OpenEvidence, la app de IA de búsqueda médica “más usada por los doctores en EEUU”, anunció una nueva ronda de financiamiento en la que triplicó su valoración, que ahora supera los US$3.500 millones de dólares. La ronda, categorizada como Serie B, fue de US$210 millones y la lideraron los fondos Google Ventures y Kleiner Perkin. Sequoia Capital, fondo que había liderado la Serie A en enero, también participó.

Por qué importa

Fundada en 2021 por Daniel Nadler y Zachary Ziegler, e impulsada por el programa de aceleración de startups de la Clínica Mayo, OpenEvidence es parte de una nueva camada de aplicaciones que usan AI para aliviar la carga de los doctores al momento de responder dudas clínicas en consulta.

Frente a cualquier interrogante médica, estas apps presentan en pocos segundos un resumen de los artículos científicos más pertinentes, ordenados en función de aspectos como la reputación de la revista científica, la cantidad de citas o la fecha de publicación, superando con creces a los chatbots convencionales de IA, como ChatGPT o Grok, cuando se enfrentan a consultas clínicas o científicas.

Al menos en el caso de OpenEvidence el modelo de negocio se basa en publicidad: es de uso gratuito para los médicos, mientras que a los anunciantes les ofrece llegar directamente a una inmensa cantidad de doctores. En su comunicado la empresa asegura que sobre un 40% de los médicos de EEUU usa el servicio.

Cómo estos servicios revolucionan la medicina

En un artículo reciente sobre cómo la IA está cambiando la práctica médica, escrito por un gastroenterólogo y profesor de medicina de la Universidad de Carolina del Norte, plantea que estos nuevos chatbots tienen un enfoque muy diferente a herramientas digitales tradicionales, como UpToDate, una plataforma conocida por sus resúmenes clínicos sobre una amplia gama de especialidades.

Mientras en ese sistema los doctores deben leer resúmenes hasta encontrar lo que buscan, en estas nuevas apps como OpenEvidence o Consensus (su competidor) pueden hacer directamente una pregunta. Son rápidas, convenientes y específicas, en un contexto en donde los doctores no tienen suficiente tiempo, plantea. Además, cita a un cardiólogo que dice usar OpenEvidence diariamente y que la llama revolucionaria.

También hay críticas. Aunque se resguardan de “alucinar” como los chatbots tradicionales, ya que cada respuesta está respaldada por un paper científico, en foros de internet usuarios reportan usuarios reportan ocasionalmente errores de razonamiento o respuestas con conclusiones exageradas.

Otra crítica la hace el fundador de MEDCalc, el Dr. Graham Walker, que muestra preocupación por lo que llama sesgo de automatización: que estas herramientas disminuyan la capacidad del especialista para analizar críticamente a sus pacientes.

Nueva función: DeepConsult

OpenEvidence aprovechó el anuncio para lanzar una nueva característica, DeepConsult, similar a la función “deep” que es tendencia en los chatbots en general. Función que permite elaborar respuestas más reflexivas y con un enfoque de múltiples pasos (Consensus había lanzado algo similar algunas semanas antes).

Según la compañía, DeepConsult aborda una necesidad diferente a la de su buscador principal, pensado para respuestas rápidas durante la consulta. DeepConsult sería en cambio para cuando los médicos disponen de más tiempo para profundizar en un tema clínico específico

Estos fueron algunos puntos que destacaron sobre su nueva función:

– Provee a los médicos de un conjunto de agentes de AI “nivel PhD” capaces de realizar investigación avanzada 


– Hace mayores referencias y conexiones

– Usa 100 veces más capacidad computacional

– Mantiene la gratuidad que caracteriza a la app

Para profundizar:

Este fundador de una empresa de IA se convirtió en multimillonario al desarrollar un ChatGPT para médicos (Forbes)

Cómo la IA está cambiando la forma en que los médicos acceden al conocimiento médico (Forbes)

Consensus app, competencia

Una pareja que luchó durante 18 años para concebir ha logrado finalmente un embarazo gracias a una tecnología revolucionaria de inteligencia artificial (IA) desarrollada en el Centro de Fertilidad de la Universidad de Columbia. Este enfoque innovador, conocido como el método STAR, está transformando el tratamiento de la infertilidad masculina, particularmente para aquellos con azoospermia, una condición en la que no se detectan espermatozoides en las muestras de semen. El éxito de esta tecnología ofrece esperanza a innumerables familias que enfrentan desafíos similares.

La azoospermia afecta hasta al 10% de los hombres con infertilidad, una condición que contribuye aproximadamente al 40% de los casos de infertilidad en los Estados Unidos. Para los hombres con azoospermia, los métodos tradicionales de detección de espermatozoides a menudo fallan, ya que las muestras de semen pueden contener solo un puñado de espermatozoides viables, si es que hay alguno, entre millones de otras células y desechos. “Lo notable es que, en lugar de los habituales 200 a 300 millones de espermatozoides en una muestra típica, estos pacientes pueden tener solo dos o tres. No 2 millones o 3 millones, literalmente dos o tres”, dijo el Dr. Zev Williams, director del Centro de Fertilidad de la Universidad de Columbia, en una entrevista con CNN. El método STAR, que combina IA con microfluidos y robótica, puede analizar millones de imágenes de una muestra de semen en menos de una hora para identificar estos espermatozoides raros que la microscopía tradicional podría pasar por alto.

Para la pareja, que prefirió permanecer en el anonimato para proteger su privacidad, el camino hacia la paternidad estuvo marcado por repetidas decepciones. Tras numerosos intentos fallidos de fertilización in vitro (FIV), recurrieron al Centro de Fertilidad de la Universidad de Columbia. El esposo proporcionó una muestra de semen, que fue analizada utilizando el sistema STAR. La IA identificó tres espermatozoides viables, que luego se utilizaron para fertilizar los óvulos de la esposa mediante FIV, resultando en un embarazo exitoso, el primero de su tipo utilizando este método. Se espera que el bebé nazca en diciembre. “Mantuvimos nuestras esperanzas al mínimo después de tantas decepciones”, dijo la esposa a CNN. “Me tomó dos días creer que realmente estaba embarazada. Todavía me despierto por la mañana y no puedo creer si esto es verdad o no”.

La precisión del método STAR ha abierto nuevas puertas para el tratamiento de la fertilidad. A diferencia de aplicaciones anteriores de IA en el cuidado de la fertilidad, que se enfocaban en evaluar la calidad de los óvulos o seleccionar embriones saludables, esta tecnología aborda directamente la infertilidad masculina al detectar y aislar espermatozoides que de otra manera pasarían desapercibidos. El proceso no solo es más rápido, sino también más preciso que las búsquedas manuales, que pueden tomar horas o incluso días. En un caso de prueba, donde los embriólogos buscaron en una muestra durante dos días sin encontrar espermatozoides, el sistema STAR identificó 44 espermatozoides viables en solo una hora, según Williams.

Actualmente, el método STAR solo está disponible en el Centro de Fertilidad de la Universidad de Columbia, pero el equipo está ansioso por compartir sus hallazgos. “Queremos publicar nuestro trabajo y compartirlo con otros centros de fertilidad”, dijo Williams a CNN. El costo de usar el método STAR para encontrar, aislar y congelar espermatozoides es de aproximadamente $3,000, lo que lo convierte en una opción relativamente accesible para muchos pacientes. Este desarrollo se basa en otros avances de IA en fertilidad, como el modelo de un equipo de investigación canadiense que acelera de manera similar la detección de espermatozoides en muestras con azoospermia.

Las implicaciones más amplias de la IA en el cuidado de la fertilidad son profundas. Dado que la infertilidad sigue siendo un desafío significativo, descrito por Williams como “una parte antigua de la experiencia humana”, la integración de tecnología de vanguardia ofrece nueva esperanza. La infertilidad masculina, a menudo un tema silencioso y estigmatizado, está ganando atención a medida que herramientas de IA como STAR proporcionan soluciones donde antes había pocas. Para parejas como la de Columbia, esta tecnología ha convertido años de desilusiones en la promesa de una familia en crecimiento.

Microsoft presentó un sistema de diagnóstico innovador, el Microsoft AI Diagnostic Orchestrator (MAI-DxO), que supera a los médicos humanos en diagnósticos médicos complejos. Según un post en su blog, The Path to Medical Superintelligence, MAI-DxO alcanzó una precisión del 85% en casos desafiantes del New England Journal of Medicine (NEJM), frente al 20% de un grupo de médicos experimentados.

Desarrollado bajo el liderazgo de Mustafa Suleyman, MAI-DxO imita un panel de médicos expertos enfrentando casos diagnósticos complejos. Integrado con el modelo o3 de OpenAI, fue probado en 304 casos de NEJM, resolviendo correctamente más de ocho de cada diez. En contraste, los médicos, sin acceso a colegas, libros de texto o herramientas de IA, diagnosticaron correctamente solo dos de cada diez casos, garantizando una comparación justa del desempeño humano frente al sistema.

MAI-DxO replica el proceso diagnóstico de un clínico, analizando síntomas, formulando preguntas específicas y solicitando pruebas como análisis de sangre o imágenes. A diferencia de los exámenes de IA tradicionales, como el U.S. Medical Licensing Examination, que dependen de la memorización, el enfoque secuencial de MAI-DxO refleja el razonamiento clínico del mundo real, según detalla el blog de Microsoft.

La eficiencia de costos es una ventaja clave. MAI-DxO solicita menos pruebas innecesarias, lo que podría reducir los costos de atención médica, un problema crítico ya que el gasto en salud de EE. UU. se acerca al 20% del PIB. Microsoft subraya que MAI-DxO complementa a los médicos, no los reemplaza. “Sus roles clínicos son mucho más amplios que solo diagnosticar,” afirma el blog, destacando la capacidad de los médicos para manejar ambigüedad y generar confianza en los pacientes, habilidades que la IA no puede replicar.

El sistema aún no está aprobado para uso clínico y requiere pruebas de seguridad y revisión regulatoria exhaustivas. La investigación, pendiente de revisión por pares, se centró en casos complejos, y los médicos del estudio carecían de recursos habituales, lo que pudo afectar su desempeño. Microsoft colabora con organizaciones de salud para validar MAI-DxO en entornos reales, buscando mejorar la precisión y accesibilidad diagnóstica.

Este avance podría transformar la atención médica al apoyar a los clínicos y reducir costos, especialmente en áreas desatendidas. El blog de Microsoft destaca el potencial de MAI-DxO para empoderar a pacientes y clínicos, allanando el camino hacia diagnósticos más eficientes y precisos en escenarios médicos desafiantes.

Las nuevas herramientas de código abierto pretenden acelerar el desarrollo de fármacos en fases tempranas mediante la predicción de interacciones moleculares y la optimización de candidatos. Se espera que investigadores de todo el mundo se beneficien de un acceso y una colaboración más amplios.

Google ha anunciado planes para publicar nuevos modelos de IA de código abierto adaptados al descubrimiento de fármacos, con el objetivo de acelerar la investigación farmacéutica. La iniciativa, revelada el 18 de marzo de 2025, pretende democratizar el acceso a herramientas avanzadas de IA, permitiendo a investigadores de todo el mundo desarrollar nuevos tratamientos de forma más eficiente.

Los modelos, basados en la experiencia de Google en IA, están diseñados para predecir interacciones moleculares, optimizar fármacos candidatos y agilizar los ensayos preclínicos. A diferencia de los sistemas patentados, estos modelos abiertos serán de libre acceso, fomentando la colaboración entre el mundo académico, las nuevas empresas y las compañías farmacéuticas establecidas.

La iniciativa de Google se alinea con su mayor impulso a la innovación sanitaria. La empresa ya ha desarrollado IA para el diagnóstico y la obtención de imágenes médicas, pero este es su primer paso significativo en el campo de las herramientas de código abierto para el descubrimiento de fármacos. Al compartir estos modelos, Google espera hacer frente a los elevados costes y los largos plazos del desarrollo tradicional de fármacos, que suele llevar más de una década y miles de millones de dólares.

Los expertos del sector consideran que esto cambiará las reglas del juego. «Los modelos abiertos de IA podrían reducir las barreras para los agentes más pequeños, impulsando la innovación en un campo dominado por las grandes farmacéuticas», afirma Emily Chen, analista de biotecnología. Sin embargo, algunos advierten de que será fundamental garantizar la precisión de los modelos y abordar los problemas éticos, como los sesgos involuntarios en las predicciones de la IA.

Google tiene previsto lanzar los modelos más adelante, en 2025, con documentación y apoyo para los investigadores. La empresa también pretende colaborar con instituciones académicas para perfeccionar los modelos basándose en aplicaciones del mundo real.

Con los sistemas de salud bajo presión, muchas personas recurren a chatbots de IA como ChatGPT para obtener orientación médica. Una encuesta indica que uno de cada seis adultos en EE. UU. usa chatbots para consejos de salud mensualmente. Sin embargo, un estudio del Instituto de Internet de Oxford destaca que estas herramientas a menudo proporcionan consejos poco confiables debido a problemas de comunicación.

El estudio, que involucró a 1,300 participantes del Reino Unido, utilizó escenarios médicos diseñados por doctores. Los participantes identificaron condiciones de salud y decidieron acciones, como visitar a un médico, usando chatbots o métodos tradicionales como búsquedas en línea. Los modelos de IA probados incluyeron GPT-4o (el predeterminado de ChatGPT), Command R+ de Cohere y Llama 3 de Meta.

Adam Mahdi, coautor del estudio, dijo a TechCrunch: “El estudio reveló una falla de comunicación bidireccional”. Los usuarios a menudo omitían detalles clave en sus consultas, lo que resultaba en respuestas de chatbots que mezclaban consejos precisos y engañosos. Esto complicaba las decisiones de salud informadas. El estudio encontró que los usuarios de chatbots eran menos precisos al identificar condiciones y más propensos a subestimar su gravedad en comparación con quienes usaban otros métodos.

Los hallazgos muestran una brecha entre el potencial de la IA en la salud y sus limitaciones actuales. Empresas como Apple y Microsoft desarrollan IA para aplicaciones de salud, pero persiste el escepticismo entre médicos y pacientes sobre su fiabilidad en escenarios críticos. La Asociación Médica Estadounidense desaconseja usar chatbots como ChatGPT para decisiones clínicas, y OpenAI advierte contra confiar en sus herramientas para diagnósticos.

Mahdi destacó la necesidad de mejores pruebas, afirmando: “Los métodos actuales de evaluación de [chatbots] no reflejan la complejidad de interactuar con usuarios humanos”. A diferencia de los médicos, los chatbots no pueden hacer preguntas de seguimiento ni interpretar señales no verbales, cruciales en contextos médicos.

El estudio recomienda confiar en fuentes confiables para decisiones de salud, señaló Mahdi. Los hallazgos sugieren que, hasta que los chatbots manejen mejor las interacciones humanas, la orientación médica profesional sigue siendo más confiable que los consejos de IA, según los investigadores.

Craif, una startup biotecnológica japonesa fundada en 2018 como spin-off de la Universidad de Nagoya, ha recaudado 22 millones de dólares en una ronda de financiación de Serie C para expandir su tecnología no invasiva de detección precoz del cáncer. La financiación, liderada por el inversor existente X&KSK y a la que se han unido Unreasonable Group, TAUNS Laboratories, Daiwa House Industry y Aozora Bank Group, eleva la financiación total de Craif a 57 millones de dólares, con una valoración cercana a los 100 millones de dólares.

El producto estrella de la empresa, miSignal, utiliza el análisis de microARN (miARN) urinario combinado con IA para detectar siete tipos de cáncer -pancreático, colorrectal, de pulmón, de estómago, de esófago, de mama y de ovario- en fases tempranas, como el estadio 1. A diferencia de los análisis de sangre tradicionales, que se basan en el ADN libre de células (cfADN), el método de Craif aprovecha el miARN, que segregan activamente las células cancerosas incipientes y ofrece señales de biomarcadores más claras debido a los menores niveles de impureza de la orina. Este método no invasivo permite a los pacientes recoger muestras en casa, lo que mejora la accesibilidad y reduce las barreras de detección.

El cofundador y director ejecutivo Ryuichi Onose, motivado por el diagnóstico de cáncer a sus abuelos, se asoció con el profesor asociado de la Universidad de Nagoya Takao Yasui para lanzar Craif apenas un mes después de conocerse. El innovador método de biomarcadores urinarios de Yasui sentó las bases de la tecnología de la empresa. «Nuestro objetivo es conseguir que la detección precoz del cáncer sea sencilla y rutinaria, especialmente para quienes se ven disuadidos por las pruebas invasivas o el acceso limitado a los centros médicos», afirma Onose.

En Japón, miSignal ya está generando ingresos a través de asociaciones con más de 1,000 instituciones médicas y 600 farmacias, atendiendo a 20,000 usuarios. Craif declaró unos ingresos de 5 millones de dólares en 2024 y aspira a alcanzar los 15 millones a finales de 2025. La empresa ofrece pruebas únicas y modelos de suscripción, y muchos usuarios optan por revisiones periódicas. Craif planea ampliar miSignal para detectar 10 tipos de cáncer a finales de año y explorar aplicaciones para afecciones no cancerosas como la demencia.

La nueva financiación impulsará la expansión de Craif en EE.UU., incluidos ensayos clínicos con vistas a su aprobación por la FDA en 2029. La empresa cuenta con un laboratorio de I+D en Irvine (California) y tiene previsto abrir una oficina comercial en San Diego. Craif ha empezado a recoger muestras de cáncer de páncreas en 30 instituciones médicas de 15 estados de EE.UU.. «Nuestra tecnología tiene el potencial de transformar el cribado del cáncer en una parte rutinaria de la vida», afirma Onose.

Craif se enfrenta a la competencia de empresas como Grail y Freenome, que se centran en pruebas basadas en el cfADN, pero su enfoque del miARN basado en la orina la diferencia de las demás. Con el creciente reconocimiento del papel de los miARN en la biología del cáncer -destacado por su vinculación con el Premio Nobel de 2024- Craif está en condiciones de hacer más accesible y eficaz la detección precoz, lo que podría salvar vidas mediante una intervención oportuna.