Más allá del laboratorio: Por qué la próxima revolución sanitaria debe ser portátil

Valentina Agudelo, CEO de Salva Health

Quan pensem en Deep Tech o innovació mèdica, sovint imaginem laboratoris estèrils, enormes ressonàncies magnètiques i infraestructures milionàries. Però per a milions de dones a l’Amèrica Llatina rural, aquesta versió de la innovació no sols és cara: és invisible. Simplement no arriba fins elles.

A Colòmbia, com en molts països en desenvolupament, la lluita contra el càncer de mama té un enemic geogràfic: la distància. L’estàndard d’or per a la detecció, la mamografia, està centralitzada en les grans ciutats. Per a una dona en un llogaret remot —com les de Sant Marcos, on treballem— fer-se una prova implica un viatge costós, dies sense treballar i un procediment dolorós al qual tem. El resultat: no va. I quan el sistema finalment la “veu”, sovint és massa tarda.

En Salva Health vam comprendre que l’algorisme més sofisticat és inútil si no pot cabre en una motxilla i viatjar fins a la meitat de la selva tropical. Aquesta comprensió va donar forma a Julieta, el nostre dispositiu impulsat per IA per a l’estratificació del risc de càncer de mama. Guanyar el MWCapital Award no és només un reconeixement a la nostra tecnologia; és la validació d’una nova filosofia: la innovació ha de mesurar-se pel seu abast, no sols per la seva complexitat.

Tancar la bretxa: Excel·lència enfront d’assequibilitat

Una de les preguntes més difícils per a una startup és equilibrar el rigor tecnològic amb l’accessibilitat a baix cost. Com aconseguir que el barat no signifiqui inferior?

La nostra estratègia va ser canviar la pregunta. Deixem d’intentar replicar una mamografia (que captura imatges morfològiques) i ens centrem en la fisiologia (com es comporta el teixit). En utilitzar la Bioimpedancia Elèctrica combinada amb Intel·ligència Artificial, vam poder construir un dispositiu que no requereix blindatge radiològic ni xarxes elèctriques massives.

Desplacem la proposta de valor, del diagnòstic a la classificació de prioritats (Triage). Julieta actua com l’Alarma Domèstica que detecta si alguna cosa va malament, mentre que la mamografia continua sent la Càmera de Seguretat que mostra el detall. En posicionar-nos com el filtre que prioritza el risc, reduïm la càrrega sobre el sistema sanitari i fem que la tecnologia sigui prou assequible per a desplegar-la en centres d’atenció primària. Per a nosaltres, excel·lència significa eficiència en la ruta assistencial.

Precisió científica en entorns de baixa infraestructura

Portar la IA al terreny és complex. No hi ha internet constant, no hi ha control climàtic i no hi ha radiòlegs especialitzats in situ.

Per a equilibrar precisió i accessibilitat, dissenyem Julieta perquè fos independent de la infraestructura. Funciona amb bateries, treballa sense connexió i processa les dades mitjançant models de IA lleugers que no requereixen un supercomputador en el lloc. Però el veritable repte va ser la confiança.

Realitzem rigoroses validacions clíniques per a assegurar que la nostra sensibilitat (75%) i especificitat (79%) fossin prou robustes com per a servir de filtre fiable. Vam aprendre que, en entorns de pocs recursos, la tecnologia ha de ser transparent. No pot ser una caixa negra. La nostra interfície no sols llança un codi; educa a la infermera local i a la pacient, convertint l’exploració en un moment d’alfabetització en salut. Quan la tecnologia respecta el context de l’usuari, precisió i adopció van de bracet.

Canvis sistèmics per a la integració nacional

Perquè innovacions com Julieta passin de ser una iniciativa pilot a un estàndard nacional, els sistemes sanitaris han de passar d’un Model Reactiu a un Model Preventiu de Classificació de Prioritats.

Actualment, els governs gasten milions en tractaments de càncer en fase avançada, però dubten a l’hora de reemborsar eines de cribratge precoç perquè no encaixen en els codis tradicionals. Necessitem una actualització sistèmica de les polítiques públiques que valori —i pagui— l’estratificació del risc. Si podem demostrar als pagadors que detectar avui a una pacient d’alt risc costa una fracció del que costarà tractar-la l’any que ve, la integració es torna inevitable. Necessitem entorns reguladors de prova (regulatory sandboxes) que permetin a les eines de IA demostrar el seu valor en escenaris del món real més ràpid.

Una lliçó per a futurs innovadors

Si pogués compartir una lliçó amb els innovadors del demà, seria aquesta: no dissenyeu només per a l’usuari; dissenyeu per a la seva realitat.

És fàcil dissenyar per a la pacient que entra en un hospital de primer nivell. És molt més difícil, però infinitament més gratificant, dissenyar per a la dona que mai ha vist a un metge. La veritable disrupció ocorre quan preses la ciència més avançada i fas que se senti senzilla, humana i accessible per a qui més la necessita. L’empatia no és una habilitat tova; és l’especificació de disseny definitiva.