Plataformas de inteligencia artificial orientadas a la detección temprana de condiciones clínicas no diagnosticadas están captando capital significativo y tracción institucional a un ritmo que anticipa un cambio estructural en la forma en que los hospitales procesan información clínica. Una de estas plataformas cerró recientemente una ronda total de 38 millones de dólares —ocho millones en etapa inicial y 30 millones en Serie A— para escalar una tecnología que analiza expedientes médicos electrónicos con el objetivo de identificar pacientes en riesgo de condiciones frecuentemente subestimadas: desnutrición, delirio y neumonía por aspiración.
Cómo funciona el sistema
El sistema se conecta directamente al historial médico electrónico de cada hospital y procesa dos capas de información: datos estructurados —resultados de laboratorio, signos vitales, pesos y diagnósticos— y datos no estructurados contenidos en notas clínicas, donde con frecuencia aparecen señales tempranas como menciones de pérdida de apetito o cambios cognitivos.
Utilizando modelos de lenguaje, la plataforma extrae estas señales y las combina con los datos estructurados para generar, cada noche, un puntaje de riesgo por paciente adulto hospitalizado. Ese puntaje se integra al flujo de trabajo del equipo de atención al día siguiente a través de un panel de control que muestra tendencias individuales y prioriza casos para revisión.
Un punto crítico de diseño: el software no emite diagnósticos. Resalta elementos que el personal médico debe evaluar, reduciendo la carga de revisión manual sin sustituir el criterio clínico. Esta distinción no es menor desde una perspectiva regulatoria y de adopción institucional.
El problema que justifica la inversión
La desnutrición hospitalaria ilustra la escala del desafío. Estudios clínicos indican que entre el 20% y el 50% de los pacientes hospitalizados presentan algún grado de desnutrición, una condición que prolonga estancias, incrementa complicaciones y eleva la mortalidad. Su detección sigue siendo inconsistente en la mayoría de los sistemas de salud porque las señales relevantes están dispersas en notas clínicas que ningún equipo puede revisar de forma sistemática a gran escala.
La brecha entre la información disponible en el expediente y la capacidad real de procesamiento del personal clínico es precisamente el espacio que la automatización mediante IA busca cubrir. Para los sistemas hospitalarios, el argumento financiero es directo: reducir estancias prolongadas y reingresos evitables tiene un impacto medible en costos operativos y en indicadores de calidad regulatoria.
Tracción y expansión
Fundada en Sudáfrica en 2022, la compañía pasó de tres hospitales asociados a más de 50 en el último año, incluyendo instituciones como Penn Medicine, Cedars-Sinai, Intermountain, Houston Methodist y Emory Healthcare. En ese mismo período, los ingresos crecieron más de diez veces, aunque la valoración actual no ha sido divulgada.
Además de los módulos ya operativos para desnutrición y delirio, la plataforma está en proceso de validación clínica para detectar úlceras por presión y riesgo de reingreso por insuficiencia cardíaca congestiva. La validación clínica es un paso determinante: sin ella, la adopción institucional a gran escala enfrenta barreras regulatorias y de confianza que ningún nivel de financiamiento puede sustituir.
Implicaciones para sistemas de salud en Latinoamérica
El crecimiento de esta categoría —IA aplicada a vigilancia clínica— abre una ventana de oportunidad relevante para sistemas hospitalarios en México y América Latina, donde la presión sobre recursos clínicos y la inconsistencia en protocolos de detección representan desafíos estructurales similares a los que esta tecnología busca resolver en mercados más maduros.
La capacidad de procesar información no estructurada a escala, sin reemplazar al médico sino potenciando su capacidad de revisión, define una nueva categoría de herramientas que los sistemas de salud deberán evaluar no solo por su impacto clínico, sino por su retorno operativo medible.
