Jonathan Kron, CEO de BloodGPT – Serie de Entrevistas

Jonathan Kron es el CEO de BloodGPT. Es un estratega de atención médica y emprendedor con más de 20 años de experiencia en la creación y escalado de empresas de atención médica. Antes de unirse a BloodGPT, fundó y salió de Med24, una clínica con sede en Londres (recaudó £5M, salió en 2022), cofundó PCG, una startup de atención médica en el hogar con sede en Mónaco que obtuvo más de $1M en contratos con un presupuesto de semilla de $500K, y ha asesorado a empresas de salud digital, incluyendo Klarity y LIPS Healthcare en recaudación de fondos y crecimiento importantes.

BloodGPT es una plataforma impulsada por IA para laboratorios de diagnóstico y clínicas que se integra perfectamente en los flujos de trabajo existentes, interpretando los resultados de las pruebas de sangre en segundos con una precisión del 99,99%.

Ha pasado más de dos décadas creando y escalando empresas de atención médica. ¿Qué experiencias personales o puntos de dolor de la industria lo llevaron a BloodGPT?

Me enteré de BloodGPT a principios de este año a través de un colega. La premisa me resonó de inmediato, tanto a nivel personal como desde una perspectiva empresarial. Soy alguien que siempre ha seguido su propio trabajo de sangre en hojas de cálculo, extrayendo números de PDF y imágenes, solo para encontrarme con unidades inconsistentes, rangos de referencia y convenciones de nomenclatura. Era tedioso y a menudo poco fiable. Y en el fondo, sabía que no podía ser el único que se enfrentaba a la frustración de recibir resultados desordenados, fragmentados y poco accesibles de un médico, laboratorio o clínica.

Por esa razón, dentro de los días de enterarme de BloodGPT, estaba en una llamada con los fundadores y, al final de ella, me convertí en el CSO. Después de 20 años trabajando en clínicas, startups y sistemas de salud, supe que esto era exactamente lo que necesitaba.

BloodGPT aborda algunos puntos de dolor que he visto repetidamente. La gente obtiene resultados de pruebas, pero el acceso es fragmentado, se pierde el contexto y el proceso abruma a los profesionales ya estresados. Piense en esto. Los datos de sangre son una de las señales más ricas de bienestar general, y sin embargo, todavía están subutilizados.

Así que mi razonamiento fue que si podemos combinar IA y ciencia de datos avanzada con sólidos conocimientos de salud, podemos hacer que esa información sea utilizable en tiempo real para todos: individuos, profesionales de la salud y sistemas enteros.

BloodGPT promete una precisión del 99,99% en la interpretación de los resultados de las pruebas de sangre e integra directamente en los flujos de trabajo de laboratorio existentes. ¿Puede explicarnos cómo se concibió la plataforma y los desafíos clave que enfrentó al llevarla al mercado?

Curiosamente, todo comenzó con una conversación con un vecino. Nikita Udovichenko, un bioquímico y asesor de nutrición deportiva, seguía viendo el mismo problema en su práctica antes de cofundar BloodGPT. La gente recibía sus informes de análisis de sangre y no tenía idea de qué hacer con ellos. Su vecino Vasilii Lazuka, un empresario serial de IA y ahora cofundador y CTO, inmediatamente vio el potencial. Lo que comenzó como un intercambio casual rápidamente se convirtió en un proyecto real. Poco después, la experta en desarrollo de productos de IA Nata Savaścienka se unió como cofundadora y CPO, y yo me incorporé, trabajando junto a ellos y aprovechando mis veinte años de experiencia en la creación de plataformas de atención médica y datos.

Desde ese punto, el enfoque se centró en construir un sistema que trate cada número como datos verificables, no algo que un modelo de lenguaje pueda adivinar. Diseñamos una arquitectura de múltiples capas que normaliza cada biomarcador a códigos LOINC — Identificadores Lógicos de Nombres y Códigos de Observación, el estándar internacional para informes de laboratorio — verifica cada unidad con UCUM, el Código Unificado para Unidades de Medida, y siempre se remite a los rangos de referencia del laboratorio.

Desde mis 20 años trabajando con profesionales de la salud, sé lo central que es la confianza en este sector. Es por eso que, mientras construíamos BloodGPT, los desafíos más difíciles en los que nos enfocamos fueron la estabilidad y la confianza. Necesitamos recordar que los grandes modelos pueden dar diferentes respuestas al mismo archivo, malinterpretar fechas o inventar rangos. Hicimos que nuestra misión fuera asegurarnos de que cada salida fuera reproducible y completamente trazable a su fuente.

Hoy en día, la plataforma se conecta directamente a los flujos de trabajo de laboratorio a través de API de FHIR — Recursos de Interoperabilidad de Atención Médica Rápida, un estándar moderno que permite a los sistemas de información de salud compartir datos de manera segura y eficiente. También funciona con sistemas de información de laboratorio heredados, devolviendo tiempo a los profesionales y brindando a los individuos claridad inmediata.

Muchos pacientes ahora recurren a LLM de propósito general para interpretar los resultados de laboratorio. ¿Qué riesgos ve en esa tendencia y cómo proporciona BloodGPT una alternativa más segura y confiable?

Los modelos de lenguaje de propósito general no están diseñados para datos de laboratorio. Pueden malinterpretar unidades, mezclar fechas o inventar valores de referencia, y no muestran cuándo están inciertos. Un paciente puede pegar los resultados y obtener una respuesta pulida que simplemente es incorrecta. Y lo aterrador es que suena tan convincente que es posible que no se le ocurra cuestionarlo.

BloodGPT está entrenado y validado específicamente para flujos de trabajo de patología. Cada valor está vinculado a identificadores LOINC y verificado con estándares de medición UCUM, y la plataforma siempre utiliza los rangos de referencia del laboratorio como referencia final. Las barreras de múltiples capas trazan cada salida hasta su fuente, por lo que la misma entrada produce el mismo resultado completamente auditado.

Ese diseño de propósito, centrado en la reproducibilidad y la procedencia transparente, brinda a los profesionales y a los individuos un nivel de confiabilidad que un chatbot general simplemente no puede proporcionar.

Su carrera ha abarcado la fundación de clínicas, asesoramiento a startups y ahora liderar una empresa de salud impulsada por IA. ¿Cómo ha evolucionado su perspectiva sobre la innovación en la atención médica a lo largo de este viaje?

Al principio, la innovación significaba ladrillos y mortero — construir nuevas instalaciones y servicios para reducir las listas de espera y agilizar las vías de los pacientes. Más tarde, se convirtió en modelos de negocio, que implica entregar la atención de manera más eficiente, operaciones más sostenibles y mejorar la experiencia general del paciente.

Hoy en día, sin embargo, el enfoque es la inteligencia y la escala. La IA abre posibilidades que eran inimaginables cuando comencé, pero una lección ha permanecido constante. La tecnología por sí sola no transforma la atención médica. Los sistemas, los incentivos y las adopciones lo hacen.

En este sentido, mi forma de pensar ha cambiado de “¿Cómo construimos?” a “¿Cómo integramos?”. Creo firmemente que las empresas que tendrán éxito no necesariamente tendrán los algoritmos más llamativos. Serán aquellas cuyas herramientas alimentan silenciosa y tranquilamente las rutinas diarias de los médicos, los pacientes y los sistemas de salud.

Un tema recurrente en la salud es el equilibrio entre la automatización y el toque humano. ¿Cómo imagina que la IA como BloodGPT reconfigurará el papel de los médicos, particularmente en la reducción del agotamiento mientras se preserva el juicio y la empatía?

Los médicos rara vez se agotan por cuidar a las personas. Se agotan por la papelera, las pruebas duplicadas, los sistemas fragmentados y todas las tareas administrativas que los alejan de sus pacientes. Cada médico que conozco preferiría pasar cinco minutos hablando con un paciente que llenando otro formulario. Esa carga de trabajo adicional, desafortunadamente, sigue creciendo, y erosiona el tiempo y la energía que tienen para la atención clínica real.

BloodGPT fue diseñado para aliviar parte de esa presión. La plataforma asume la carga pesada involucrada en la organización e interpretación de la información de laboratorio y suministra perspectivas claras y estructuradas que encajan en los flujos de trabajo existentes. Cuando esos pasos rutinarios se manejan automáticamente y de manera confiable, los médicos pueden dedicar más de su día a lo que solo ellos pueden hacer, que es escuchar, ejercer su juicio y construir confianza con las personas a las que tratan.

No creo que la IA reemplace a los médicos. Si algo, permite que regresen al corazón de su profesión, pasando más tiempo en conversación y menos tiempo persiguiendo datos. Ese es el lugar donde la tecnología puede hacer que la medicina sea más humana, no menos.

Una de sus metas declaradas es ahorrar a las clínicas millones anualmente en ganancias de eficiencia. ¿Cuáles son los mecanismos de ahorro de costos más tangibles que entrega BloodGPT?

Los ahorros provienen de tres áreas principales.

Primero es el tiempo. Revisar y comunicar los resultados de las pruebas de sangre sigue siendo un proceso lento y manual en muchos sistemas de salud. BloodGPT reduce la ventana de revisión y interpretación de varios minutos a unos pocos segundos por cada prueba. A lo largo de miles de resultados cada semana, eso se traduce en cientos de horas de atención clínica devueltas a la atención al paciente.

Segundo es la continuidad. La plataforma mantiene un historial en curso de todos los datos de sangre de cada paciente, por lo que es fácil detectar tendencias y anomalías. Eso reduce las pruebas duplicadas y atrapa errores que de otra manera podrían desencadenar citas de seguimiento innecesarias o pruebas de laboratorio repetidas.

Tercero es el uso de recursos. Cuando la información se entrega con precisión y de inmediato, el personal puede centrarse en tareas de mayor valor y los laboratorios pueden operar con equipos de apoyo más delgados.

Cuando se suman esos efectos, un sistema de salud de tamaño mediano puede ver ahorros anuales de millones, mejorando al mismo tiempo los resultados. En la atención médica, es inusual reducir costos y aumentar la calidad al mismo tiempo, y esa combinación es exactamente lo que estamos apuntando.

Ha señalado que los horizontes de inversión a corto plazo a menudo matan la innovación sistémica en la IA de la salud. ¿Cómo cree que los fundadores y los inversores pueden alinearse para garantizar un impacto a largo plazo?

Comienza con una misión compartida. Si un inversor busca una salida en doce meses, la salud es el sector equivocado. Este sector exige paciencia, cumplimiento estricto y años de construcción de confianza.

Los fundadores tienen un papel que desempeñar en la configuración de expectativas. Necesitan explicar los plazos regulatorios, los ciclos de adopción y las realidades de la reembolsación para que los socios entiendan por qué el progreso puede parecer lento desde afuera.

Los inversores, por su parte, deben respaldar el crecimiento basado en hitos y resistir la búsqueda de métricas de vanidad. Las empresas que verdaderamente cambian la IA en la salud serán construidas por socios que estén dispuestos a pensar en un horizonte de cinco a diez años y permanecer comprometidos durante todo el viaje, no solo el primer aumento en la valoración o una salida rápida.

Con las regulaciones que se endurecen en torno a la IA en la salud, ¿cómo aborda BloodGPT el cumplimiento, la seguridad y la construcción de confianza con los médicos y los pacientes?

Desde el principio tratamos el diseño responsable como parte del producto, no como un pensamiento posterior. Nuestro equipo sigue los principales estándares de privacidad y seguridad utilizados en la salud y mantiene una estrecha vigilancia sobre las regulaciones en evolución en Estados Unidos, Europa y otros mercados clave. Nuestro enfoque se centra en prácticas sólidas de manejo de datos, algoritmos transparentes y salidas que pueden ser completamente auditadas.

Como mencioné anteriormente, la confianza fue nuestro mayor desafío al principio y ha seguido siendo nuestra brújula. Para nosotros, se trata de más que marcar casillas regulatorias. Los profesionales pueden ver de dónde viene cada valor y cómo se procesó, lo que les da confianza en la información. Los pacientes valoran la misma claridad. BloodGPT es una herramienta para organizar y presentar sus propios resultados, no reemplazar el papel de un médico. En ese sentido, la seguridad y la confianza no son características que agregamos después. Son el producto en sí.

Mirando hacia el futuro, ¿ve la interpretación de la IA expandiéndose más allá de las pruebas de sangre hacia otras áreas de diagnóstico — y si es así, ¿dónde cree que se producirán los mayores avances primero?

Ya está en marcha.Radiología, genómica y oftalmología han avanzado mucho más allá de la etapa experimental. En estos campos, los sistemas de IA están ayudando a identificar cánceres tempranos en escaneos, analizar variantes genéticas complejas y señalar signos de retinopatía diabética en imágenes retinianas. En cada caso, la salida va a un médico calificado para su revisión, por lo que el profesional sigue teniendo el control de la decisión final.

La próxima ola será sobre conexión e integración en lugar de dominios individuales. Considere que la imagen, la genómica, los dispositivos portátiles y los datos de laboratorio todavía se tratan como flujos separados. La IA cada vez más los unirá, correlacionando señales de riesgo sutiles — un marcador de sangre, una variante genómica, un patrón de un dispositivo portátil — para revelar el riesgo mucho antes de que cualquier prueba pueda hacerlo.

El verdadero avance será esta clase de integración: una capa de inteligencia que enlaza múltiples entradas para dar a los médicos y a los pacientes una visión continua y en tiempo real de la salud y el riesgo. Ese cambio de la atención episódica a la atención predictiva y proactiva es donde se encuentra el mayor impacto.

Finalmente, ¿qué lo emociona más sobre el futuro de la IA en la salud, y qué papel ve para BloodGPT en la configuración de ese futuro?

Lo que más me emociona, francamente, es lo que estaba discutiendo anteriormente sobre el paso de la atención reactiva a la atención proactiva y predictiva. Durante décadas, hemos esperado a que la gente se enferme antes de intervenir. Sí, la prevención y la responsabilidad personal siempre han sido parte de la conversación, pero la IA finalmente puede hacer que esa visión sea práctica, identificando el riesgo antes, guiando decisiones más saludables y personalizando la información a una escala que nunca antes hemos visto.

BloodGPT está diseñado para ser parte de esa base. Los datos de sangre son la señal de salud más común y ampliamente disponible, y sin embargo, a menudo están subutilizados. Al hacer que esa información sea más fácil de entender y actuar, ayudamos a transformar números crudos en perspectivas claras y perspectivas en vidas más saludables. Al final del día, ese es el objetivo simple. Tomar algo complejo y convertirlo en algo que la gente pueda usar. Estamos sentando las bases para el tipo de atención que la gente necesitará en los años venideros, al mismo tiempo que mejoramos la atención médica diaria en este momento.

Gracias por la gran entrevista, los lectores que desean aprender más pueden visitar BloodGPT.