Cloudphysician anuncia el modelo de video Nightingale para la monitorización hospitalaria

La empresa de IA clínica Cloudphysician anunció Nightingale el 9 de septiembre de 2026, un modelo de base de video específico de dominio diseñado para monitorizar a pacientes hospitalizados las 24 horas del día. La compañía afirmó que el sistema ya está desplegado en más de 150 hospitales en la India y que se está expandiendo al mercado de EE. UU.

El anuncio se emitió desde Bangalore, India, y San Francisco. Cloudphysician, fundada por médicos, dijo que su IA clínica está diseñada para ampliar la capacidad al lado de la cama sin alterar a los clínicos ni sus flujos de trabajo existentes, y que Nightingale se entrenó con miles de horas de video clínico. Según la empresa, el modelo vigila cambios clínicamente relevantes en el estado de un paciente que normalmente solo se detectan cuando un médico realiza rondas periódicas.

Arquitectura y operación en las instalaciones

La compañía contrastó Nightingale con sistemas de IA de video de propósito general, que, según afirma, identifican actividades básicas como si un paciente está presente o se está moviendo. Nightingale, dijo la empresa, está diseñada para reconocer señales clínicas de alta resolución, incluidas patrones anormales de respiración, dilatación nasal, posicionamiento de tubos que diferencia los tubos de alimentación de los tubos de respiración, signos de delirio, niveles de sedación, riesgo de caídas y riesgo de úlceras por presión.

Cloudphysician describió Nightingale como un modelo de base compacto desarrollado a partir de sus datos clínicos propietarios con anotaciones de expertos, creado desde cero en lugar de adaptarse a modelos de código abierto existentes. Según la empresa, todo el procesamiento ocurre dentro del hospital: una única GPU on‑premise ingiere 100 flujos de cámara simultáneos, y el video del paciente nunca abandona el edificio. La compañía calificó el resultado como una capa de percepción eficiente diseñada para implementaciones en el borde y en las instalaciones, y afirmó que reduce los costos de inferencia y ancho de banda en aproximadamente 100 veces en comparación con los modelos de propósito general basados en la nube y dirigidos por tokens.

Declaración del CEO y planes de expansión en EE. UU.

El cofundador y CEO, Dr. Dhruv Joshi, dijo que pasó años como médico observando a pacientes cuyas condiciones podían cambiar en minutos, ya fuera un patrón respiratorio que se modificaba o un paciente desatendido intentando levantarse de la cama. «Nightingale comenzó en las habitaciones de los pacientes, entrenándose para captar las señales que un monitor al lado de la cama no detecta y que un médico captaría si pudiera estar en todas partes a la vez», dijo Joshi en el anuncio. Aseguró que la empresa se está construyendo para servir como los ojos de un doctor o una enfermera, y que este tipo de IA puede significar la diferencia entre la vida y la muerte.

El anuncio indica que Estados Unidos cuenta con aproximadamente 1 millón de camas hospitalarias y que alrededor de 200 000 de ellas disponen actualmente de cámaras, cifra que se espera que aumente a 500 000 para 2030. Cloudphysician afirmó que esta base de cámaras instaladas permite desplegar IA que lleva percepción visual de grado clínico a la prestación de cuidados las 24 horas del día. Su objetivo declarado es convertirse en la capa de percepción visual predeterminada para la entrega de cuidados en lo que describió como un mercado que está alcanzando un valor multimillonario.

Antecedentes de la empresa y productos existentes

Cloudphysician se fundó en 2017 por el Dr. Dhruv Joshi y el Dr. Dileep Raman como una empresa de IA que desarrolla soluciones basadas en video para hospitales, con el objetivo declarado de permitir la seguridad del paciente mediante cuidados autónomos mientras los pacientes están internados. Según el comunicado, la empresa ha atendido a más de 200 000 pacientes y ha contribuido a salvar más de 10 000 vidas en una red de más de 200 hospitales.

En su sitio web, Cloudphysician declara por separado que ha tratado a más de 200 000 pacientes en más de 300 hospitales y cita una reducción de la mortalidad de hasta el 40 %. La compañía enumera las líneas de productos Smart‑ICU, Smart‑NICU, Smart‑Dialysis y Smart‑ER, oficinas en San Francisco, Singapur y Bangalore, equipos tanto en EE. UU. como en India, y ocho patentes concedidas que cubren los métodos detrás de sus modelos de IA. También afirma que ha dedicado la última década a construir uno de los conjuntos de datos multimodales más grandes del mundo a partir de la atención hospitalaria de alta agudeza, combinando video, signos vitales y datos de EMR.

La página About de la empresa indica que Cloudphysician fue fundada por dos médicos de cuidados críticos que han pasado miles de horas en entornos de alta agudeza. El historial de Joshi está en medicina pulmonar y cuidados críticos, con asociaciones anteriores en la Cleveland Clinic Foundation y MedStar Health. El historial de Raman abarca medicina pulmonar, cuidados críticos y medicina del sueño, con asociaciones previas en la Cleveland Clinic Foundation y el Texas Tech University Health Sciences Center.

Cloudphysician también ofrece un producto que llama su AI video co‑pilot, que utiliza agentes de IA preentrenados y específicos de enfermedad, entrenados con datos de video anotados por clínicos. La empresa afirma que una capa orquestadora coordina agentes especializados a través de múltiples modalidades para que sus conocimientos permanezcan contextuales para los cuidadores, con agentes listados que cubren la detección de la frecuencia respiratoria y del trabajo de respiración, el monitoreo del dolor y la sedación, y la prevención de infecciones de líneas centrales. Los ejemplos demostrados incluyen la detección de barandillas de cama bajadas y el envío de una alerta de riesgo de caída al equipo al lado de la cama, la señalización temprana del riesgo de delirio y la identificación visual del trabajo de respiración.

La empresa afirma que sus implementaciones son independientes del hardware, se ejecutan en las instalaciones o en la nube del cliente junto a los monitores, cámaras, tabletas y teléfonos existentes, y que los datos del cliente permanecen dentro del entorno del hospital y no se utilizan para entrenar sus modelos.