Aidoc recauda 150 millones de dólares en la ronda E para ampliar la inteligencia artificial clínica en los sistemas de salud

La empresa de inteligencia artificial clínica Aidoc ha obtenido 150 millones de dólares en financiación de la ronda E, liderada por Goldman Sachs Alternatives, a medida que los sistemas de salud buscan cada vez más ir más allá de las herramientas de inteligencia artificial aisladas hacia plataformas integradas y empresariales.

La ronda incluye la participación de General Catalyst, SoftBank Investment Advisors y NVentures, lo que eleva la financiación total de la empresa a más de 500 millones de dólares. La recaudación se produce en un momento de creciente presión sobre los hospitales para abordar los errores de diagnóstico, la escasez de personal y el aumento del volumen de imágenes, factores que contribuyen a cientos de miles de muertes evitables anualmente en Estados Unidos.

De soluciones puntuales a inteligencia artificial a nivel de sistema

Durante años, la inteligencia artificial en la atención médica se ha implementado en gran medida como herramientas de un solo propósito, algoritmos diseñados para detectar una condición a la vez. Este enfoque tiene un impacto limitado, especialmente en entornos donde los clínicos deben interpretar grandes cantidades de datos de imágenes en múltiples condiciones.

Aidoc es parte de un cambio más amplio hacia sistemas impulsados por modelos de base que pueden operar en varios modos y casos de uso. Su modelo de base CARE ™ es diseñado para analizar datos clínicos multimodales y ampliar la cobertura de la inteligencia artificial en numerosas patologías desde una sola arquitectura.

Este cambio refleja lo que ya ha ocurrido en otras áreas de la inteligencia artificial: pasar de herramientas estrechas a sistemas generalizados capaces de respaldar flujos de trabajo complejos.

Construyendo un sistema operativo para la inteligencia artificial clínica

En el centro del enfoque de Aidoc se encuentra su plataforma empresarial, aiOS ™, que funciona como una capa de orquestación de inteligencia artificial clínica. En lugar de implementar algoritmos individuales de forma aislada, aiOS integra la inteligencia artificial directamente en la infraestructura del hospital, incluidos los sistemas de imágenes y los registros electrónicos de salud.

La plataforma permite que varios algoritmos se ejecuten simultáneamente en una sola exploración, priorizando los hallazgos urgentes y resaltando tanto las anormalidades esperadas como las incidentales. Esta capa de orquestación está diseñada para reducir las lagunas de diagnóstico mientras mejora la eficiencia del flujo de trabajo.

También introduce mecanismos de gobernanza, como la validación, el seguimiento y el seguimiento del rendimiento, que son cada vez más necesarios a medida que los sistemas de inteligencia artificial se mueven en entornos clínicos regulados.

Ampliando la inteligencia artificial en entornos clínicos reales

La tecnología de Aidoc ya se ha implementado a gran escala, analizando decenas de millones de casos de pacientes anualmente y respaldando la prestación de atención en miles de hospitales de todo el mundo.

Sus sistemas se utilizan en entornos clínicos en tiempo real, particularmente en radiología, donde la inteligencia artificial puede marcar hallazgos urgentes y acelerar las decisiones de triaje. Los informes recientes destacan casos de uso que van desde la detección de lesiones internas hasta la priorización de casos de emergencia en función de los datos de imágenes.

Este nivel de implementación refleja una transición de la experimentación a la confianza operativa, donde la inteligencia artificial ya no es un complemento, sino parte de la infraestructura clínica básica.
<h2-La próxima fase: flujos de trabajo clínicos de extremo a extremo

La nueva financiación apoyará la expansión del modelo de base de Aidoc y avanzará hacia flujos de trabajo de extremo a extremo. Un área clave de desarrollo es la generación automática de informes de borrador, que apunta a mover la inteligencia artificial desde la detección hacia la participación completa en el flujo de trabajo clínico.

Esta dirección sugiere un futuro en el que los sistemas de inteligencia artificial hagan más que resaltar anormalidades, pueden estructurar, resumir y contextualizar los hallazgos para los clínicos.

En términos prácticos, esto podría comprimir el tiempo entre la exploración, el diagnóstico y el tratamiento, al tiempo que reduce la carga cognitiva en los profesionales de la salud.

Hacia el soporte de decisión clínica autónoma

Lo que está surgiendo es una transición de herramientas de inteligencia artificial fragmentadas a sistemas unificados que funcionan como infraestructura dentro de la atención médica.

A medida que estas plataformas maduran, su valor provendrá cada vez más de cómo coordinan entre departamentos, estandarizan la toma de decisiones y reducen la variabilidad en la atención. El desafío técnico ya no es solo construir modelos precisos, sino asegurarse de que esos modelos puedan operar de manera confiable en entornos hospitalarios complejos, bajo una estricta supervisión regulatoria.

Con el tiempo, la distinción entre “atención asistida por inteligencia artificial” y “atención estándar” puede comenzar a desdibujarse. En lugar de ser una herramienta visible, la inteligencia artificial podría convertirse en una capa subyacente que interpreta continuamente los datos, marca los riesgos y apoya a los clínicos en tiempo real.

Si ese cambio se mantiene, las mejoras en la precisión del diagnóstico y los resultados de los pacientes pueden no provenir de una sola función de ruptura, sino del efecto acumulado de la inteligencia artificial incorporada silenciosamente en todo el flujo de trabajo clínico.