Su nombre es Daniel Nadler, quién fundó OpenEvidence para ayudar a los médicos a gestionar la avalancha de investigaciones médicas. Ahora, ha recaudado 210 millones de dólares con una valoración de 3 mil 500 millones de dólares.
Para los médicos que intentan mantenerse al día con los últimos avances médicos, revisar las últimas investigaciones es como recibir un disparo en la cara con un cañón de agua. Se publica un nuevo artículo cada 30 segundos.
Intentar analizarlo todo para elaborar un diagnóstico o un 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 Daniel Nadler, cofundador y director ejecutivo de OpenEvidence, a Forbes.
Existe una enorme cantidad de información que necesitan controlar, y el cerebro humano tiene una capacidad limitada para interpretar millones de estudios.
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 las mejores respuestas rápidamente, 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, al igual que Google.
“Creo que OpenEvidence va a ser para la sanidad lo que Google fue para internet”, dijo el multimillonario presidente de Kleiner Perkins, John Doerr, quien invirtió en la empresa tanto a nivel personal como a través de su firma, y añadió: “La magia reside en el modelo gratuito para los médicos”.
Desde su fundación en 2022, OpenEvidence, con sede en Miami, ha registrado al 40% de los médicos de Estados Unidos, es decir, más de 430 mil, y está incorporando nuevos a un ritmo actual de 65 mil al mes. Sus ingresos por publicidad ascienden a una tasa anualizada estimada en 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 mil 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 han invertido.
La nueva inversión convierte a Nadler, propietario de aproximadamente el 60% de la empresa, en multimillonario, con un patrimonio neto que Forbes estima en 2.300 millones de dólares. El cofundador Zack Ziegler, director de tecnología de la compañía 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 grandes ventajas de emprender por segunda vez es que no soy idiota”, dijo Nadler. “Creo que mi segunda oportunidad será más grande que la primera, así que quizás los primeros 10 millones de dólares deberían provenir 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 está abordando es enorme y no para de crecer. La literatura médica prolifera a un ritmo vertiginoso —duplicando su tamaño cada cinco años— a medida que se desarrollan nuevas opciones de tratamiento, como las terapias génicas, y los científicos aprenden más sobre cómo las diferentes enfermedades y fármacos pueden interactuar entre sí.
Revisar todo esto es una tarea titánica: algunos artículos son excelentes, otros son malos y muchos más están desactualizados. (Con el uso de 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.
OpenEvidence no es la primera empresa en intentar dar sentido a la sobrecarga de publicaciones médicas; UpToDate de Wolters Kluwer lleva décadas en el mercado y recientemente ha incorporado IA, junto con el asesoramiento de expertos, para lograr lo mismo.
Pero 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 y hacerlo con mucha mayor precisión que ChatGPT.
Los médicos utilizan OpenEvidence en unos 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 OpenEvidence y utiliza esta herramienta para redactar cartas de autorización previa y consultar detalles de medicamentos.
Un caso aún 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 para el sistema inmunitario del paciente y elaborar un plan de tratamiento de inmediato.
“No creo que pase un solo día sin que lo use”, dijo.
Ver: En la era de la IA, la empatía humana sigue siendo fundamental
Pero…¿Quién es Daniel Nadler?
Nadler 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 no permitían la entrada a nadie, se dirigieron a Canadá”.
De niño, Nadler era extremadamente competitivo, y se dedicaba a juegos de memoria para ver si podía recitar más páginas de un 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 mil 500 dólares al año como estudiante de posgrado, cuando se le ocurrió la idea de fundar 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 basado en texto, Warren (como Buffett), en 2012, la inteligencia artificial aún era dominio de los académicos, no el centro neurálgico del mundo de las startups como lo es hoy.
“Nadie hablaba de IA en 2012. Estamos hablando de 10 años antes de ChatGPT”, dijo.
La idea funcionó, y cuando S&P compró Kensho, pagando 700 millones de dólares, incluyendo bonificaciones por retención, se convirtió en la mayor operación de IA de la historia. Nadler, que poseía el 20%, se enriqueció repentinamente.
“Para quienes fundan por segunda vez, esa arrogancia [a menudo] ha desaparecido”, dijo Sangeen Zeb, socia 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”.
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 simplemente brillante”.
OpenEvidence en la práctica médica
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 vídeo 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 sus frutos. “Cuando todos se apresuraban a abandonar las criptomonedas, yo pensaba: ‘Voy a dejarlos a todos superados’”, dijo.
Aun así, este es un negocio difícil y existen dudas sobre si la búsqueda basada en IA siempre dará 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 medicamento, manteniendo 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”, dijo 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”, dijo.
Pero Daniel Byrne, profesor de la Escuela de Salud Pública Bloomberg de 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”, dijo, señalando que a menudo se publican artículos sobre debates científicos o estudios clínicos que podrían no dar resultados. “Contar con una referencia es un paso en la dirección correcta, pero no es suficiente”, añadió.
El Dr. Travis Zack, director médico de OpenEvidence, afirma que, si bien cualquier sistema de IA puede tener errores, debería haber muchos menos que si los médicos tomaran decisiones sobre 20 pacientes al día sin consultar fácilmente la literatura disponible. “OpenEvidence permite que los médicos no tengan que confiar en su intuición”, añadió.
También está por ver el éxito del modelo publicitario de OpenEvidence. Las compañías farmacéuticas invierten mucho y ahora tienen la oportunidad de obtener información detallada sobre sus medicamentos ante los médicos que probablemente los usarán.
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 (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 a su vez atrae a más usuarios, indefinidamente.
Pero a pesar de que la inversión publicitaria en el sector sanitario y farmacéutico ascenderá a unos 30 mil 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 odia 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”, añadió.
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 la creciente popularidad de la herramienta 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 ardua que, de otro modo, le llevaría horas de búsqueda en PubMed y libros de texto en línea. La herramienta demostró ser mucho mejor que un chatbot genérico como ChatGPT, ya que sugiere preguntas de seguimiento sobre el historial médico del paciente y las pruebas que deben realizarse, comentó. “ChatGPT se queda corto, ya que simplemente ofrece la respuesta directa”, afirma Singhal.
El impulso de OpenEvidence hasta la fecha ha sido asombroso, ya que recluta 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, la startup está incursionando en el uso de los llamados modelos de razonamiento, que analizan una tarea paso a paso, una táctica que, según los investigadores, mejora y robustece las respuestas de la IA.
Lee: Esta startup construyó un hospital en India para probar su software de inteligencia artificial
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 una investigación exhaustiva”, 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 en ese ámbito: quiere centrarse en la atención médica, tanto en EU como a nivel internacional, especialmente en países donde el acceso a una atención de calidad es limitado.
En todo el sector, existe ahora un mosaico de tecnologías basadas en 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 monitores de glucosa en sangre, surge 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.
*Este artículo fue publicado originalmente por Forbes US.
Síguenos en Google Noticias para mantenerte siempre informado
