• Innovació
  • Amalfi Analytics, o com predir el dia a dia d'un hospital

Amalfi Analytics, o com predir el dia a dia d'un hospital

Com hauria canviat la gestió de la pandèmia si s'hagués aplicat intel·ligència artificial en el comandament dels hospitals?

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
Barcelona
30 de Juny de 2022
Act. 03 de Novembre de 2022

Les empreses emergents en l'àmbit de la salut estan orientant les seves solucions tecnològiques, principalment, a la diagnosi prematura de malalties i a la millora dels tractaments, teràpies i atenció dels pacients. Però hi ha una altra pota en el sector sanitari que no només aporta major benestar als pacients, sinó que també vetlla pel bon funcionament dels centres, dels recursos i dels equips de professionals: la gestió hospitalària

Un bon software d'intel·ligència artificial i aprenentatge automàtic, per exemple, és capaç de disminuir fins a un 80% el temps que un responsable d'urgències dedicaria a l'anàlisi de dades. També pot reduir fins a un 20% el temps d'espera dels pacients per accedir a un llit o també és capaç d'estalviar fins a un 30% la contractació de personal excedent preveient pics de feina, futur absentisme laboral i les diferents necessitats que es puguin tenir d'equip segons les diferents especialitats. 

Equipo de Amalfi Analytics | Cedida

Equip d'Amalfi Analytics | Cedida

Aquestes són dades extretes dels sis mesos que Amalfi Analytics ha estat funcionant en hospitals com Vall d'Hebron o l'Hospital de Figueres. La startup nascuda poc abans de la pandèmia com a spinoff de la Universitat Politècnica de Catalunya ha desenvolupat una tecnologia capaç de reconèixer des de patrons de salut complexes en la població, clusteritzar pacients o fins i tot predir l'activitat d'un hospital. Al capdavant d'Amalfi Analytics estan els dos cofundadors, Julianna Ribera, directora mèdica i experta en gestió sanitària, i Ricard Gavaldà, catedràtic de la UPC i expert en intel·ligència artificial i aprenentatge automàtic; i Ramon Roy, director de l'empresa emergent. 

La covid-19 va endarrerir els seus plans de validacions, que no van assolir fins a finals del 2021. Durant aquests temps i fins que no han llançat oficialment el producte al mercat -a finals del 2021- s'han finançat mitjançant ajuts públics i privats. El 2020 van aixecar una ronda de 600.000 euros que els va "permetre consolidar el producte, fer les proves amb calma i acabar de desenvolupar la tecnologia", indica Ribera. Ara que ja tenen resultats i una resposta positiva del mercat, volen fer el salt internacional. Per això, tenen oberta una ronda amb la qual tenen previst captar dos milions d'euros.

El seu model de negoci és un Sas (programari com a servei): el client paga una tarifa per poder accedir al software, que funciona de manera estandarditzada encara que té factors que es personalitzen, com el nombre de llits i o de boxes que pot tenir el centre. Concretament, Amalfi té tres programaris desenvolupats que prediuen, per una banda, l'activitat a urgències i, per l'altra, el percentatge d'absentisme laboral i els recursos materials de l'hospital. "Si tu incorpores la intel·ligència per fer una gestió de precisió i ets capaç d'identificar bé els pacients i quines necessitats tenen, pots anticipar-te als escenaris de futur per poder optimitzar la teva disponibilitat de recursos", indica Ribera.

D'on extreuren les dades?

Segons Ribera, des de finals del 1980 està molt establert tant a Catalunya com a molts altres països desenvolupats l'elaboració "d'un conjunt bàsic de 30 dades per cada vegada que algú entra a la consulta o a urgències". Són dades sobre el pacient (com edat o sexe), sobre l'especialització que ha rebut el pacient,, l'hora d'arribada i de sortida, malalties, i tractaments,, etcètera. A més d'aquesta font inacabable de dades, l'agoritme aprèn també en temps real. La informació s'actualitza cada 15 minuts i es modifiquen les prediccions en funció de les variables passades. "De les dades retrospectives, nosaltres aportem prospectivas", sentencia Ribera.