• Innovación
  • Amalfi Analytics, o cómo predecir el día a día de un hospital

Amalfi Analytics, o cómo predecir el día a día de un hospital

¿Cómo habría cambiado la gestión de la pandemia si se hubiera aplicado inteligencia artificial en la dirección de los hospitales?

La startup Amalfi Analytics es capaz de predecir el absentismo laboral entre los profesionales de un hospital | iStock
La startup Amalfi Analytics es capaz de predecir el absentismo laboral entre los profesionales de un hospital | iStock
309FBEDE C027 4C16 9BF2 37BAB56EC75B 1 201 a
Directora de VIA Empresa
Barcelona
30 de Junio de 2022
Act. 03 de Noviembre de 2022

Las empresas emergentes en el ámbito de la salud están orientando sus soluciones tecnológicas, principalmente, a la diagnosis prematura de enfermedades y a la mejora de los tratamientos, terapias y atención de los pacientes. Pero hay otra pata en el sector sanitario que no solo aporta mayor bienestar a los pacientes, sino que también vela por el buen funcionamiento de los centros, de los recursos y de los equipos de profesionales: la gestión hospitalaria.

 

Un buen software de inteligencia artificial y aprendizaje automático, por ejemplo, es capaz de disminuir hasta un 80% el tiempo que un responsable de urgencias dedicaría al análisis de datos. También puede reducir hasta un 20% el tiempo de espera de los pacientes para acceder a una cama o también es capaz de ahorrar hasta un 30% la contratación de personal excedente previendo picos de trabajo, futuro absentismo laboral y las diferentes necesidades que se puedan tener de equipo según las diferentes especialidades.

Equipo de Amalfi Analytics | Cedida

Equipo de Amalfi Analytics | Cedida

Estos son datos extraídos de los seis meses que Amalfi Analytics ha estado funcionando en hospitales como Vall ' Hebron o el l'Hospital de Higueras. La startup nacida poco antes de la pandemia como spinoff de la Universidad Politécnica de Catalunya ha desarrollado una tecnología capaz de reconocer desde patrones de salud complejos en la población, clusterizar pacientes o incluso predecir la actividad de un hospital. Al frente de Amalfi Analytics están los dos cofundadores, Julianna Ribera, directora médica y experta en gestión sanitaria, y Ricard Gavaldà, catedrático de la UPC y experto en inteligencia artificial y aprendizaje automático; y Ramon Roy, director de la empresa emergente.

 

La covid-19 atrasó sus planes de validaciones, que no consiguieron hasta finales del 2021. Durante ese tiempo y hasta que no han lanzado oficialmente el producto al mercado -a finales del 2021- se han financiado mediante ayudas públicas y privados. En el 2020 levantaron una ronda de 600.000 euros que los permitió " consolidar el producto, hacer las pruebas con calma y acabar de desarrollar la tecnología", indica Ribera. Ahora que ya tienen resultados y una respuesta positiva del mercado, quieren hacer el salto internacional. Por eso, tienen abierta una ronda con la cual tienen previsto captar dos millones de euros.

Su modelo de negocio es un Sas (software como servicio): el cliente paga una tarifa para poder acceder al software, que funciona de manera estandarizada aunque tiene factores que se personalizan, como el número de camas y o de boxes que puede tener el centro. Concretamente, Amalfi tiene tres softwares desarrollados que predicen, por un lado, la actividad en urgencias y, por el otra, el porcentaje de absentismo laboral y los recursos materiales del hospital. "Si tú incorporas la inteligencia para hacer una gestión de precisión y eres capaz de identificar bien los pacientes y qué necesidades tienen, puedes anticiparte a los escenarios de futuro para poder optimizar tu disponibilidad de recursos", indica Ribera.

¿De donde extraen los datos?

Según Ribera, desde finales del 1980 muy establecido tanto en Catalunya como en otros países desarrollados la elaboración "de un conjunto básico de 30 datos por cada vez que alguien entra a la consulta o a urgencias". Son datos sobre el paciente (como edad o sexo), sobre la especialización que ha recibido el paciente, la hora de llegada y de salida, dolencias, y tratamientos,, etcétera. Además de esta fuente inacabable de datos, el agoritme aprende también en tiempo real. La información se actualiza cada 15 minutos y se modifican las predicciones en función de las variables pasadas. "De los datos retrospectivos, nosotros aportamos prospectivas", sentencia Ribera.