El Portal de las Tecnologías para la Innovación

Cómo la startup de inteligencia artificial Confixis protege a los hospitales de los médicos corruptos 

Después de una carrera como investigador de incidentes en empresas de gestión de riesgos como Kroll y FTI Consulting, Aaron Narva (en la foto de arriba) trabajaba con un importante cliente bancario internacional en el fabricante de software de cumplimiento Exiger.

Era responsable de supervisar el cumplimiento legal de ese cliente después de que hubiera sido noticia una década antes por un escándalo de lavado de dinero.

“Cuando estaba en Exiger, adquirimos algunas empresas de software, incluida una herramienta de software de inteligencia artificial que ayudó a eliminar el riesgo de los registros públicos no estructurados. Y creamos una herramienta para ayudar a identificar el riesgo de corrupción y sanciones en las relaciones comerciales de empresas muy grandes”, dijo Narva a TechCrunch.

Ese trabajo le dio la idea de crear Conflixis . Los hospitales y otras grandes prácticas médicas enfrentan riesgos de corrupción similares a los de los bancos. Las compañías farmacéuticas y los fabricantes de dispositivos se vuelven tan notoriamente amigos de los médicos que se les exige que revelen conflictos de interés: viajes, honorarios por consultoría, patrocinio de becas de investigación y similares.

Numerosas investigaciones demuestran que quienes se muestran demasiado amistosos son más propensos a recetar esos medicamentos y dispositivos, independientemente de que produzcan mejores resultados para el paciente o no. El riesgo es tan grande que el gobierno tiene una base de datos llamada OpenPaymentsData.com , donde cualquiera puede ver las declaraciones de conflictos de intereses.

Sin embargo, revelar estos conflictos no detiene el problema, que pone a los hospitales en riesgo legal. Una serie de leyes prohíben este tipo de comportamiento por parte de los médicos, desde la Ley Stark hasta la Ley Antisoborno (AKS) .

Al mismo tiempo, los intereses comerciales deben trabajar con los médicos (los expertos médicos) para ayudarlos a investigar nuevos medicamentos y construir dispositivos. Por lo tanto, no todas las interacciones están prohibidas.

Narva imaginó un software impulsado por IA como un servicio que identificaría para los hospitales y las grandes prácticas médicas las situaciones reales que ponen en riesgo al hospital (o al paciente). 

“Un gran sistema de salud puede tener 200.000 relaciones entre sus médicos y proveedores”, dijo Narva. “¿Cuál de esas 200.000 relaciones le está afectando desde el punto de vista de alguno de los seis riesgos?” 

Los riesgos van desde infringir las leyes hasta resultados médicos desfavorables. El gobierno federal también proporciona una base de datos que publica información sobre la calidad de la atención hospitalaria. 

Narva llamó a un amigo que conocía desde octavo grado, Joseph Bergen, director de ingeniería de BuzzFeed en ese momento, para pedirle su opinión sobre la idea. A Bergen le gustó tanto que renunció a su trabajo y se convirtió en cofundador.

Conflixis funciona incorporando datos de OpenPaymentsData.com, los datos de adquisiciones del hospital, datos de reclamaciones, registros de resultados de pacientes, formularios de conflicto de intereses y otras fuentes. Analiza todos los puntos de conflicto para identificar aquellos que un hospital debería investigar.

“Bien, analizamos las 5.000 o 10.000 relaciones y aquí están las siete que realmente hay que analizar”, describe Narva como ejemplo. “Como si hubiéramos analizado el océano y aquí están las siete”.

Conflixis va un paso más allá y también puede predecir el gasto de un hospital y sugerir formas de reducirlo. Por ejemplo, ¿el hospital está comprando un equipo más caro basándose en la recomendación de un médico que tiene una relación con ese proveedor, en lugar de uno más económico?

“Podemos lograr que los hospitales reduzcan significativamente su riesgo regulatorio, aumentando su confianza y transparencia con sus pacientes, sí, pero también tomando mejores decisiones operativas sobre lo que compran”, afirma.

Fundada en 2023, la empresa ya tiene un puñado de clientes, con menos de 5 millones de dólares en ingresos, dijo Narva. Acaba de anunciar una ronda de financiación inicial de 4,2 millones de dólares codirigida por Lerer Hippeau (el fondo fundado por el expresidente de BuzzFeed, Kenneth Lerer) y Origin Ventures, con la participación de Mark vc, Springtime Ventures y el inversor pre-semilla Cretiv Capital.

Conflixis se suma a un campo abarrotado de empresas de software de cumplimiento de la industria de la salud como Compliatric y Symplr, aunque algunas están más centradas en la protección de los datos de los pacientes que en la corrupción y las adquisiciones.

Narva afirma que lo que distingue a Conflixis es la forma en que ha combinado las carreras de investigación de sus empleados con los títulos de máster. Modificó modelos estándar para buscar patrones en los datos basándose en «nuestra experiencia en monitoreo de transacciones y corrupción en investigaciones de big data», afirma. TechCrunch. J. B. Traducido al español

Artículos relacionados

Scroll al inicio