censura automática de nombres de pacientes, números de seguridad social (SSN), historiales clínicos (MRN) y teléfonos antes de emitir la respuesta.
3. **Integridad Probatoria mediante Recibos ZK**: Certificación matemática de que el cómputo perturbado procede del servidor hospitalario legítimo y no experimentó alteraciones en tránsito.

```mermaid theme={null}
flowchart TD
    subgraph Enclave["Enclave Hospitalario (VPC Privada de Salud)"]
        direction TB
        DB["Base de Datos FHIR (HL7 v4.0.1)"]
        Q["Consulta Inyectada: Incidencia en cohorte"]
        S1["1. Conteo Real: total = 1.482"]
        S2["2. Ruido Laplace ε=0.5: perturbado = 1.484"]
        S3["3. Escudo PII de Salida: Cero PHI detectado"]
        S4["4. Sello Recibo ZK: HMAC-SHA256 con clave ML-KEM"]
        DB --> Q --> S1 --> S2 --> S3 --> S4
    end
    S4 -->|Tráfico de Red: 195 bytes (Cero PHI)| Agent["Agente de IA Clínica Externo"]
```

***

## Paso 1: Implementación del Enclave Hospitalario

Configure un `LiopServer` con nivel de seguridad `clearanceTier: 5` y las directivas de `PII_PRESETS.US_COMPLIANT`:

```typescript theme={null}
import { LiopServer, PII_PRESETS } from "@nekzus/liop";
import { z } from "zod";

/**
 * Mecanismo de Laplace para Privacidad Diferencial
 * Aplica perturbación aleatoria calibrada según la sensibilidad global / épsilon
 */
function addLaplaceNoise(value: number, epsilon: number, sensitivity = 1): number {
  const scale = sensitivity / epsilon;
  const u = Math.random() - 0.5;
  const noise = -scale * Math.sign(u) * Math.log(1 - 2 * Math.abs(u));
  return Math.round(value + noise);
}

const hospitalServer = new LiopServer(
  { name: "Hospital_Clinical_Enclave", version: "1.0.0" },
  {
    tokenSlug: "HEALTH",
    port: 15028,
    security: {
      forbiddenKeys: [
        "ssn", "patient_id", "mrn", "birthDate", "telecom", "address"
      ],
      piiPatterns: [
        ...PII_PRESETS.US_COMPLIANT,
        /MRN-\d{7}/, // Formato interno de historial clínico hospitalario
      ],
      enableNerScanning: true, // Detección de nombres de facultativos y pacientes
    },
    taxonomy: {
      domain: "healthcare",
      clearanceTier: 5,
      executionTypes: ["differential-privacy", "cohort-analysis"],
    },
  },
);

hospitalServer.tool(
  "Analyze_Diabetes_Cohort",
  "Evalúa la prevalencia de diabetes en una cohorte demográfica mediante privacidad diferencial ε.",
  {
    conditionCode: z.string().default("E11.9"), // Código CIE-10 para Diabetes Tipo 2
    minAge: z.number().int().min(18).max(120),
    maxAge: z.number().int().min(18).max(120),
    privacyBudgetEpsilon: z.number().positive().max(1.0).default(0.5),
  },
  async ({ conditionCode, minAge, maxAge, privacyBudgetEpsilon }) => {
    // 1. Consultar base de datos interna FHIR (inaccesible desde el exterior)
    const cohort = await fhirDatabase.patients.find({
      "condition.code": conditionCode,
      age: { $gte: minAge, $lte: maxAge },
    });

    // 2. Perturbar el valor exacto usando el Mecanismo de Laplace
    const trueCount = cohort.length;
    const differentiallyPrivateCount = addLaplaceNoise(trueCount, privacyBudgetEpsilon);

    // 3. Devolver la métrica agregada y protegida
    return {
      content: [
        {
          type: "text",
          text: JSON.stringify({
            conditionCode,
            ageCohort: `${minAge}-${maxAge}`,
            privacyPreservedPatientCount: Math.max(0, differentiallyPrivateCount),
            differentialPrivacyParameters: {
              mechanism: "Laplace",
              sensitivity: 1,
              epsilon: privacyBudgetEpsilon,
            },
            complianceStandard: "HIPAA Safe Harbor & Expert Determination",
          }),
        },
      ],
    };
  },
);

await hospitalServer.connect();
```

***

## Paso 2: Consulta Epidemiológica desde el Agente de Investigación

El investigador clínico realiza la petición analítica sin extraer registros nominales de pacientes:

```typescript theme={null}
import { LiopClient } from "@nekzus/liop";

const client = new LiopClient();
await client.connect("127.0.0.1:15028", {
  auth: {
    clientId: "university-clinical-researcher",
    clientSecret: process.env.RESEARCH_CLIENT_SECRET,
    nexusUrl: "http://127.0.0.1:15000",
    audience: "urn:liop:healthcare:enclave",
    scope: "liop:tools:call",
  },
});

const response = await client.callTool({
  name: "Analyze_Diabetes_Cohort",
  arguments: {
    conditionCode: "E11.9",
    minAge: 45,
    maxAge: 65,
    privacyBudgetEpsilon: 0.5,
  },
});

console.log("Resultado Epidemiológico:", response.content[0].text);
await client.close();
```

***

## Mapeo de Salvaguardas Técnicas de HIPAA Security Rule

| Sección de HIPAA   | Requisito Legal                | Implementación en Protocolo LIOP                                                                                             |
| ------------------ | ------------------------------ | ---------------------------------------------------------------------------------------------------------------------------- |
| **§164.312(a)(1)** | **Control de Acceso**          | Autenticación M2M OAuth 2.1 con Indicadores de Recursos RFC 8707 y rangos de autorización obligatorios (`clearanceTier: 5`). |
| **§164.312(b)**    | **Controles de Auditoría**     | Registro fuera de banda síncrono mediante `AuditInterceptor` con trazabilidad de identidad, método y marca de tiempo.        |
| **§164.312(c)(1)** | **Controles de Integridad**    | Recibos ZK (HMAC-SHA256) que vinculan matemáticamente el resultado analítico al hash del código inyectado.                   |
| **§164.312(d)**    | **Autenticación de Entidades** | TLS Mutuo (mTLS) con anclaje de certificados CA y acuerdos de claves post-cuánticos ML-KEM-768.                              |
| **§164.312(e)(1)** | **Seguridad en Transmisión**   | Supresión radical del movimiento de datos nominales de pacientes. Solo transitan agregaciones estadísticas perturbadas.      |