La startup Nabla, con sede en París, acaba de anunciar que ha recaudado una ronda de financiación Serie B de 24 millones de dólares liderada por Cathay Innovation, con la participación de ZEBOX Ventures, el fondo de capital riesgo corporativo de CMA CGM. Esta ronda de financiación se produce apenas unos meses después de que Nabla firmara una asociación a gran escala con Permanente Medical Group, una división del gigante sanitario estadounidense Kaiser Permanente.
Según una fuente, Nabla ha alcanzado una valoración de 180 millones de dólares tras la ronda de financiación de hoy. La empresa también podría acabar recaudando más dinero de inversores estadounidenses como parte de esta ronda.
Nabla ha estado trabajando en un copiloto de IA para médicos y otro personal médico. La mejor manera de describirlo es que es un compañero de trabajo silencioso que se sienta en un rincón de la habitación, toma notas y escribe informes médicos para usted.
La startup fue fundada originalmente por Alexandre Lebrun, Delphine Groll y Martin Raison. Lebrun, director ejecutivo de Nabla, era director ejecutivo de Wit.ai, una startup de asistente de inteligencia artificial adquirida por Facebook. Luego se convirtió en jefe de ingeniería del laboratorio de investigación de inteligencia artificial FAIR de Facebook.
Hace unas semanas, vi una demostración en vivo de Nabla con un médico real y un paciente falso que fingía tener dolores de espalda. Cuando un médico inicia una consulta, presiona el botón de inicio en la interfaz de Nabla y se olvida de su computadora.
Además de la parte del examen físico, una consulta también incluye una larga discusión con un montón de preguntas sobre lo que lo trae aquí y su historial médico. Al final de la consulta, también puede haber recomendaciones y prescripciones.
Nabla utiliza tecnología de voz a texto para convertir la conversación en una transcripción escrita. Funciona tanto con consultas presenciales como con citas de telesalud.
Una vez que el paciente se ha marchado, el médico pulsa el botón de parada. Luego, Nabla utiliza un gran modelo de lenguaje refinado con datos médicos y conversaciones relacionadas con la salud para identificar los puntos de datos importantes en la consulta: signos vitales médicos, nombres de medicamentos, patologías, etc.
Nabla genera un informe médico completo en uno o dos minutos con un resumen de la consulta, recetas y cartas de citas de seguimiento.
Estos informes se pueden personalizar según las necesidades del médico con un formato personalizado para sus notas. Por ejemplo, puede agregar instrucciones para que la nota sea más concisa o más detallada. O puede solicitar generar notas que sigan el patrón de notas subjetivas, objetivas, de evaluación y plan (SOAP) que se usa ampliamente en los EE. UU.
Durante la demostración que vi, quedé muy sorprendido por la eficacia de Nabla en general. Aunque estábamos en una sala llena de gente y Nabla estaba funcionando en una computadora portátil a un par de metros de los presentadores de la demostración, la herramienta pudo generar una transcripción precisa y un informe útil.
Con Nabla Copilot, como sugiere el nombre, la startup no intenta sacar al ser humano del circuito médico. Los médicos todavía tienen la última palabra, ya que pueden editar los informes antes de archivarlos en su sistema de registro médico electrónico (EHR).
En cambio, la empresa cree que puede ayudar a los médicos a ahorrar tiempo en el trabajo administrativo para que puedan dedicar más tiempo a centrarse en los pacientes.
“Lo que sabemos en el futuro cercano es que no queremos intentar reemplazar a los médicos. Has visto empresas, como Babylon en el Reino Unido, que gastan mil millones de dólares tratando de crear chatbots y automatizar las cosas de inmediato y sacar a los médicos del círculo. Y hace mucho tiempo decidimos con Nabla Copilot que [doctors] Somos los pilotos y trabajamos a su lado”, afirmó Lebrun.
“Es un poco como la automatización de vehículos autónomos. Todavía estamos en el nivel dos hoy. Muy pronto comenzaremos el nivel tres con soporte de garantía clínica. Luego el nivel cuatro es el apoyo a las decisiones clínicas, pero con la aprobación de la FDA, porque se toman decisiones que realmente no se pueden explicar”, añadió.
En algún momento, incluso se podría imaginar un nivel cinco de atención sanitaria autónoma, lo que significaría sacar a los médicos de la sala. Pero Lebrun sigue siendo muy cauteloso en este frente.
«Para algunas situaciones en algunos mercados, como en algunos países donde no tienen acceso a la atención médica, sería algo relevante», dijo. A largo plazo, ve el proceso de diagnóstico como un “problema de coincidencia de patrones” que podría resolverse con IA. Los médicos se centrarían en la empatía, los procedimientos quirúrgicos y las decisiones críticas.
Si bien Nabla tiene su sede en Francia, la mayoría de los clientes de la empresa se encuentran en los EE. UU. tras su implementación en Permanente Medical Group. Nabla no es sólo un trabajo en progreso, sino que miles de médicos lo utilizan activamente todos los días.
El modelo de privacidad de Nabla
Nabla está actualmente disponible como aplicación web o como extensión de Google Chrome. La empresa es muy consciente de que maneja datos confidenciales. Por eso no almacena audios ni notas médicas en sus servidores, a menos que tanto el médico como el paciente den su consentimiento.
Nabla se centra en el procesamiento de datos en lugar del almacenamiento de datos. Después de una consulta, el archivo de audio se descarta y la transcripción se almacena en el EHR que los médicos ya utilizan para los archivos de sus pacientes.
En términos más técnicos, cuando un médico inicia una grabación, el audio se transcribe en tiempo real utilizando una API de conversión de voz a texto optimizada. La empresa utiliza una combinación de una API de voz a texto disponible en el mercado de Microsoft Azure y su propio modelo de voz a texto (un modelo refinado basado en el modelo Whisper de código abierto).
“Cuando se tiene sólo un algoritmo normal de voz a texto, es posible que sean buenos o no para los datos médicos. Pero tenemos uno afinado. Y, como probablemente habrás visto, el texto es muy claro al principio y luego se vuelve oscuro. Y cuando oscurece, significa que lo verificamos con nuestro propio modelo y lo corregimos con nombres de medicamentos o condiciones médicas”, dijo el ingeniero de Nabla ML, Grégoire Retourné, durante la demostración que vi.
Primero se seudonimiza la transcripción, lo que significa que la información de identificación personal se reemplaza con variables. Las transcripciones seudónimas se procesan mediante un modelo de lenguaje grande. Históricamente, Nabla ha estado utilizando GPT-3 y luego GPT-4 como su principal modelo de lenguaje grande. Como cliente empresarial, Nabla puede decirle a OpenAI que no puede almacenar sus datos y entrenar su modelo de lenguaje grande en esas consultas.
Pero Nabla también ha estado jugando con una versión perfeccionada de Llama 2. «En el futuro, prevemos utilizar modelos cada vez más estrechos en lugar de modelos generales», dijo Lebrun.
Una vez que el LLM ha procesado la transcripción, Nabla elimina el seudónimo del resultado. Los médicos pueden ver la nota, que se almacena en la computadora en el archivo de almacenamiento del navegador web local. Las notas se pueden exportar a EHR.
Sin embargo, los médicos pueden dar su aprobación y pedir el consentimiento del paciente para compartir notas médicas con Nabla para que puedan utilizarse para corregir errores de transcripción. Y dado que Nabla está en camino de procesar más de 3 millones de consultas por año en tres idiomas, es probable que Nabla mejore muy rápidamente gracias a datos del mundo real.
Créditos de imagen: Romain Dillet / TechCrunch