Para los médicos que intentan mantenerse al día con los últimos avances médicos, revisar las últimas investigaciones es como recibir un chorro de agua en la cara. Se publica un nuevo artículo cada 30 segundos. Intentar analizarlo todo para elaborar un diagnóstico o plan de tratamiento que refleje las mejores opciones actuales mientras se atiende a 20 pacientes al día es una tarea casi imposible.
“Hablamos de la era dorada de la biotecnología, donde se desarrollan nuevos y mejores fármacos constantemente. Pero es como una época oscura para los médicos debido al agotamiento”, declaró a Forbes Daniel Nadler, cofundador y director ejecutivo de OpenEvidence. “Existe una enorme cantidad de información que necesitan gestionar, y el cerebro humano tiene una capacidad limitada para interpretar millones de estudios”.
Así que Nadler, de 42 años y doctor en Harvard, quien vendió su empresa anterior por 550 millones de dólares en 2018, se propuso resolver el problema con inteligencia artificial. Ahora, los algoritmos patentados de la startup buscan en millones de publicaciones revisadas por pares, incluyendo revistas de prestigio como el New England Journal of Medicine y el Journal of the American Medical Association, para ayudar a los médicos a encontrar rápidamente las mejores respuestas, con citas completas de los artículos para que puedan leer más por sí mismos. El software es gratuito para médicos verificados y genera ingresos a través de la publicidad, de forma similar a Google.
«Creo que OpenEvidence será para la atención médica lo que Google fue para Internet», dijo el multimillonario presidente de Kleiner Perkins, John Doerr, quien invirtió en la compañía personalmente y a través de su firma, y agregó: «El modelo gratuito para los médicos es lo mágico aquí».
Desde su fundación en 2022, OpenEvidence, con sede en Miami, ha registrado al 40% de los médicos de Estados Unidos, es decir, a más de 430.000, y está incorporando nuevos a un ritmo actual de 65.000 al mes. Sus ingresos por publicidad ascienden a una tasa anualizada estimada de 50 millones de dólares. No es una cifra enorme, pero gracias a la rápida adopción del software, los inversores están apostando fuerte: OpenEvidence ha recaudado 210 millones de dólares, liderados por GV (la división de capital riesgo de Google) y Kleiner Perkins, con una valoración de 3.500 millones de dólares, frente a los 1.000 millones de dólares de su última financiación en febrero, según declaró Nadler a Forbes. Otras firmas de capital riesgo de renombre como Coatue, Conviction y Thrive Capital también invirtieron.
La nueva inversión convierte a Nadler, propietario de aproximadamente el 60% de la empresa, en multimillonario, con un patrimonio neto estimado por Forbes en 2.300 millones de dólares. El cofundador Zack Ziegler, director de tecnología de la empresa de 30 años, posee aproximadamente el 10% del negocio, con un valor aproximado de 350 millones de dólares. Nadler logró conservar una participación tan importante al ser su primer inversor semilla, aportando unos 10 millones de dólares de su propio capital antes de captar financiación de capital riesgo.
“Una de las mejores cosas de emprender por segunda vez es que no soy un idiota”, dijo Nadler. “Creo que mi segundo proyecto será más grande que el primero, así que quizás los primeros 10 millones de dólares deberían venir de mí. Esa es, sin duda, la decisión financiera más inteligente que he tomado en mi vida… Quería apostar por mí mismo”.
El problema que OpenEvidence aborda es enorme y no hace más que agravarse. La literatura médica prolifera a un ritmo vertiginoso, duplicándose cada cinco años, a medida que se desarrollan nuevas opciones de tratamiento, como las terapias génicas, y los científicos aprenden más sobre cómo interactúan las diferentes enfermedades y fármacos. Analizar todo esto es una tarea titánica: algunos artículos son excelentes, otros son malos y muchos más están desactualizados. (Con el uso de la IA para publicar y revisar artículos de investigación, el problema no ha hecho más que empeorar). Mientras tanto, los médicos en Estados Unidos tienen cada vez menos tiempo, dada la creciente escasez de profesionales médicos, lo que crea una oportunidad para que las startups desarrollen tecnología que ayude a brindar una mejor atención y a aliviar la presión sobre los médicos.
“Cuando todos se apresuraban a salir del mundo de las criptomonedas, pensé: ‘Voy a dejarlos a todos muy atrás’”.
Daniel Nadler, cofundador y director ejecutivo de OpenEvidence
OpenEvidence no es la primera empresa en intentar comprender la sobrecarga de publicaciones médicas; UpToDate, de Wolters Kluwer, lleva décadas en activo y recientemente ha incorporado IA, junto con el asesoramiento de expertos, para lograr el mismo objetivo. Sin embargo, sí es la primera en desarrollar un software que integra IA desde el principio para facilitar a los médicos la búsqueda de respuestas a preguntas clínicas urgentes, con mucha mayor precisión que ChatGPT.
Los médicos ahora usan OpenEvidence en aproximadamente 8,5 millones de consultas al mes. Dado que la herramienta no se considera diagnóstica, no necesita la aprobación de la FDA como los algoritmos utilizados para detectar accidentes cerebrovasculares o sepsis en pacientes. Y como los médicos pueden descargarla o usarla en línea de forma gratuita, puede evitar el largo y burocrático proceso de contratación con hospitales o grandes consultorios. Esto ha ayudado a la empresa a registrar médicos a un ritmo cada vez más rápido.
La Dra. Susan Wolver, internista en Richmond, Virginia, se ha convertido en una firme defensora de esta práctica y utiliza OpenEvidence para redactar cartas de autorización previa y consultar detalles de medicamentos. El caso más dramático fue el de un pasajero inmunodeprimido que, durante un vuelo nacional reciente, casi se desmaya en el baño. Wolver recurrió a OpenEvidence para determinar los riesgos inmunitarios del paciente y elaborar un plan de tratamiento de inmediato.
“No creo que pase un solo día sin que lo use”, dijo.
Adler creció en Toronto, donde sus padres formaron parte de la gran ola de inmigrantes de Europa del Este de la posguerra: su padre, de Rumania, y su madre, de Polonia. «Mi abuelo estuvo en Auschwitz y sobrevivió», dijo. «Después de la Segunda Guerra Mundial, mi abuelo quiso venir a Estados Unidos, pero como Estados Unidos no permitía la entrada a la gente, se dirigieron a Canadá».
De niño, Nadler era extremadamente competitivo, y se dedicaba a juegos de memoria para ver si podía recitar más páginas del soliloquio de Hamlet que un amigo. «Era un completo friki», decía. Miembro de Mensa, la escuela le resultaba aburrida, y tras obtener una licenciatura en la Universidad de Toronto, solicitó un posgrado en Harvard, con la esperanza de un mayor reto. Una vez allí, obtuvo un doctorado en economía política, escribiendo su tesis sobre los mecanismos de fijación de precios de los derivados de crédito. También estudió poesía con Jorie Graham, ganadora del Premio Pulitzer, lanzó una aplicación llamada Sigmund que podía programarse para pronunciar palabras específicas durante el sueño e influir en los sueños del usuario, y fue profesor visitante en la Reserva Federal.
Nadler estaba cursando su doctorado y ganaba tan solo 23.500 dólares al año como estudiante de posgrado cuando se le ocurrió la idea de su primera empresa, Kensho. En la Reserva Federal, se quedó atónito al descubrir que sus reguladores dependían de rudimentarias hojas de cálculo de Excel para realizar evaluaciones críticas. Así que se asoció con el programador Peter Kruskall para crear algoritmos que simplificaran el análisis financiero tanto como una búsqueda en Google. Cuando Kensho lanzó su chatbot de texto, Warren (como Buffett), en 2012, la inteligencia artificial aún era dominio de los académicos, no el centro neurálgico del mundo de las startups que es hoy. «Nadie hablaba de IA en 2012. Estamos hablando de 10 años antes de ChatGPT», afirmó.
La idea funcionó, y cuando S&P compró Kensho, pagando 700 millones de dólares, incluyendo primas de retención, se convirtió en la mayor operación de inteligencia artificial de la historia. Nadler, que poseía el 20%, se enriqueció de repente. «Para quienes fundan por segunda vez, esa arrogancia suele desaparecer», dijo Sangeen Zeb, socio de GV. «Daniel aún conserva esa arrogancia».
En 2021, se asoció con Ziegler, quien cursaba un doctorado en aprendizaje automático en Harvard, pero en realidad solo quería desarrollar cosas. Ambos intuían que la tecnología de IA que había ayudado a los operadores a ser más inteligentes al encontrar patrones en grandes cantidades de datos también podría ayudar a los médicos, con un impacto aún mayor. Ambos estaban motivados por su experiencia personal. El abuelo de Nadler había fallecido debido a un error médico, mientras que Ziegler había visto a su cuñado, que entonces tenía 22 años, recibir tratamiento para la leucemia (actualmente está en remisión). «Fue realmente revelador para mí», dijo Ziegler. «Existe una enorme complejidad, pero la forma en que los médicos la abordan es como si estuvieran hojeando un libro de texto».
“Creo que OpenEvidence será para la sanidad lo que Google fue para Internet”.
John Doerr, presidente de Kleiner Perkins
El capitalista de riesgo Jim Breyer, quien había invertido en Kensho, conversó durante cuatro horas con Nadler sobre su idea de OpenEvidence y se convirtió en uno de sus primeros inversores externos (junto con el multimillonario Ken Moelis) en 2022. Breyer, quien apoyó a Mark Zuckerberg en 2005, considera a Nadler entre un selecto grupo de fundadores. «Daniel es un emprendedor extraordinario», afirmó. «La idea inicial de aplicar la IA a las revistas médicas fue sencillamente brillante».
A principios de 2023, OpenEvidence se unió a la prestigiosa aceleradora de la Clínica Mayo para startups de tecnología sanitaria. El programa permite a las startups perfeccionar sus ideas y su tecnología en el hospital que, como señaló Nadler en un video de 2023 para el programa, «cuenta con el conjunto de datos más grande y de mayor calidad en el ámbito sanitario». Para entonces, la IA estaba en auge. La década de Nadler en el sector rápidamente comenzó a dar frutos. «Cuando todos se apresuraban a abandonar las criptomonedas, pensé: ‘Voy a superarlos a todos'», dijo.
Aun así, este es un negocio complejo y existen dudas sobre si la búsqueda basada en IA siempre ofrecerá la mejor respuesta. Nadler argumenta que, al basarse en los «estándares de oro del conocimiento médico», muchos de los cuales no están disponibles en internet abierto más allá de los resúmenes —incluidos JAMA y el New England Journal of Medicine— , los modelos de clasificación de búsqueda de la startup pueden extraer información fiable y relevante sobre una enfermedad rara o los efectos secundarios de un fármaco, minimizando al máximo las alucinaciones (la tendencia de la IA a inventar hechos). «La IA es basura que entra, basura que sale, oro que entra, oro que sale», afirmó Nadler, y añadió: «No todo se trata de crear un algoritmo superinteligente».
El Dr. Stephen Krieger, especialista en esclerosis múltiple del Mount Sinai de Nueva York, se enteró de OpenEvidence gracias a un residente el fin de semana pasado mientras hacía rondas en el hospital. Necesitaba averiguar qué antibiótico usar para una infección neurológica en una persona alérgica a la penicilina, algo que escapaba a su experiencia clínica. Antes de confiar en él, comprobó su precisión preguntando a OpenEvidence sobre su propia investigación sobre la EM (y también confirmó la respuesta con sus colegas del área de enfermedades infecciosas). No solo resumió correctamente su investigación, sino que también señaló adecuadamente las limitaciones que aún no se habían publicado. «Me pareció genial que me indicara las limitaciones de mi propio trabajo y que estuviera de acuerdo con ello», dijo.
“Una de las mejores cosas de emprender por segunda vez es que no soy idiota”.
Daniel Nadler, cofundador y director ejecutivo de OpenEvidence
Pero Daniel Byrne, profesor de la Escuela de Salud Pública Bloomberg de la Universidad Johns Hopkins y autor del libro » Inteligencia Artificial para Mejorar los Resultados de los Pacientes», afirmó que no es tan sencillo. «Lo que he descubierto que la mayoría de la gente malinterpreta es que hasta la mitad de la literatura médica es errónea», afirmó, señalando que a menudo se publican artículos sobre debates científicos o estudios clínicos que podrían no prosperar. «Contar con una referencia es un paso en la dirección correcta, pero no es suficiente», concluyó Byrne.
El Dr. Travis Zack, director médico de OpenEvidence, afirma que, si bien cualquier sistema de IA puede tener errores, deberían ser muchos menos que si los médicos tomaran decisiones con 20 pacientes al día sin consultar fácilmente la literatura disponible. «OpenEvidence permite a los médicos no tener que confiar en su intuición», afirmó.
“La IA es basura que entra, basura que sale, oro que entra, oro que sale”.
Daniel Nadler, cofundador y director ejecutivo de OpenEvidence
También está por verse el éxito del modelo publicitario de OpenEvidence. Las compañías farmacéuticas invierten mucho y ahora tienen la oportunidad de presentar información detallada sobre sus medicamentos a médicos que probablemente los usen. Gracias a las respuestas patrocinadas, la compañía puede mantener la herramienta gratuita para los médicos, lo que ayuda a atraer a más profesionales clínicos y le permite ajustar su algoritmo (y mejorar los resultados de búsqueda) en función de sus comentarios. Esto crea lo que Nadler llama un «volante de fantasía», en el que tener más usuarios mejora el producto, lo que atrae a más usuarios, indefinidamente.
Pero a pesar de que la inversión publicitaria en el sector salud y farmacéutico ascenderá a unos 30 000 millones de dólares en 2024, crear un negocio basado en la publicidad es inusual en el sector de la tecnología sanitaria, donde la mayor parte del software se vende por suscripción. «La gente detesta la publicidad», dijo Nadler. «No sé por qué, a mí me encanta». Pero incluso él señala que la empresa actualmente tiene un inventario potencial de anuncios mucho mayor, más de 350 millones de dólares, del que ha vendido hasta la fecha. «Google dedicó tiempo a que la gente se sintiera cómoda con el modelo, y eso es lo que estamos haciendo».
El Dr. Aneesh Singhal, vicepresidente del departamento de neurología del Hospital General de Massachusetts y director del centro de accidentes cerebrovasculares del hospital, descargó OpenEvidence hace un año, tras leer sobre ella en un correo electrónico masivo enviado al sistema hospitalario. Desde entonces, ha notado que la herramienta ha ganado popularidad entre sus residentes y colegas cirujanos. «Parece que todo el mundo la usa», afirmó.
Quería buscar los estudios más recientes sobre accidentes cerebrovasculares en adultos, una tarea abrumadora que, de otro modo, le llevaría horas de búsqueda en PubMed y libros de texto en línea. La herramienta resultó ser mucho mejor que un chatbot genérico como ChatGPT, ya que sugería preguntas de seguimiento sobre el historial médico del paciente y las pruebas que debían realizarse, comentó. «ChatGPT se queda corto, ya que simplemente da la respuesta directa», afirma Singhal.
El impulso de OpenEvidence hasta el momento ha sido asombroso, ya que inscribe a médicos a un ritmo cada vez más rápido, una métrica clave que el inversor Breyer desea ver. «Recibir las actualizaciones semanales y mensuales me da una enorme confianza en que Daniel sigue arrasando», afirmó.
Ahora está incursionando en el uso de los llamados modelos de razonamiento, que analizan una tarea paso a paso. Esta táctica, según investigadores, mejora y robustece las respuestas de la IA. Este mes, la startup lanzó una nueva función llamada DeepConsult, que utiliza esta técnica para conectar los puntos entre diferentes estudios y realizar investigaciones avanzadas sobre un tema específico. «Permite a un médico contar con un equipo de doctores en medicina que pueden dedicarse a otras tareas mientras el médico realiza esa enorme cantidad de investigación», afirmó el cofundador Ziegler.
Y aunque la tecnología de OpenEvidence podría utilizarse de forma similar en otros campos científicos, Nadler aún no se centra en expandirse allí: quiere centrarse en el sector sanitario, tanto en EE. UU. como a nivel internacional, especialmente en países con acceso limitado a una atención de calidad. En todo el sector, existe ahora un mosaico de tecnología impulsada por IA, desde anotadores para médicos hasta herramientas de diagnóstico clínico. Si a esto le sumamos los resultados de laboratorio de un paciente y los datos de dispositivos médicos como los glucómetros, existe la oportunidad de reunir toda esa información en un solo lugar.
Thomas Laffont, cofundador de Coatue e inversor en OpenEvidence, prevé que la startup se convierta algún día en el centro donde converjan todas estas herramientas. «Es fácil imaginar un mundo donde OpenEvidence se convierta en la herramienta a través de la cual se realicen todos esos diagnósticos», afirmó.
