Para los médicos que buscan mantenerse al día con los últimos avances, revisar las investigaciones nuevas se parece a recibir un chorro de agua en la cara. Cada 30 segundos se publica un artículo nuevo. Analizar todo para elaborar un diagnóstico o un plan de tratamiento que refleje las mejores opciones disponibles mientras se atiende a 20 pacientes por día resulta 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 US 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", explicó.

Por eso, Nadler, de 42 años y doctor en Harvard, quien vendió su empresa anterior por US$ 550 millones en 2018, decidió resolver el problema con inteligencia artificial. Ahora, los algoritmos patentados de la startup buscan en millones de publicaciones revisadas por pares, entre ellas revistas de prestigio como el New England Journal of Medicine y el Journal of the American Medical Association. El sistema ayuda a los médicos a encontrar rápido las mejores respuestas y ofrece las citas completas de los artículos para que puedan profundizar por su cuenta. El software es gratuito para médicos verificados y genera ingresos con publicidad, de manera 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 de forma personal y a través de su firma. Agregó: "El modelo gratuito para los médicos es lo mágico acá".

Desde su creación en 2022, OpenEvidence, con sede en Miami, registró al 40% de los médicos de Estados Unidos, es decir, más de 430.000, e incorpora nuevos usuarios a un ritmo de 65.000 por mes. Sus ingresos por publicidad ascienden a una tasa anual estimada de US$ 50 millones. No es una cifra enorme, pero gracias a la adopción veloz del software, los inversores apuestan fuerte. OpenEvidence recaudó US$ 210 millones en una ronda liderada por GV (la división de capital riesgo de Google) y Kleiner Perkins, con una valoración de US$ 3.500 millones, frente a los US$ 1.000 millones de su última financiación en febrero, según contó Nadler a Forbes US. Otras firmas de capital riesgo reconocidas como Coatue, Conviction y Thrive Capital también participaron en la inversión.

La nueva inversión convierte a Nadler, propietario de aproximadamente el 60% de la empresa, en multimillonario, con un patrimonio neto que Forbes estimó en US$ 2.300 millones. El cofundador Zack Ziegler, director de tecnología de la compañía y de 30 años, posee cerca del 10% del negocio, con un valor aproximado de US$ 350 millones. Nadler conservó una participación tan importante porque fue su primer inversor semilla. Aportó unos US$ 10 millones de su propio capital antes de captar financiamiento 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 tomé en mi vida... Quería apostar por mí mismo", comentó.

El problema que OpenEvidence enfrenta es enorme y se agrava con el tiempo. La literatura médica crece a un ritmo vertiginoso y se duplica cada cinco años, a medida que surgen nuevas opciones de tratamiento, como las terapias génicas, y los científicos descubren más sobre la interacción entre diferentes enfermedades y fármacos. Analizar todo esto resulta una tarea titánica. Algunos artículos tienen excelente calidad, otros son malos y muchos quedan desactualizados. (Con el uso de la inteligencia artificial para publicar y revisar investigaciones, el problema empeoró).

Mientras tanto, los médicos en Estados Unidos disponen de cada vez menos tiempo por la escasez creciente de profesionales, lo que abre una oportunidad para que las startups desarrollen tecnología que ayude a brindar una mejor atención y a reducir la presión sobre los médicos.

"Cuando todos se apresuraban a abandonar las criptomonedas, pensé: 'Voy a dejarlos a todos muy atrás'"

Daniel Nadler, cofundador y director ejecutivo de OpenEvidence

OpenEvidence no es la primera empresa que intentó comprender la sobrecarga de publicaciones médicas. UpToDate, de Wolters Kluwer, lleva décadas en actividad y recientemente incorporó inteligencia artificial, junto con el asesoramiento de expertos, para alcanzar el mismo objetivo. Sin embargo, sí es la primera que desarrolló un software que integra la IA desde el inicio, con el fin de facilitar a los médicos la búsqueda de respuestas a preguntas clínicas urgentes, con mucha más precisión que ChatGPT.

Los médicos usan OpenEvidence en cerca de 8,5 millones de consultas por mes. Como la herramienta no se considera diagnóstica, no necesita la aprobación de la FDA, a diferencia de los algoritmos que se aplican para detectar accidentes cerebrovasculares o sepsis en pacientes. Además, como los médicos pueden descargarla o usarla online de forma gratuita, la empresa evita el largo y burocrático proceso de contratación con hospitales o grandes consultorios. Este factor ayudó a que OpenEvidence registre médicos a un ritmo cada vez más veloz.

La doctora Susan Wolver, internista en Richmond, Virginia, se convirtió en una firme defensora de esta práctica y utiliza OpenEvidence para redactar cartas de autorización previa y consultar detalles sobre medicamentos. El caso más dramático ocurrió con un pasajero inmunodeprimido que, durante un vuelo nacional reciente, casi se desmayó en el baño. Wolver recurrió a OpenEvidence para determinar los riesgos inmunitarios del paciente y elaborar un plan de tratamiento en ese momento. "No creo que pase un solo día sin que lo use", dijo Wolver.

Nadler creció en Toronto, donde sus padres formaron parte de la gran ola de inmigrantes de Europa del Este después de la guerra. Su padre era de Rumania y su madre, de Polonia. "Mi abuelo estuvo en Auschwitz y sobrevivió", contó. "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", continuó.

De chico, Nadler era extremadamente competitivo y se dedicaba a juegos de memoria para ver si lograba recitar más páginas del soliloquio de Hamlet que un amigo. "Era un completo friki", decía. Miembro de Mensa, sentía que la escuela le resultaba aburrida. Tras obtener una licenciatura en la Universidad de Toronto, solicitó un posgrado en Harvard con la esperanza de encontrar un mayor desafío. Una vez ahí, consiguió un doctorado en economía política y escribió 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 cursaba su doctorado y ganaba apenas US$ 23.500 al año como estudiante de posgrado cuando tuvo la idea de su primera empresa, Kensho. En la Reserva Federal, se sorprendió al descubrir que los reguladores dependían de rudimentarias hojas de cálculo de Excel para realizar evaluaciones críticas. Por eso se asoció con el programador Peter Kruskall y crearon algoritmos que simplificaron el análisis financiero tanto como una búsqueda en Google. Cuando Kensho lanzó su chatbot de texto, Warren (como Buffett), en 2012, la inteligencia artificial todavía era un campo reservado a los académicos, no el corazón 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 por US$ 700 millones, incluyendo primas de retención, se convirtió en la operación más grande de inteligencia artificial de la historia. Nadler, que poseía el 20%, se enriqueció de un momento a otro. "Para quienes fundan por segunda vez, esa arrogancia suele desaparecer", dijo Sangeen Zeb, socio de GV. "Daniel aún conserva esa arrogancia", señaló.

En 2021, se asoció con Ziegler, quien cursaba un doctorado en aprendizaje automático en Harvard, aunque en realidad solo quería crear cosas. Ambos intuían que la tecnología de IA que había ayudado a los operadores a ser más inteligentes al detectar patrones en grandes volúmenes de datos también podía servir a los médicos, con un impacto todavía mayor. Los dos se sentían motivados por experiencias personales. El abuelo de Nadler falleció por un error médico, mientras que Ziegler presenció cómo su cuñado, que entonces tenía 22 años, recibía tratamiento para la leucemia (actualmente está en remisión).

"Fue realmente revelador para mí", contó Ziegler. "Existe una enorme complejidad, pero la forma en que los médicos la abordan es como si estuvieran hojeando un libro de texto", añadió.

"Creo que OpenEvidence será para la atención médica 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, que apoyó a Mark Zuckerberg en 2005, considera a Nadler parte de un grupo muy reducido de fundadores. "Daniel es un emprendedor extraordinario", subrayó. "La idea inicial de aplicar la IA a las revistas médicas fue sencillamente brillante", reconoció.

A principios de 2023, OpenEvidence ingresó en la prestigiosa aceleradora de la Clínica Mayo para startups de tecnología sanitaria. El programa permite a las compañías perfeccionar sus ideas y su tecnología en el hospital que, como señaló Nadler en un video de ese año, "cuenta con el conjunto de datos más grande y de mayor calidad en el ámbito sanitario". Para ese momento, la inteligencia artificial ya estaba en pleno auge. La década de Nadler en el sector empezó a dar frutos. "Cuando todos se apresuraban a abandonar las criptomonedas, pensé: 'Voy a dejarlos a todos muy atrás'", dijo.

Aun así, este es un negocio complejo y existen dudas sobre si la búsqueda basada en IA siempre ofrecerá la mejor respuesta. Nadler sostiene 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 —entre ellos 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, mientras reducen al mínimo 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, conoció 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 la herramienta, comprobó su precisión al preguntarle sobre su propia investigación sobre la esclerosis múltiple y también confirmó la respuesta con sus colegas del área de enfermedades infecciosas.

No solo resumió correctamente su investigación, sino que también señaló de manera precisa las limitaciones que todavía 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 un 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 descubrí que la mayoría de la gente malinterpreta es que hasta la mitad de la literatura médica es errónea", señaló, y explicó 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, sostuvo que, si bien cualquier sistema de inteligencia artificial puede tener errores, deberían ser muchos menos que si los médicos tomaran decisiones con 20 pacientes al día sin consultar de manera sencilla la literatura disponible. "OpenEvidence permite a los médicos no tener que confiar en su intuición", dijo.

"La IA es basura que entra, basura que sale, oro que entra, oro que sale"

Daniel Nadler, cofundador y director ejecutivo de OpenEvidence

También falta ver si el modelo publicitario de OpenEvidence alcanzará éxito. Las compañías farmacéuticas invierten mucho y ahora tienen la posibilidad de presentar información detallada sobre sus medicamentos a médicos que probablemente los receten. Gracias a las respuestas patrocinadas, la empresa puede mantener la herramienta gratuita para los médicos, lo que ayuda a atraer a más profesionales clínicos y le permite ajustar su algoritmo en función de sus comentarios, con el objetivo de mejorar los resultados de búsqueda. Esto crea lo que Nadler llama un "volante de fantasía", en el que sumar más usuarios mejora el producto y atrae todavía más usuarios de manera constante.

Aunque la inversión publicitaria en el sector salud y farmacéutico alcanzará cerca de US$ 30.000 millones en 2024, crear un negocio sustentado en la publicidad resulta inusual en el ámbito de la tecnología sanitaria, donde la mayoría del software se vende por suscripción. "La gente detesta la publicidad", dijo Nadler. "No sé por qué, a mí me encanta", afirmó. Sin embargo, incluso él reconoce que la empresa hoy dispone de un inventario potencial de anuncios mucho mayor, más de US$ 350 millones, del que vendió hasta ahora. "Google dedicó tiempo a que la gente se sintiera cómoda con el modelo, y eso es lo que estamos haciendo", explicó.

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, después de leer sobre ella en un correo electrónico masivo enviado al sistema hospitalario. Desde entonces, notó que la herramienta ganó popularidad entre sus residentes y colegas cirujanos. "Parece que todo el mundo la usa", continuó.

Quería buscar los estudios más recientes sobre accidentes cerebrovasculares en adultos, una tarea abrumadora que, de otro modo, le tomaría horas de búsqueda en PubMed y libros de texto online. La herramienta resultó 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", afirmó Singhal.

El impulso de OpenEvidence hasta ahora fue sorprendente, porque inscribe a médicos a un ritmo cada vez más veloz, una métrica clave que el inversor Breyer quiere observar de cerca. "Recibir las actualizaciones semanales y mensuales me da una enorme confianza en que Daniel sigue arrasando", precisó.

Ahora la compañía incursiona en el uso de los llamados modelos de razonamiento, que analizan una tarea paso a paso. Según investigadores, esta táctica mejora y refuerza las respuestas de la inteligencia artificial. Este mes, la startup lanzó una nueva función llamada DeepConsult, que emplea 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", explicó el cofundador Ziegler.

Aunque la tecnología de OpenEvidence podría aplicarse de manera similar en otros campos científicos, Nadler por ahora no planea expandirse ahí. Quiere concentrarse en el sector sanitario, tanto en Estados Unidos como a nivel internacional, en especial en países con acceso limitado a una atención de calidad. En todo el sector, hoy existe un mosaico de tecnología basada en inteligencia artificial, desde anotadores para médicos hasta herramientas de diagnóstico clínico. Si se suman los resultados de laboratorio de un paciente y los datos de dispositivos médicos como los glucómetros, surge la posibilidad de reunir toda esa información en un solo lugar.

Thomas Laffont, cofundador de Coatue e inversor en OpenEvidence, prevé que la startup algún día se convierta en el centro donde confluyan todas esas herramientas. "Es fácil imaginar un mundo donde OpenEvidence se convierta en la herramienta a través de la cual se realicen todos esos diagnósticos", sentenció.

Con información de Forbes US.