La apuesta de 22 millones de dólares de Triomics: por qué la oncología necesita su propia IA y no una herramienta genérica

El problema: los datos no estructurados abruman al personal clínico

Aproximadamente el 80% de los datos médicos existen en un formato no estructurado, como la nota de texto libre de un médico, mientras que solo el 20% se almacena en campos uniformes y estructurados, como valores de laboratorio o datos demográficos . Este desequilibrio significa que el personal de oncología, altamente cualificado, dedica incontables horas a leer registros manualmente para realizar tareas esenciales: emparejamiento con ensayos clínicos, preparación de visitas de pacientes y elaboración de informes para el registro del cáncer .

Esta sobrecarga de trabajo manual tiene consecuencias muy reales. Crea un cuello de botella en la inscripción a ensayos clínicos, un proceso que el Instituto Nacional del Cáncer (NCI, por sus siglas en inglés) considera vital para controlar los efectos secundarios y probar nuevos tratamientos . También genera las llamadas horas de "pijama" (pajama-time), cuando los médicos se ponen al día con las tareas administrativas tras finalizar su jornada laboral . Triomics ataca este preciso punto de dolor, automatizando la ingesta y el análisis de cientos de páginas por paciente.

Cómo funciona OncoLLM: una arquitectura de IA hecha a medida para oncología

La plataforma de Triomics funciona con OncoLLM, un marco de trabajo de IA de nivel empresarial creado específicamente para oncología . En lugar de ser un único modelo monolítico, OncoLLM se describe como una constelación de 8 modelos que van desde los 3.000 millones hasta los 72.000 millones de parámetros y funcionan de manera agéntica . Este diseño permite al sistema interpretar la información a nivel de paciente, razonando sobre todo el historial médico longitudinal y no analizando un documento a la vez.

Este enfoque técnico es un alejamiento deliberado de métodos anteriores, como el reconocimiento de entidades nombradas o la extracción de relaciones . La compañía también aprovecha los servicios de Azure AI y OpenAI de Microsoft, incluyendo el ajuste fino del modelo de lenguaje pequeño Phi-3.5 para extraer información clínica crítica de datos no estructurados a gran escala . Según Microsoft, esta integración permite a la plataforma revisar los registros completos de los pacientes frente a cientos de ensayos clínicos activos en menos de un minuto .

Sobre OncoLLM se asientan dos productos de software principales:

• Prism: Analiza automáticamente cada cita de un paciente con la cartera de ensayos clínicos activa y envía coincidencias diarias o semanales directamente al flujo de trabajo del profesional, incluyendo una justificación detallada, criterio por criterio, con citas a las fuentes originales .
• Harmony: Procesa los datos del historial clínico electrónico para ensamblar automáticamente resúmenes de nivel experto con el estado actual de la enfermedad, la cronología del tratamiento, los biomarcadores y las opciones de ensayos . También apoya el análisis de cohortes y la elaboración de informes para oncología de precisión .

En las primeras validaciones con el Colegio Médico de Wisconsin, se informó que OncoLLM encontró al 90% de los pacientes elegibles para ensayos clínicos en minutos, una tarea que habría llevado a enfermeras cualificadas días o semanas . La misma fuente señala que OncoLLM extrajo datos estructurados de notas no estructuradas con una precisión similar o superior a la de modelos como GPT-4 o Claude, siendo unas 40 veces más barato de operar .

Financiación y tracción en el mercado

La ronda Serie B de 22 millones de dólares sigue a una Serie A de 15 millones recaudada en 2024 . El capital se utilizará para acelerar la adopción en los sistemas de salud y profundizar las integraciones con los historiales clínicos electrónicos . La empresa no revela métricas de crecimiento como el ARR (Ingresos Recurrentes Anuales), aunque el anuncio de la ronda la posiciona como una plataforma en la que confían los centros oncológicos líderes .

Lo que sí es verificable públicamente es su impresionante lista de clientes. Triomics ha firmado acuerdos de despliegue con instituciones de gran prestigio:

• Memorial Sloan Kettering Cancer Center (MSK): A través de sus programas iHub y CRIC, MSK está implementando el sistema de emparejamiento y cribado de ensayos clínicos en todos sus ensayos activos .
• Mount Sinai Tisch Cancer Center: Lanzó la plataforma PRISM impulsada por OncoLLM, convirtiéndose en el primer Centro Oncológico Integral designado por el NCI en Nueva York en desplegar una herramienta de IA oncológica para el emparejamiento de ensayos .
• Yale Cancer Center y Smilow Cancer Hospital: Ampliaron el uso de la plataforma a toda la cartera de ensayos clínicos oncológicos activos, con resultados publicados en la revista Nature Digital Medicine .

Posicionamiento competitivo: especialización vertical frente a herramientas generalistas

Triomics entra en un mercado abarrotado de asistentes de IA ambiental y herramientas de documentación clínica como Nuance DAX Copilot de Microsoft y Abridge. Sin embargo, su diferenciación principal es la especificidad vertical.

Los asistentes de IA de propósito general están diseñados para una amplia documentación en diferentes especialidades, resumiendo las conversaciones entre médico y paciente durante una consulta. En contraste, Triomics se centra exclusivamente en flujos de trabajo oncológicos que implican un gran volumen de datos no estructurados a largo plazo que abarcan años de historial del paciente . Su IA lee el historial clínico completo del paciente, produciendo una visión estructurada y referenciada antes de la visita, durante el cribado y después de la cita .

El liderazgo de la empresa también estableció la Colaboración para el Entrenamiento de Modelos de Lenguaje Centrados en Oncología (COLT), un consorcio de más de 20 centros oncológicos designados por el NCI junto con Ci4CC para crear puntos de referencia de rendimiento y estándares de seguridad para la IA generativa en oncología . Esto posiciona a Triomics como un actor interesado en establecer las reglas del juego, no solo en construir un producto.

¿Qué sigue para la IA específica en oncología?

La ronda de financiación de 22 millones de dólares da fuerza a una tesis que está calando en el sector de la tecnología sanitaria: la complejidad de los datos oncológicos exige una infraestructura especializada, y no vale con readaptar un chatbot genérico . A medida que los centros oncológicos se enfrentan a una presión creciente para emparejar a más pacientes con terapias de precisión y ensayos clínicos, resolver este cuello de botella se está convirtiendo en una ventaja competitiva necesaria.

Queda por ver si Triomics puede mantener su ventaja de pionero frente a los generalistas bien financiados y los grandes proveedores de historiales clínicos electrónicos. Pero con implementaciones en MSK, Yale y Mount Sinai, y un total de 36 millones de dólares recaudados, ha pasado de la fase de prueba de concepto a la de operaciones clínicas a escala. El próximo año pondrá a prueba si la IA vertical puede cumplir sus promesas en uno de los campos de la medicina con mayor densidad de datos.