En pacientes con ictus, hicimos un estudio muy interesante, con la resonancia magnética a los tres días de tener el ictus,
podíamos predecir ya si ese paciente iba a andar a los seis meses.
Siempre tiene que haber una segunda o primera opinión de un humano.
A día de hoy, siempre tiene que haber una opinión de un humano.
Si mi algoritmo le está haciendo fallar al radiólogo, yo soy responsable.
Esto significa que vosotros dais diagnósticos.
Sí.
Eso tiene una responsabilidad tremenda.
O sea, podéis salvar una vida o no salvar una vida con un error del producto.
Luego, ¿qué les cobráis? Cuando empieza a funcionar y les empieza a servir a la farma, ¿qué le cobráis?
Estamos hablando de deals que pueden estar por 50 millones, por ahí aproximadamente.
Tenemos que abordar el problema de raíz, pero el sistema sanitario a día de hoy no está preparado.
Quisieras hacerte un diagnóstico completo y decir, oye, yo estoy sano potencialmente,
pero quiero asegurarme de que si tengo un cáncer lo detecto temprano,
si tengo una situación que se puede complicar la detecto temprana, ¿qué harías?
¿Qué le recomendarías a alguien, potencialmente yo, que quisiera hacer esto?
Bienvenidos una semana más al podcast de ITNIC.
Hoy entrevistamos a Ángel Alberic, fundador y CEO de Kivim.
Ángel nos dará una masterclass en medicina, diagnóstico y tecnología.
Kivim se encuentra en la intersección entre medtech y ciencias de la vida.
Se dedica a detectar potenciales enfermedades o problemas médicos a través de imágenes diagnósticas.
Ángel nos contará cómo Kivim ha invertido 20 millones de euros en I más D y en desarrollo de negocio.
Y últimamente ha empezado a facturar, yendo de 2,2 a 6 millones de euros de facturación muy rápidamente.
Aprenderemos cómo Kivim trabaja tanto con farmacéuticas para desarrollar el producto y entrenar sus modelos,
y con hospitales y pacientes directamente, para ayudar a la detección de enfermedades y mejorar la vida de las personas.
También hablaremos de temas muy interesantes, como por ejemplo, un futuro no muy lejano,
donde todos nos podremos hacer diagnósticos sin necesidad de médicos,
todo gracias a dispositivos e inteligencia artificial.
Y también Ángel nos hablará de cómo nos podemos hacer un chequeo general y adelantarnos a futuros sustos médicos.
Como siempre, nos encanta vuestro feedback.
Por favor, compartid lo que pensáis de este episodio en los comentarios de YouTube o a través de Twitter.
Y sobre todo, no os olvidéis de compartirlo con vuestros amigos y darle al like.
Espero que os guste. ¡Adelante!
Esto te suena, ¿no?
Tú contándole a un amigo que estás levantando una ronda para escalar tu empresa y, bueno,
lo único que se le pasa por la cabeza es... hacer escalada.
¿Y qué me dices de las caras de tu familia cuando les cuentas que un business angel ha apostado por tu proyecto?
Seguro que están más cerca de pensar en un angelito que en un inversor.
Te entiendo. Sé lo que es sentir que los que te rodean no hablen tu mismo lenguaje.
Ni tu familia, ni tus amigos, ni siquiera tu banco.
Pero eso está a punto de cambiar. Escucha.
Existe un lugar en el que te ayudarán a llevar tu proyecto a lo más alto.
Un lugar en el que nunca tendrás que explicar qué es un MVP o estar en Faceship.
Porque ya lo saben.
Un lugar en el que estés en la fase que estés e encontrarás especialistas que te darán soluciones para seguir creciendo.
Un lugar en el que hablan tu idioma.
Un lugar llamado Santander Startups.
Santander Startups. Nos entendemos.
Descubre más en bancosantander.es.
Santander. Por ti, los primeros.
Bienvenido a las historias de Startups de ITNIC.
Bienvenidos una semana más al podcast de ITNIC.
Hoy estamos con Ángel Alberic.
¿Qué tal, Ángel?
Muy bien. Muchas gracias por invitarme y muy contento de estar aquí.
Bienvenido. Ángel es fundador y CEO de Kivim.
Efectivamente.
¿Qué es Kivim?
Bueno, Kivim, lo primero que me gusta hacer es explicar por qué ese nombre.
Venga.
Y el nombre significa Quantitative Imaging Biomarkers in Medicine.
Quantitative Imaging Biomarkers in Medicine.
O sea, biomarcadores cuantitativos en imágenes biomédicas.
Correcto.
¿De dónde viene este nombre?
Es complicado. Empezamos complicado ya.
A ver, ¿qué significa todo esto?
A mí me inspiró mucho el que a partir de sangre puedas obtener biomarcadores.
¿Qué es un biomarcador?
Es un parámetro que se puede extraer a partir de una muestra biológica
o de una muestra del cuerpo humano o de un tejido.
Y que ese parámetro te expresa un comportamiento biológico,
explica un comportamiento fisiológico, por ejemplo, del cuerpo humano.
Entonces, nosotros, cuando yo empecé a investigar,
vi que podíamos medir, a partir de las imágenes médicas de resonancia,
de TAC, de PET, podíamos medir propiedades de los tejidos.
Dicimos, bueno, ¿cómo llamamos a estas medidas que estamos extrayendo?
Bueno, las extraemos a partir de una muestra.
Es una muestra digital, una muestra inmortal.
Una foto, ¿no?
Una foto del interior del cuerpo humano a partir de la que podemos medir.
Y por tanto, vamos a llamarlo biomarcador de imagen.
Y así es como empezó toda la línea de investigación que hicimos,
incluso antes de crear Kivim.
Y cuando yo decidí emprender y arrancar el proyecto emprendedor.
Kivim es una empresa que desarrolla tecnología para ayudar a hacer diagnósticos
a través de imágenes de órganos, de partes del cuerpo.
Vale, cuéntanos, ¿cómo funciona este producto?
Pues nosotros, como muy bien describías,
somos al final una compañía que crea estos algoritmos.
Vale.
Son software, es decir, no tenemos nada tangible, ningún producto tangible.
Es puro software que lee imágenes médicas y emite unos resultados, unos diagnósticos.
Y esto es muy importante, ya no solo en un hospital, que es lo primero que se nos puede ocurrir, ¿no?
Por ejemplo, para ayudar a un radiólogo que interpreta imágenes.
Sino es que todo el desarrollo de fármacos en el mundo, por ejemplo, para la oncología,
se basa en imágenes médicas.
Es decir, es la imagen médica la que te dice si el fármaco está funcionando bien en el paciente o no.
Es decir, si un tumor está cambiando de tamaño, se está haciendo más pequeño.
Es como la medida más básica, ¿no?
O sea, y el marcador sería la forma y el tamaño de un tumor, por ejemplo.
Por ejemplo.
Vosotros, este sería uno de los análisis que haríais.
Efectivamente.
Y lo convertiría…
O sea, entiendo yo que Kibim se conecta a unas máquinas o a unos resultados de unas máquinas
y saca informes.
Eso es.
Números, principalmente.
Datos que son, al final, tablas con números.
Sí.
Nosotros hemos creado un modelo de negocio en el que, por un lado,
somos muy intensivos en investigación.
Es decir, para poder crear un nuevo test diagnóstico,
necesitas aprender de datos de muchos pacientes.
Esto lo llamamos cohortes, ¿no?
De pacientes.
Hacemos estudios de investigación.
Normalmente, acompañados de industria farmacéutica o de grandes hospitales, por ejemplo.
A partir de estos datos, descubrimos qué biomarcadores nos están explicando qué puede ser relevante
para un tipo de enfermedad. Y si vemos un nicho en el mercado, lo llevamos a producto
para que sea un test que pueda beneficiar a un paciente.
Es decir, aprendemos de muchos pacientes y cuando ya lo convertimos a producto,
es un test como los test de COVID que estamos acostumbrados a tener a día de hoy, ¿no?
Tienes positivo o negativo.
O sea, no solo mostráis marcadores numéricos, sino que ya proponéis una conclusión.
Correcto.
Que es decir, esto tiene pinta de que este paciente tiene COVID, ¿no?
Efectivamente.
Tiene pinta de que el tumor se está haciendo pequeño, con lo cual el tratamiento está funcionando.
Eso es. Esto es un nivel de mayor exigencia, incluso a nivel regulatorio.
Claro, se tiene una responsabilidad tremenda.
Efectivamente. Nosotros estamos en un mercado muy regulado.
Es el mercado de lo que se llama dispositivos médicos.
A pesar de no ser un dispositivo como tal, que somos un software…
Bueno, somos un dispositivo de software.
Efectivamente. Y entonces estamos en ese entorno regulado.
Esto significa que vosotros dais diagnósticos.
Sí.
Eso tiene una responsabilidad tremenda.
O sea, podéis salvar una vida o no salvar una vida con un error del producto
o con una finalidad del producto.
¿Cuál es la situación actual?
O sea, ¿se permite un diagnóstico exclusivo por un software as a medical device
o siempre tiene que haber una segunda o primera opinión de un humano?
A día de hoy, siempre tiene que haber una opinión de un humano.
Por eso el software se llama Computer Aided Diagnosis.
Vale.
O sea, apoyáis a una decisión de diagnóstico, pero no dais un diagnóstico solos.
Efectivamente.
El paciente no puede recibir un diagnóstico de Kivim sin que un doctor o doctora médico
diga, yo también lo pienso.
Eso es.
Pero ¿ayudáis?
Ayudamos.
Igual que un estetoscopio también ayuda.
Efectivamente.
Es una herramienta.
Sí.
Sí que es cierto que nosotros queremos llevar esto al límite.
Es decir, pensamos que hay muchas situaciones en las que los radiólogos necesitan un apoyo
porque si no, no hay nada.
A día de hoy, por ejemplo, hay muchas pruebas que si no se introduce una herramienta que
ayuda a la interpretación o al menos a filtrar los que son sanos para que...
Dediquemos tiempo a los que somos problemáticos.
Efectivamente, a los que tienen una patología que hay que abordar y hay que dedicarle tiempo
y cognición del ser humano y que ese médico esté pensando.
Si no conseguimos quitar esa carga de trabajo, es muy complicado.
Y nosotros somos una herramienta de ayuda, pero mi equipo desarrolla las soluciones pensando
que el performance tiene que ser tal como para que al médico le estemos dando más potencial,
más poder de detección y estar un poco al menos igual que los radiólogos expertos,
incluso en capacidades muchas veces por encima.
Es decir, un radiólogo, por ejemplo, a día de hoy viendo un tumor no te dice la mutación.
Pero yo sí que puedo extraer esa información si me voy a miles y miles de pacientes del pasado
y digo, mira, hay un patrón en la imagen que me dice que este paciente puede tener este tipo
de alteración. Esto le da un poder al radiólogo que eleva la capacidad que él tenía.
Pero no le hace prescindible.
De momento no.
De momento no. Si hacemos la homología con Tesla, hay un modelo en el cual tú te sientas detrás
y el coche decide todo, te lleva del punto A al punto B.
Y si hay un accidente, Tesla tiene una responsabilidad como si hubiera un conductor.
Tesla, la empresa, los ingenieros, alguien tiene una responsabilidad como si fuera conductor.
Y luego hay otro modelo donde Tesla conduce solo, pero tiene que haber un conductor
que te pone en la pantalla que tienes que estar mirando la carretera y disponible a reaccionar.
Y si Tesla tiene un accidente, la responsabilidad es del conductor que no ha reaccionado
cuando tendría que haber cogido volante, apretado un pedal o lo haber hecho algo.
¿Vosotros creéis que vais en la dirección del full autopilot?
A ver, nosotros tenemos que tener la ambición de poder detectar todo lo que podamos
con el mejor performance para que los radiólogos en algún momento en el que no puedan informar
todo lo que tienen encima digan, mira, esto se lo delego al algoritmo
y que el algoritmo me detecte solo las anomalías.
Pero el ser una ayuda al diagnóstico no significa que yo no tenga una responsabilidad legal.
De hecho, ese es un punto muy interesante y uno de mis discursos siempre ha sido
yo quiero tener responsabilidad legal, la quiero tener, porque eso me ayuda a diferenciarme
de otros que están desarrollando algoritmos, que no están pasando por certificación,
que típica consultora que crea un algoritmo y lo instala en un hospital,
que se ha entrenado con muy pocos datos.
Y lo se lava las manos.
Claro, es decir, vamos a ver, yo creo que esto va a ser también un tamiz.
Si yo como compañía estoy muy seguro del algoritmo que he creado,
por ejemplo, nosotros ahora, detección de cáncer de próstata,
estamos en una sensibilidad del 85%, en clínicamente significativo.
Eso significa el cáncer que te puede producir problemas.
Esta sensibilidad está al nivel de un radiólogo experto.
Es el nivel de detectabilidad que tiene un radiólogo experto en una resonancia magnética.
Yo sé que ahí me estoy dejando un 15% de pacientes en los que no estoy detectando el cáncer.
Y tenemos que vivir con ello, pero es que es donde estamos a día de hoy.
La ciencia y los radiólogos, o sea, estamos en ese nivel.
¿Pero está subiendo este porcentaje o estáis ahí...?
Estamos subiéndolo.
Sí, estamos subiéndolo.
Sobre todo, la parte que nos importa ahí es cuando tú ya llevas el producto a mercado
y tú dices que tu grado de sensibilidad es del 85%, lo que luego no puede ocurrir es que mi dispositivo en el hospital esté dando un 20% o esté fallando.
Ahí sí que tengo responsabilidad legal.
Yo soy un fabricante.
Tú te certificas con una confianza y la tienes que entregar, obviamente.
Sí, si mi algoritmo le está haciendo fallar al radiólogo, yo soy responsable.
Es como si el coche dice que es capaz de frenar un obstáculo a 50 km por hora y luego a 20 te lo comes y te matas, pues obviamente tiene responsabilidad el vehículo.
Si has llegado hasta aquí, es que este contenido te está proporcionando valor.
Y justamente analizando las métricas del año pasado, nos damos cuenta que más del 70% de la gente que nos escucha no está suscrita a nuestro canal.
Por eso os pediría, por favor, que si os está gustando este contenido, le deis a la campanilla, al botón de subscribe en YouTube o en Apple Podcasts o en Spotify y le deis un like al vídeo.
Muchas gracias.
¿Quién utiliza este software?
Principalmente el médico.
Es nuestro cliente.
El médico está en diferentes entornos, ¿no?
Tenemos médicos radiólogos que son los que primero nos utilizan, son los que leen las imágenes médicas en los centros sanitarios.
Por ejemplo, cuando se hace una resonancia, un TAC, es el radiólogo el que revisa las imágenes, escribe el informe radiológico y luego el médico de la especialidad concreta con la que estemos trabajando, un oncólogo, un neurólogo o un reumatólogo,
son los que leen el informe radiológico, acceden a las imágenes y emiten el diagnóstico y lo comunican al paciente.
¿Tú ayudas aquí al radiólogo o al médico final?
Ayudamos a ambos.
Un poco la visión de Kivim es siempre pensar desde el punto de vista del paciente.
Es decir, cómo conseguimos maximizar el valor para el paciente y para el clínico final.
Obviamente, vamos a ayudar al radiólogo también, pero ahí sí que nos diferenciamos de mucha competencia.
Han aparecido muchísimas compañías de IA en radiología.
Porque típicamente el radiólogo lo que hace es mira unas imágenes y hace un informe.
Efectivamente.
Escribe y dice, veo un peroné roto, grado no sé qué, y ese informe se lo pasa al médico y dice, vale, ya está, no me vuelvo a mirar la radiografía.
Si me lo ha explicado bien, me lo creo o me lo miro si necesito complementar un poco la información.
Pero ¿qué ocurre? Que cada vez se están generando más y más y más imágenes radiológicas porque hay máquinas con más resolución espacial, más capacidad, más detalle.
Y sin embargo, el número de radiólogos no está creciendo al mismo ritmo.
Y por tanto, es necesario algo que les ayude a interpretar esas imágenes.
O sea, tenemos más datos, pero no hay más analistas de datos.
Y la inteligencia artificial nos puede ayudar a tener analistas de datos baratos y muy potentes.
Y mucho más potentes, porque al final el ojo humano tiene capacidades limitadas.
El radiólogo, pues obviamente también tiene sesgo de automatización, que es que está interpretando imágenes.
Tiende a ver ciertos patrones, sobre todo el cansancio, también acusa.
Y el tener ahí un compañero o una compañera que te vaya diciendo, cuidado con esta zona.
Este es el grado elevado de alteraciones de este tejido.
Eso es importante.
Vale. Queda más o menos claro a quién queréis ayudar, que es la paciente.
Y quién trabaja con vosotros, que son o radiólogos o médicos, doctores que utilizan estos informes y estos datos.
Pero, ¿quién nos compra?
Nos compra tanto hospitales como…
¿Tiene un CIO el hospital? ¿Tiene un director de tecnología?
Sí, sí. Ahora ya cada vez más centros tienen un CIO.
¿Y esa es la persona que viene a vosotros?
Nosotros siempre decimos que tenemos que tocar todas las octavas.
Porque en la venta a sanidad tienes que convencer al clínico que te va a utilizar.
Y aquí sí que quiero destacar que el clínico es tanto el radiólogo como el clínico, al final el especialista, el urólogo, el oncólogo que te va a utilizar.
Pero hay muchos en un hospital.
Hay muchos.
Pero cuando vas a qué producto has desarrollado, al final estás beneficiando a una área terapéutica concreta.
Por ejemplo, si analizas Kivima ahora mismo, nosotros tenemos un producto aprobado con marcado CE y también con FDA para cáncer de próstata.
¿Esto, perdona, significa Europa y Estados Unidos?
Sí, correcto.
¿Para cáncer de próstata?
Efectivamente.
¿Qué significa? ¿Qué hace este producto?
Este producto detecta en una resonancia magnética, sin la ayuda de nadie, automáticamente, dónde está la próstata.
Analiza las regiones, que parece que no, pero es un tejido y es una zona oculta.
Además, te busca lesiones en el interior y lo hace utilizando inteligencia artificial.
Y te dice, bueno, esta es un área con un cáncer clínicamente significativo.
Significa que el que hayas detectado esa lesión va a acabar en un impacto para el paciente.
Y esto le permite a los radiólogos, por ejemplo, mejorar un 10% su sensibilidad cuando usan nuestra herramienta.
¿Significa que se les escapan menos negativos?
Se les escapan menos negativos. Además, les da una confianza mayor cuando ven que una próstata, digamos, con nuestro algoritmo está limpia.
Ellos también dicen, bueno, bien, en este caso no hemos encontrado ninguna lesión.
La IA nos está diciendo que no hay lesiones.
Es una segunda opinión.
Es una segunda opinión.
Pero lo decía porque este es un ejemplo muy concreto donde tampoco hay tantos médicos en el hospital que sean expertos en el cáncer de próstata.
Digamos que un hospital tiene un conjunto de especialistas y dentro de ese hospital suele haber un liderazgo en cada patología, ¿no?
Sobre todo en los centros más grandes.
Por ejemplo, un 1% de los radiólogos sabe informar bien las próstatas.
Lo mismo ocurre con la enfermedad de Alzheimer. No todos saben.
Entonces, en este hospital, ¿quién dice tenemos un problema o área de mejorar en la detección de cánceres de próstata?
Busquemos proveedores tecnológicos. ¿Quién dice esto?
Esto puede venir de los radiólogos o de los urólogos.
¿Vale?
O también de los gestores de los hospitales que vean que necesitan acortar tiempos, necesitan resolver una situación que puedan tener de sobrecarga en ese tiempo de trabajo.
Y ahí un poco lo que hacemos en ese sentido es demostrar a través de los cambios que ha habido en guías clínicas.
Cuando hay un cambio en las guías clínicas es porque hay ya acumulación de resultados de que una nueva prueba, una prueba diagnóstica es mejor.
Y al final los clínicos dicen, oye, es que tenemos evidencia de que en estos 3.000 pacientes esto está funcionando.
Cuidado que si seguimos como lo estábamos haciendo, estamos teniendo un menor éxito en nuestros procedimientos diagnósticos.
Hay que cambiar y cambian las guías clínicas.
O sea, ahora llegaremos a entender más Kivime, pero me queda claro que tu mejor estrategia de marketing es que estas guías clínicas digan,
antes de sacar muestras biológicas, antes de pinchar a la gente o cortarla, hacerte estas pruebas con imagen,
pasarlas por un algoritmo de inteligencia artificial, que por cierto yo vendo,
y detectaremos más casos más temprano y salvaremos más vidas, ¿no?
O ahorraremos molestia a los pacientes en el proceso de detección.
Eso es, porque lo que decimos nosotros es que mover la imagen a las etapas iniciales,
a día de hoy la imagen está pues cuando ya tienes síntomas, cuando te han realizado ya varias pruebas,
entonces te hacen una resonancia magnética, o te hacen un tag, o te hacen un pet.
Pero eso es el modelo que llamamos seek care, ¿no?
Que es que me vas a mirar cuando ya estoy enfermo.
Pero si podemos mover la imagen mucho antes…
Preventivamente.
De manera preventiva, ese es el ideal, ¿no? La visión a futuro.
Pero a día de hoy estamos demostrando ya que cuando pones la imagen muy al principio,
puedes realizar estas biopsias virtuales, que es como también las llamamos nosotros muchas veces
para que se entienda de manera muy ilustrativa, y tomar decisiones, ¿no?
Por ejemplo, nosotros ya podemos detectar de manera muy temprana los efectos del Alzheimer en un cerebro,
pérdidas de la sustancia gris en una zona.
Esas son técnicas que ya tenemos disponibles.
O sea, aparte de ver una imagen de una próstata y detectar potenciales signos de cáncer,
¿qué más hacéis? Cuéntanos los productos que tenéis.
Sí, pues tenemos otra herramienta también aprobada por Europa y por Estados Unidos para cerebro,
principalmente en lo que son pérdidas de la sustancia gris.
¿Qué es esto?
Nosotros en el cerebro tenemos sustancia gris, que es un poco como los cuerpos de las neuronas,
lo que es la célula. Luego tenemos la sustancia blanca, son esas conexiones,
o lo que es, digamos, el axón de la neurona, como se llama.
Y luego tenemos el líquido. En el cráneo tenemos líquido, cefalorraquidio,
sustancia gris y sustancia blanca, principalmente.
Entonces nosotros podemos calcular pequeñas pérdidas de volumen de esos tejidos.
¿Y qué hace perder un tejido de estos?
Pues habitualmente lo que son efectos de atrofia.
Atrofia en el cerebro por envejecimiento o por otro tipo de problemas que puede haber.
Por ejemplo, pues enfermedades neurodegenerativas que no sean Alzheimer o demencia.
Todos conocemos Parkinson, enfermedades psiquiátricas.
Nosotros en investigación hemos ido demostrando también en qué enfermedades hay efectos,
por ejemplo, de atrofia, en que se pierden áreas de...
¿Y sois capaces de ver una pérdida de materia gris, o no sé cómo lo has llamado tú,
antes de que haya causado efectos visibles en la persona?
O sea, ¿va antes el impacto que te permite verlo con un análisis que la gente, pues no sé,
perdiendo la capacidad de expresarse, o desorientación, o faltas de memoria?
Efectivamente. Y sobre todo puedes explicar, que esto vaya mucho más allá, ¿no?
Pero puedes explicar incluso efectos que ves en las maneras de ser en pacientes con ictus.
Hicimos un estudio muy interesante donde con la resonancia magnética a los tres días de tener el ictus
podíamos predecir ya si ese paciente iba a andar a los seis meses, o no.
Y esto lo hacía...
¿Y puedes hacer algo al respecto?
Puedes hacer algo al respecto.
¿Puerte de avisar?
Claro. Decides cuál es la estrategia de tratamiento.
Más fisioterapia, menos fisioterapia.
Vale.
En el caso este del escaneo del cerebro, ¿dónde se está aplicando este producto que tenéis?
¿En qué momento se está aplicando el trato de un cliente?
Principalmente se aplica en enfermedad de Alzheimer, detección temprana y en esclerosis múltiple.
¿Pero qué quiere decir detención temprana? O sea, yo no he ido a hacerme este test, por ejemplo.
No, porque todavía no es guía clínica. Entonces, si miras nuestras ventas...
O sea, ¿cuándo dice la guía clínica?
Claro. A ver, a día de hoy, los innovadores, los early adopters de esa curva, ¿no?
De los early adopters, del mercado más mainstream...
Pues a día de hoy, quien te hace una volumetría cerebral es porque es un centro
que tiene un interés en proporcionar un valor añadido en su diagnóstico.
O sea, el cliente va y dice, escáneame todo. Búscame, ¿no? Prevénme todo lo que puedas,
enfermedades que pueda tener.
En realidad, hay centros sanitarios que no hace falta que lo pida ni el cliente ni el usuario,
sino que imagina que eres un servicio de radiología, de imagen médica,
que tiene máquinas de resonancia o de TAC.
Y tú quieres dar un nivel diferencial de capacidad de diagnóstico,
cuando el neurólogo pide una resonancia para un paciente,
si a la vuelta no le llega solo un párrafo, sino que le llega el volumen del hipocampo,
el neurólogo dice, guau, este centro me está calculando exactamente este volumen.
Entonces, a día de hoy...
Es un tema de diferenciación...
Hoy sí.
...entre proveedores de servicios, como por ejemplo es los centros de análisis,
que muchas veces son independientes de hospitales o de centros de salud más pequeños.
Sí, hoy en día el cerebro y la IA es así,
porque todavía necesitamos lo que llamamos un poco partes accionables, ¿no?
Por ejemplo, un tratamiento o un diferente camino terapéutico en próstata
ya es guía clínica hacer una resonancia magnética antes de la biopsia.
Bueno, pues ahí todo el mundo nos está pidiendo nuestras herramientas
de detección de cáncer de próstata, porque hay una necesidad urgente, ¿no?
En Alzheimer todavía no es guía clínica...
Dime el volumen del hipocampo de este paciente y lo clasificaré,
porque hay más factores también implicados, ¿eh?
No estoy intentando simplificar aquí la enfermedad de Alzheimer.
Difícil de simplificar cuando la audiencia no tenemos formación médica.
Explícanos, ¿qué más productos tenéis?
¿Nos has dicho dos?
Sí, efectivamente, a día de hoy estamos haciendo mil pacientes al mes.
Solo de esos software.
Luego tenemos unos 3.000 pacientes más al mes
que vienen de otro producto que tenemos,
que no es un medical device como tal.
Es nuestra plataforma de datos.
Es donde acumulamos datos de muchos pacientes,
la llamamos Cup Insights,
y le cargamos ahí muchas imágenes médicas,
mucha resonancia, mucho tag,
y vincula la información que extraemos de esas imágenes
con lo que les ha ocurrido en el futuro a los pacientes.
Porque queremos extraer predicciones.
Esto es como el entrenamiento del AI, básicamente.
¿Esto lo hacéis vosotros o vendéis la plataforma
para que los centros médicos hagan su propio entrenamiento?
Nosotros hemos creado la plataforma,
entonces cuando hacemos estos modelos de inteligencia artificial,
el modelo de trabajo que tenemos aquí es un modelo más colaborativo.
Nosotros, por ejemplo, no trabajamos modo consultora,
vendiendo horas de ingeniero o ingeniera a una pharma
o a un centro sanitario,
sino que lo que hacemos es,
les vendemos Cup Insights, la plataforma,
para gestionar los datos de los pacientes en investigación,
y nosotros decimos, bueno, gracias a esta plataforma…
Pero sin datos, solo la plataforma.
Sin datos, efectivamente.
Los datos los cargan ellos,
creamos una investigación conjunta
y nos quedamos la propiedad intelectual.
Porque esa detección,
ese vínculo entre los biomarcadores
y lo que les ocurre a los pacientes en un futuro…
Esto lo podéis usar vosotros para influenciar las guías médicas…
Correcto.
…o para mejorar vuestros algoritmos de detección en base de imágenes.
Efectivamente, y porque es gracias a nuestros algoritmos
por lo que se consigue encontrar esta vinculación entre los datos
y lo que les ocurre a los pacientes en el futuro
y poder crear un modelo predictivo, que llamamos.
¿Un hospital que se convierte en cliente de Kibim
tiene que comprar máquinas nuevas?
No.
¿O siempre utiliza las que ya tenía?
Utiliza las que ya tenía.
¿Da igual la máquina que tenga?
Sí.
O sea, una máquina de radiografía, de tag, de resonancia,
de lo que sea, más o menos son todas iguales.
Sí, nosotros trabajamos con un concepto que se llama
Real World Data.
Es la parte que más nos gusta e interesa.
Es decir, no tenemos que modificar ningún protocolo,
ninguna estrategia de cómo se adquieren las imágenes.
Al final, una de las grandes ventajas es poder aterrizar
en un hospital o una pharma
que tenga un conjunto de datos enorme
y poder convertir esto en información.
Que todo te vale.
Todo me vale.
Lo tienes que descartar.
No es que esta máquina es vieja,
es que este formato no lo soporto.
Hemos tenido que invertir mucho.
Pero habrá calidades y calidades, entiendo yo.
Efectivamente.
Y eso es por lo que hemos tenido que invertir mucha investigación
en lo que hemos llamado armonización.
O sea, dos hígados fotografiados con dos máquinas muy diferentes,
tú tienes que poder ponerlos al mismo plano.
Compararlos.
Compararlos.
No únicamente desde la perspectiva ya anatómica,
sino también de la calidad de imagen.
Por ejemplo, cuando hacen un ensayo clínico,
por ejemplo, para probar un nuevo fármaco
y tienen que recoger datos de 70 hospitales,
lo que nos ha ocurrido es que cuando recibimos esos datos,
tenemos 70 hospitales,
pero hay 59 modelos de máquina distinta.
Las calidades de imagen son muy heterogéneas.
Y la pharma no tiene capacidad de homogeneizar.
No.
Y vosotros sí.
Sí.
Vos lo habéis hecho.
Y cuando la pharma o la CRO,
que es como una compañía a la que la pharma contrata
para realizar los ensayos clínicos,
simplemente recogen la imagen,
hacen mediciones básicas en los tumores,
que es el cambio de tamaño del tumor.
Y esto es lo que a día de hoy guía
el que se diga si un fármaco está,
si el paciente está respondiendo a un fármaco,
es si el tumor está cambiando de tamaño.
Fascinante.
Yo creo que con nuestra,
o al menos con mi falta de conocimiento médico,
no puedo llegar mucho más profundo
en cómo funciona el producto.
Más o menos me puedo imaginar alguna cosa,
pero me encantaría entender cómo funciona el negocio.
Muy bien.
Cuéntanos cómo es este proceso de venta.
¿Vais vosotros a los hospitales y les decís
tenemos esto o vienen los hospitales a vosotros
o hay algún otro camino de venta?
Es una combinación.
Nosotros hemos hecho mucho marketing,
mucha comunicación.
Si ves que BIM es una compañía eminentemente tecnológica,
no somos todavía una maquinaria de ventas.
Esto lo tenemos que construir ahora
a partir de la financiación que estamos levantando.
Pero básicamente hemos sido nosotros.
Hemos contado la historia,
hemos sugerido la utilización de la imagen médica
y hasta ahora tenemos cuatro grandes farmas
que están trabajando con nosotros en esta línea.
Vale, o sea, son poquitas, pero muy grandes.
Sí.
Tenemos muchas más biotech y compañías pequeñas
y estamos haciendo ensayos en Estados Unidos.
Pero digamos que,
luego es que el mundo reconozca,
tenemos cuatro, cuatro grandes farmas.
Y una vez llegas a un acuerdo,
¿qué contrato se firma?
¿Cómo funciona un acuerdo así?
Es muy diferente en función de la compañía.
Pero nosotros hemos creado un modelo de colaboración
que para nosotros es relativamente estable.
Sobre todo es muy importante aquí
tener en cuenta,
considerar que el algoritmo es un activo.
Y esto es muy importante
porque si no tendría,
si no tendría el riesgo de,
como he comentado antes,
de ser un poco consultora.
Es decir, yo hago algoritmos
y te ayudo a cribar a los pacientes.
Y yo quería ser una compañía centrada en producto.
Entonces, únicamente me centro en colaborar
en aquellos proyectos
que estén vinculados con algún producto
que queremos desarrollar en el futuro.
Por ejemplo,
nosotros queremos lanzar una herramienta
de cáncer de pulmón.
Es una herramienta muy ambiciosa
porque queremos ser capaces
de detectar mutaciones
a partir de la imagen médica.
sin muestra,
es decir, sin la biopsia,
poder decir
qué mutaciones tiene un tumor.
Entonces,
a mí me interesan las colaboraciones
en el ámbito del cáncer de pulmón.
Entonces, lo que hacemos ahí es,
si hay una farma que tiene una necesidad
en cáncer de pulmón,
nosotros también la tenemos
porque queremos encontrar
estos biomarcadores predictivos
y precisamente las preguntas
que queremos responder nosotros
son las mismas
que quiere responder una farma.
Entonces, ahí establecemos
un modelo de colaboración
donde decimos, bueno,
Kivim colabora a riesgo,
vamos a crear nosotros
el modelo de inteligencia artificial,
nos quedamos la propiedad intelectual
y luego te lo licenciamos.
Te lo licenciamos
porque este algoritmo
te va a ayudar a cribar
a los pacientes para tu fármaco.
Y ya tenemos modelos de colaboración
donde…
Y luego tú esto,
¿se lo puedes licenciar
a los competidores de esta farma?
Que están compitiendo…
Si no me pagan un fee
por exclusividad, sí.
Y luego tú lo puedes utilizar
para productizárselo
a un hospital.
Correcto.
Y que cuando le hagan
una prueba gráfica
a un paciente
le puedes ayudar
a hacer un diagnóstico.
Eso es, cuando ya tienes…
Ahora mismo tu negocio
es sobre todo las farmas,
pero tu visión
es sobre todo los hospitales.
Efectivamente.
Desde el último…
Yo diría,
los últimos dos trimestres
del año 2023
empezamos a tener ya
las certificaciones
para nuestros productos
en próstata,
neurohígado.
Ya hemos empezado
a desplegar a escala
el modelo SAS.
Es decir,
tenemos la parte
que llamamos
de software
as a medical device,
el dispositivo sanitario,
que es lo que puede…
Eso se vende a los hospitales.
Efectivamente.
No a las farmacéuticas.
Correcto.
También hay farmas
que nos compran SAS,
que nos compran
el software
as a medical device
porque tienen
un conjunto de pacientes
y lo quieren pasar,
lo quieren analizar
con nuestro dispositivo.
Pero digamos,
no es el modelo
que te estaba contando antes.
Pero lo vendemos a hospitales
y en los hospitales
directamente
este algoritmo
te analiza un paciente,
te da el resultado
y te responde
a la pregunta
que quieres saber.
En este caso,
en cáncer de próstata,
¿el paciente
lo tengo que biopsiar?
¿Sí o no?
O la próstata no tiene nada.
Pues si hay una lesión
que hemos detectado
que es clínicamente significativa,
hay que biopsiarlo.
Y a partir de aquí
hay que seguir.
Me estás hablando
de que vais a riesgo
con esta farma,
que quiere decir
que empezáis a desarrollar
el modelo
y a entrenarlo
sin cobrar nada.
Pero una vez empieza
a funcionar,
les empezáis a cobrar.
¿Qué les cobráis?
Les facturamos
lo que llamamos
los out-of-pocket expenses.
Es un poco
los gastos
que sí o sí
va a tener
esta colaboración.
Por ejemplo,
tenemos almacenamiento cloud,
tenemos etiquetado de datos.
Efectivamente.
¿Y luego qué les cobráis?
Cuando empieza a funcionar
y les empieza a servir
a la farma,
¿qué le cobráis?
Luego tenemos fees
de, por ejemplo,
fees a éxito
o fees a exclusividad.
Estamos hablando
de deals
que pueden estar
por 50 millones
por ahí aproximadamente.
¿50 millones de euros?
Sí.
¿Al año?
Sí.
En el deal
completo.
En un proyecto
multianual.
Eso es,
un proyecto multianual.
Porque todavía
no estáis facturando
50 millones.
Correcto.
Pero potencialmente
pueden llegar a ello.
Efectivamente.
Hablanos un poquito
de los economics
de la empresa.
Sí.
Vosotros empezáis
con capital propio.
Conseguimos financiación
de lanzadera
al principio.
Un préstamo
de unos 200.000
que era la tercera edición
de lanzadera.
inauguramos Marina
de Empresas
y la verdad
que me vino
muy bien
para crear
ese equipo inicial.
Conseguimos
una pequeña ronda
también
de inversores
más regionales
y estuve
convirtiendo
digamos
esa investigación
a producto
durante
cuatro años
hasta
2019
porque
al final
todo lo que
desarrollamos
aquí
tiene que seguir
una ISO.
Somos un dispositivo
médico.
Entonces
no puedes desarrollar
de cualquier manera.
Tienes que seguir
una normativa
auditoría.
Desde el principio.
Desde el principio.
Si lo quieres hacer
bien.
Si no tienes que
hacer todo el trabajo.
Entonces
cuando analizamos
muy bien
lo que nos tocaba hacer
vi claramente
que esto no era
continuar
haciendo más
investigación
y ya está
sino que teníamos
que adoptar
toda una serie
de requerimientos
de trazabilidad
en todo lo que
desarrollamos
se nos llama
fabricante
de producto sanitario.
Por lo tanto
estamos inscritos
como fabricante
de producto sanitario
en la Agencia Española
del Medicamento
así con todas
las regiones
con las que estamos
trabajando
con todos los países.
Entonces
pasar toda esa
investigación
a producto
siempre digo
que es una parte
que me costó
muchísimo
y es
algo que se infraestima
cuando estás
en el mundo
de la investigación.
Seguramente
es donde mueren
casi todos los proyectos
de investigación
médicos
o hardtech.
A día de hoy
estoy mentorizando
a bastantes emprendedores
y algo que me ayuda
muy bien
a cribar
a los emprendedores
es cuando veo
quién no se toma
en serio la regulación
y quién sí.
Y hay alguien
que me dice
no, pero
es que yo no soy
una herramienta
clase 2
porque
se intentan saltarse
los requisitos.
Sí, no estoy dando
un diagnóstico
y yo digo
no, sí que estás
dando un diagnóstico
o sí que estás siendo
una ayuda
para el diagnóstico.
No pasa nada.
No intentes ir
demasiado rápido
porque entonces
no vas a conseguir
captar un inversor potente.
Al final
los inversores buenos
quieren ver
que vas
a lo grande
y si vas a crear
un algoritmo...
No te escondes
de los problemas grandes
sino que los superas.
Claro,
es algo que es duro
pero tienes que abrazarlo.
Tienes que abrazarlo
difícil.
Tú cuando has empezado
Kibim
dices
yo no sé si esto funcionará
o no funcionará
no sé si hay mercado
de momento
lo único que estoy haciendo
es palmando pasta
haciendo investigación
pero lo voy a hacer
todo perfecto
y seguramente
voy a ir más lento
y me va a costar
más dinero
por si algún día
encuentro petróleo
que me puedan certificar
y pueda convertirme
en un dispositivo
médico.
Sí, hay una diferencia
que es que
yo siempre digo
cuando yo empecé
no lo hice
pensando en
puedo fracasar.
Yo creo que
llevamos una trayectoria
de investigación
importante
y cuando estás
en el mundo
de la investigación
y lees los artículos
científicos
sabes lo que va a ocurrir
en innovación
en los próximos 10 años.
Tenías mucha confianza
en el éxito
en el mercado
de este producto.
De hecho yo
al equipo
el algoritmo de próstata
que hemos lanzado ahora
les enseñé
una alfombrilla de ratón
que hicimos
en el año 2008
cuando empecé
a investigar
para los urólogos
para que vieran
los usos
de la resonancia
magnética
en próstata.
Más de 10 años después
cambian las guías clínicas
y ahora es cuando
el producto
ya es un producto
de IA
para uso clínico.
Entonces
ahí sabemos
que hay una necesidad.
Si beneficia al paciente
se acabará implantando.
¿Cuándo empezáis
a facturar?
Empezamos a facturar
sobre todo
en el año 2020
que es cuando
incorporamos
a Amadeus Capital
Apex
Partec
y a Dara.
Es la primera ronda
BC grande.
Hicimos la primera ronda
BC ahí
que fueron
360k
luego hicimos
un millón
en 2021
hicimos
unos 7
en 2022
todavía sin
productos certificados
pero facturando
a las farmas
facturando
principalmente
investigación
y generando
algoritmos
datos
y modelos
efectivamente
y el año pasado
hicimos
2,2
millones de euros
de facturación
eso es
principalmente
todavía
a las farmas
eso es
y ahora
creciendo ya
conseguís certificar
a finales del año pasado
el primer producto
ahora estáis certificando varios
efectivamente
y ahora estamos ya
creciendo
digamos
cumpliendo plan
cumpliendo el business plan
y creciendo mucho
en la parte de
software as a medical device
y queréis llegar
este año
si no lo he ido mal
a 6 millones
de facturación
seguirá siendo
casi todo
farmas
o ya hay un porcentaje
relevante
no
ya hay un porcentaje
relevante
porque anunciamos
también
en octubre
del año pasado
que cerramos
un deal
muy importante
con Philips
Philips
que aparte
de hacer
teles
y lavadoras
y no sé cuántas cosas
hace un montón
de dispositivos médicos
que tienen que costar
una millonada
bueno pues
ahora Philips
se ha centrado
en el desarrollo
de los dispositivos médicos
o sea todo lo que era
electrodoméstico
iluminación
y demás
lo está externalizando
y ahora
todo
Philips prácticamente
es dispositivo sanitario
estas marcas son una locura
como emprendedor
todo el mundo te dice
focus focus focus
y tienes a Yamaha
haciendo guitarras
motos
y cohetes
¿cuál es el deal
que habéis hecho
con
el deal es
las resonancias magnéticas
a día de hoy
se
digamos
pueden mejorar
muchísimo
si incorporan
tecnología de ella
y
digamos directamente
ya en la propia máquina
¿vale?
es decir
la manera en la que Kibim
funciona a día de hoy
para que se entienda
porque la máquina
saca píxeles
la máquina saca
imágenes
píxeles
saca imágenes
efectivamente
pero ¿cómo funciona
Kibim hoy en un hospital?
pues nosotros nos conectamos
al repositorio de imágenes
del hospital
que se llama
PAX
Picture Archiving
and Communication System
es como la historia clínica
pero de imágenes
¿vale?
la galería de fotos
correcto
entonces nos conectamos ahí
hay un
estándar de comunicación
con el que nosotros
leemos esas imágenes
se analizan en nuestro cloud
con Microsoft
que es un poco
nuestro proveedor ahí
y
devolvemos los resultados
de esos análisis
de vuelta
al centro sanitario
pero
pensamos
bueno
igual si esa IA
también está
cerca
de
donde se genera la imagen
del paciente
tiene valor
y efectivamente
lo tiene
porque
si tú ya
en la propia
exploración
de TAC
o de resonancia
magnética
eres capaz
de detectar
algún hallazgo
o por ejemplo
detectar imágenes
que no sean de buena calidad
al técnico
que está haciendo la imagen
ya le puedes decir
repite la imagen
que no tiene la calidad suficiente
no hace falta
llamar al paciente
cuando ya se ha ido a casa
sino que la IA
en la propia máquina
ya te dice
si las imágenes
son de calidad
o si hay algo
por lo que tienes que llamar
al médico
para que lo revise
por ejemplo
en los smartphones
desde hace unos cuantos años
el sensor
bueno de hecho
en las cámaras buenas también
pero sobre todo
en los smartphones
el sensor
y el objetivo
son menos de la mitad
de la foto
más de la mitad
de la foto
es la inteligencia artificial
que mejora
la luz
los balances
los colores
en la foto
eso está pasando también
en este tipo de
vosotros estáis haciendo esto
o esto lo hace directamente
esto lo hace directamente
el fabricante
el fabricante
Philips ya tiene algoritmos
de deep learning
pero no solo Philips
lo mismo que pasa
en la cámara
en el software
del smartphone
también está pasando ya
en la máquina de radiografía
de tax
de resonancia
y orientado
a que el paciente
esté menos tiempo
en la máquina
por ejemplo ahora
a la efectividad
del escaneo
porque gran parte
de la imagen
se puede
regenerar
o reconstruir
con alta calidad
gracias a deep learning
en lugar de hacer
siete fotos
y componerlas
haces una rápida
y luego tú ya vas sacando
trabajo derivado
de esa única exposición
a la radio
logía
como se llama
a la resonancia
que te has
vale
entonces
2,2 millones
de factores
hicieron el año pasado
en camino de 6 este año
vais a un plan
enhorabuena
habéis levantado
un poquito más
de 20 millones de euros
creo hasta la fecha
¿cuántos de estos 20 millones
habéis gastado
o invertido
en research
ni más de
yo diría
la inversión
hasta la fecha
en investigación
ha sido un 60%
65%
¿de los 20 millones?
sí
o sea los habéis gastado
casi todos ya
sí
vale
¿y eso?
¿son programadores?
¿son doctores?
¿qué tipo de perfiles son?
sí
prácticamente tenemos
un 93%
100% de perfiles
son titulaciones superiores
ingenieros
científicos de datos
tenemos ingenieros de telecom
ingenieros informáticos
a mí la titulación
me importa menos
¿qué hacen?
¿o qué saben hacer?
hacen data science
sobre todo
por ejemplo
tenemos tanto desarrollo
de plataforma
lo que es la plataforma de datos
esto sería parecido
a lo que hacemos en Factorial
tenemos gente
haciendo plataformas
efectivamente
con el certificado educativo
que sea
pero es gente que es programadora
que diseña sistemas
luego hay unos que hacen los algoritmos
vale
que estos son
programadores también
son programadores pero
especializados en machine learning
efectivamente
en entrenamiento de modelos de IA
perfecto
luego tenemos también
dentro de estos
digamos los que se dedican
a armonización de imagen
los que se dedican a
pero todo esto son
son programadores
de diferentes tipos
o sea doctores
médicos
a ver
es que dentro de
una titulación
puedes tener doctores
yo tengo doctores
científicos de datos
también
pero no son médicos
no son médicos
son ingenieros biomédicos
¿médicos tienes?
médicos tenemos
el director médico
es un oncólogo
Chief Medical Officer
y luego el resto de radiólogos
que tenemos
son externos
los contratamos
para
la gran mayoría
de tu inversión
es
software
modelos
y estudios
y estudios clínicos
y estudios clínicos
¿quién los hace?
¿no es un médico
quien hace un estudio clínico?
no, por ejemplo
cuando tú vas a lanzar
un producto a mercado
por ejemplo
mi herramienta de detección
de cáncer de próstata
tienes que demostrar
que funciona
o sea
la tienes que presentar
a los organismos reguladores
al que
te va
a dar
el marcado CE
o el sello FDA
en Estados Unidos
la información
que tienes que presentar ahí
es
evidencia
de que
digamos
tu algoritmo
funciona bien
eso es el estudio clínico
eso es el estudio clínico
esto
o lo haces tú
directamente
y esto lo hacemos nosotros
en Europa
no lo externalizáis
no lo externalizamos
hablamos con
cinco o seis hospitales
reclutamos pacientes
colaboráis con hospitales
efectivamente
hacemos ese estudio
y
digamos
no le pagamos un externo
para hacerlo
nosotros mismos
lo gestionamos
porque estamos aquí
pero tenemos
otros entornos
donde nos es muy complicado
el conocer
a una red de clínicos
con la que lo podamos hacer
o los centros sanitarios
entonces por ejemplo
nosotros
tenemos
un proveedor
en Estados Unidos
que es
Mass General Brigham
hospital de Boston
donde
por un estudio de validación
pagas un millón y medio
de euros
como mínimo
como mínimo
si todo va bien
si no hay retrasos
por cada estudio de validación
de cada producto
y eso
lo estás haciendo
claro
entonces
cuando tú quieres crear
un medical device
quieres la certificación
que toca
y vas a emitir diagnósticos
tienes que ir en serio
y tienes que
invertir
cuando veo a alguien
que me dice
no es que
lo certificaré
como medical device
lo primero que hago
es mirar el business plan
y me voy a ver
el bottom line
y digo
los costes aquí
no son reales
esto no es real
o sea
no estás considerando
un escenario regulatorio
es muy caro llegar
a estar bien regulado
al mercado
si es muy caro
es muy caro
vale
has dicho 60%
lo habéis invertido
en y más de
y el otro 40%
donde ha ido
bueno hay una parte importante
el regulatorio
en este millón y medio
no no no
en esa parte
la ponemos ahí más allá
porque son estudios clínicos
luego tenemos un equipo
de regulatorio
¿qué significa esto?
completo
pues tenemos
digamos el equipo
que prepara
toda la documentación
las auditorías
las ISOs
no son ingenieros
también
son ingenieros
son ingenieros
son ingenieros
porque al final
trabajan con
documentación técnica
tienen que saber
escribir lo que llamamos
un technical file
que es donde se describe
toda nuestra tecnología
para que un regulador
la vea
y esto es grande
también
esto es grande
sí
es un equipo
muy especializado
son las especificaciones
de cómo funciona
el software
sí
apenas encuentras
perfiles que sepan
de regulatorio
en España
es súper nicho
es muy nicho
¿y qué más tienes?
tenemos marketing
y comunicación
también un equipo
grande
eso es para encontrar
clientes
efectivamente
para que se nos conozca
para generar
sí, pero me interesa
que te conozcan
las farmas
o los hospitales
sí
doctores
también nos interesa
y yo lo llamo esto
crear categoría
nos interesa
crear categoría
porque yo
me he preocupado mucho
de crear producto
crear compañía
pero luego es verdad
que
imagen médica
en medicina de precisión
no somos
ni una medtech pura
ni somos tampoco
una compañía
de ciencias de la vida
al 100%
entonces
somos parecida
¿cómo defines medtech?
medtech
al final sería
puramente
nuestra parte
de medical devices
vale
esto sí que sería medtech
esto sería medtech
puro y duro
vale
y ciencias
de la vida
es ese impacto
en el desarrollo
de nuevas terapias
vale
en esos nuevos fármacos
tenéis dos patas
y necesitáis las dos patas
y necesitamos las dos patas
efectivamente
entonces es muy importante
explicar que estamos
un poco definiendo
al igual que lo hicieron
otras compañías
en genética
que empezaron a
secuenciar a pacientes
el ADN de pacientes
y crearon modelos
de negocio
basados en información
empezaron a crear
grandes bases de datos
de genética
y empezaron a encontrar
mutaciones nuevas
que no estaban descritas
eso es lo que yo quiero
con Kiwi
es decir
quiero crear un modelo
de negocio
basado en información
extraído a partir
de la imagen
y a día de hoy
solo en el mercado
encuentro compañías
que están orientadas
a workflow
a decir que el radiólogo
informe más rápido
y yo quiero tener
un impacto también
en la aprobación
de fármacos
en el descubrir
nuevos biomarcadores
entonces esto lo llamamos
crear categoría
y para esto
comunicamos mucho
somos muy vocales
en redes
en revistas científicas
de estos
resultados científicos
y de lo que estamos haciendo
y eso también es inversión
importante para mí
bueno y también
porque te interesa
que esa guía médica
se entere
efectivamente
de que esto es una posibilidad
y vaya cambiando
la guía médica
para que los hospitales
vengan más a buscaros
eso es
más a vosotros
y obviamente
idealmente
que mejore la salud
y la vida de los pacientes
es el objetivo final
eso es
vale
has hablado de que
seguís levantando capital
¿cuál es el pitch ahora?
¿cuál es la próxima
etapa para Kibim?
ahora la próxima etapa
es crear una maquinaria
de venta
ya hay producto
ya hay medical device
aprobado
hay producto
eso tiene que llegar
a todos los hospitales
del mundo
efectivamente
ahora estamos teniendo
muchas peticiones
de nuestro producto
de próstata
las estamos desplegando
todas
porque somos muy escalables
gracias a
a la infraestructura
que tenemos en la nube
y a que desarrollamos
una herramienta
que yo considero clave
que hace que los servicios
de informática
de los centros sanitarios
no tengamos que entrar
nosotros al hospital
sino que ellos
se descargan
es un instalador
y ya se conecta
con nuestra nube
esto nos ha resuelto
muchos problemas
la implementación es fácil
es muy fácil
y esto nos está
permitiendo escalar
el software
escala muy bien
está escalando muy bien
estamos subiendo
un 40%
cada mes
en número
de pacientes
ahora mismo
month on month
¿cómo les cobráis
a los hospitales?
¿cuál es el pricing?
muy interesante
porque vamos a tener
a día de hoy
tenemos un modelo
pero vamos a tener dos
y te explico por qué
el modelo que tenemos
de base
es un modelo SAS
donde tenemos
un fee por año
que se ajusta
en función
del número de estudios
el número de exámenes
de próstata
o de neuro
que hagan
o sea que como más
muestras
se manden al modelo
más cobráis
efectivamente
pero son como tramos
son tramos
son tramos
pero basados en uso
correcto
con lo cual un crecimiento
de 40%
mes a mes
de pacientes
es brutal
porque repercutirá
en la facturación
eso es
y luego
este modelo
funciona muy bien
para sistemas sanitarios
donde hay
una relativa
salud universal
como por ejemplo
el español
sistemas sanitarios
por ejemplo
el británico
donde digamos
hay
compra
o hay recomendación
relativamente centralizada
de lo que se tiene que hacer
desde los gobiernos
pero por ejemplo
en otros entornos
donde vas más
por aseguradoras
y tienes que hacer
una negociación
como Estados Unidos
como Estados Unidos
o como Alemania
el modelo es de reembolso
por prueba
y para esto
eso también es un proceso
muchos pensamos
al principio
que tener la FDA
o tener una certificación
ya lo era todo
pero luego descubres
que no
que ya no solo es
que haya un product market fit
sino que tienes que tener cobertura
para que te paguen
por tu prueba
y en Estados Unidos
esto lo regula
el
se llama el CMS
el Center for Medicare
and Medicaid
este es un
es una entidad
centralizada
en Estados Unidos
que negocia
los tratamientos
disponibles
y
donde están cubiertos
y donde no
digamos que
junto con la
la American Medical Association
que es un poco
la asociación de médicos
de diferentes especialidades
determinan
que prueba
es merecedora
de un código CPT
que llaman ellos
un CPT
de que esté cubierta
por las pólizas
de salud
aquí hay mucho truco
porque el código
solo es el código
entonces hay mucha compañía
que dice
ya tengo cobertura
en Estados Unidos
pero a lo mejor
tienen un CPT3
y esto es temporal
luego
tienes que demostrar
que hay adopción
y ya cuando pasas
de un CPT3
a un 1
tienes que demostrar
que tienes cobertura
y te pagan por ello
entonces esta negociación
se tiene que hacer
con las aseguradoras
directamente
y sí que tienes
un precio
recomendado
por prueba
por ejemplo
a día de hoy
tenemos competidores
que para algoritmos
de IA
completamente autónomos
están cargando
unos 200 dólares
por prueba
hay
una fortuna
bueno
ellos
hay competidores también
que han incluido
un médico
en lo que es
la generación
de los resultados
ya no es un algoritmo
entonces
ya no es únicamente
un algoritmo
te dan un tiempo
de tres horas
para tener los resultados
entonces ponen
a un médico
que visa
que está todo ok
y el reembolso
ahí se va a 900
entonces claro
facturación de la compañía
es mayor
pero tienes
ese coste
nosotros somos
más partidarios
de ir a por algoritmos
de IA
completamente automáticos
y que cobráis
por prueba
por ejemplo
bueno nosotros
todavía no tenemos
el precio
determinado
estamos ahora mismo
haciendo el proceso
de reembolso
para conseguir
ese código
CPT3
en Estados Unidos
en Estados Unidos
lo tenemos
como objetivo
de tener ese código
en el año 2025
ostras
sí
y bueno
conseguir el código
no es la parte
que más me preocupa
la parte que más me preocupa
es tener un equipo
muy potente
de acceso a mercado
en Estados Unidos
para la negociación
de que estas pruebas
se cubran
por las aseguradas
eso es el equipo
comercial al final
sí
es una vertiente
del equipo comercial
que llamamos
el market access
que está acostumbrado
a negociar
un poco
que tiene los contactos
efectivamente
conoce los procesos regulatorios
las personas
los lobbies
eso es
vaya mundo
sí sí sí
es el mundo
del reembolso
de las pruebas médicas
vale entonces
queréis capital
¿cuánto?
pues
a día de hoy
estamos
levantando
una serie A
estamos ya
en proceso
de cierre
de esa serie A
vale
o sea ya tienes
un term sheet
no tenemos todavía
term sheet
vale
estás en proceso
estamos en proceso
estamos ahí
en mitad
en mitad del proceso
hemos hecho
un primer cierre
en enero
ha sido un cierre
de la mitad
de la ronda
cuando dice cierre
quiere decir
dinero en el banco
sí
vale
porque para mí cierre
es dinero en el banco
es dinero en el banco
para mí también
yo no soy
del humo aquí
sí
hemos hecho
13 millones
pero
nos queda levantar
más de la mitad
de la ronda
y lo haremos
probablemente
para
antes de verano
antes de agosto
un poco cuando nos hemos marcado
sí
si estoy
de hecho
no puedo comentar mucho
por esto
vale
este tipo de VCs
sin decir los nombres
es el mismo tipo de VC
que invertiría
en un B2B SaaS
o en una aplicación
para pedir taxis
o en una aplicación
para entrega de comida
o es súper especializado
en salud
es súper especializado
sí
pero es VC
es VC
no son empresas
o sea
no es Samsung
o Philips
no
nosotros ya
empezamos
con los partners
que tenemos ahora
y son fondos muy buenos
desde el año 2020
entró Amadeus Capital
como lead investor
Partec
Apex
pero Partec es generalista
cierto
pero no era el lead
yo he hablado con Partec
no era el lead
de la ronda
hay un líder
que conoce mucho
del mundo médico
que es el que
en este caso Amadeus
yo creo que tenía
una combinación
entre tech
y mundo
life sciences
adecuada
que nos ha llevado
al nivel
en el que estamos ahora
y ahora estamos ya
en un tramo
en el que vamos a ir
todavía más
a inversores especializados
en ciencias de la vida
la dilución
o las valoraciones
de una empresa
como Kibim
es parecida
a otro tipo
de empresa de software
cuál es la dilución
de una ronda así
o de una serie
típica
depende de
a ver
cuál te gustaría
a ti que fuera
o no
pero
no pero
siendo realista
cuál es el tipo
de dilución
a ver yo creo
que los tipos
de dilución
clásicos
están en un 20
o un 30%
o por ahí
de las rondas
importantes
vale
30 es mucho
20 también
todo lo que se llama
más de cero es mucho
pero 30
o sea si tuvieras
30% varias veces
te diluyes mucho
es que
dirías que hay más dilución
en el mundo de la salud
que en el mundo puro tech
mi intuición es que sí
pero no lo sé
de hecho nosotros
esto también se refleja
en la compañía
nosotros tenemos
por un lado
lo que es
Kibim
la parte tech
pero por otro lado
la parte life sciences
esta categoría
de la que yo hablo
entonces
ahí también
se percibe
estamos
al final
aspirando a ser
una compañía
de muy alto impacto
sobre todo
vinculándolo
al beneficio
que le podemos aportar
a una pharma
ahora mismo
por los datos
que tenemos
un poco
acortar el desarrollo
de un fármaco
seis meses
para una pharma
significa
2,5 billion
más de revenue
iba a decir
cientos de millones
pero bueno
2,5 billion
no está mal
sí
entonces
digamos
si yo hubiera
querido crear
una compañía
de
100 millones
200 millones
de valor
a largo plazo
habría creado
solo un algoritmo
y ya está
pero aquí estamos
creando una plataforma
con un modelo
de información
a partir de la imagen
médica
queremos que
Kivim sea
ese gran líder
en imagen médica
radiológica
ella
en el futuro
para pharma
y hospitales
tú me estás
justificando
que te lo compro
porque merece
la pena
diluirse más
porque
el horizonte
está muy lejos
y se puede llegar
a tener mucho impacto
pero luego
hay otra
dimensión
que también creo
que es
interesante comentarla
que es
el por qué
hay más dilución
que es al final
como hay procesos
de investigación
muy largos
que cuestan
mucho dinero
el valor
del dinero
es más alto
que en un tipo
de empresa
donde hay un ciclo
muy rápido
de desarrollo
con lo cual
lo que tiene más valor
es el talento
que siempre lo tiene
pero tiene menos valor
el dinero
entonces sube la valoración
porque el capital
es menos impactante
en una empresa
donde hay que hacer
un gran desarrollo
tener dinero
para aguantar ese tiempo
es clave
con lo cual
el dinero
es más importante
y si te vas a una empresa
de desarrollo
de producto físico
de hardware
ahí todavía
es más importante
el capital
con lo cual
todavía es más grande
la dilución
y en el extremo
no hay premium
una ronda de 100 millones
la valoración post son
100 millones
porque nada más
aporta valor
en el mundo
de la tecnología
el capital humano
el talento
tiene muchísimo valor
pero como más valor
tenga el dinero
más te vas a diluir
y tú estás ahí
en un entremedio
entre una empresa
puro biotech
con mucho hardware
y con un capex
de la hostia
y una empresa software
con procesos
de iteración muy rápido
es una muy buena descripción
es interesante
es que no hacemos mucho
de tu mundo
y estoy aprendiendo
un montón hoy
luego también
hay un tema
del precio
porque yo me imagino
que el coste marginal
de estas máquinas
es muy bajo
si yo
no
de la máquina
si yo ahora monto aquí
en la calle
donde estamos aquí
en Pujadas
en Barcelona
monto un kiosco
donde tú entras
te pones así
como en el aeropuerto
te hacen unas fotos
unas cosas
el coste de electricidad
y de amortización
de la máquina
pueden realmente
marginalmente
ser muy bajos
por paciente
y luego el algoritmo
también tiene un coste
marginal muy bajo
entonces hay dos maneras
de verlo
una que es decir
oye
el coste de un radiólogo
doctor
y el coste de oportunidad
de falsos negativos
o falsos positivos
quizás son
300 euros la prueba
pero al extremo
podríais bajar
el precio
de una manera radical
y hacer que todo el mundo
preventivamente
una vez
cada año
vamos a poner
si hiciera un escaneo
completo por
100 euros
de todo
una vez al año
y eso
al sistema público
o incluso
a la aseguradora
o incluso al ciudadano
le sale más barato
hacerse una prueba
muy barata
muy frecuentemente
y ahorrarse
un cáncer y morir
o ahorrarse
una intervención
que cuesta mucho dinero
o ahorrarse
una biopsia
que cuesta mucho dinero
y mucha molestia
etcétera
vamos para allá
si has leído
mi futuro emprendedor
mi proyecto vital
que tiene que cambiar
para que pase esto
el año que viene
a ver
tiene que cambiar
que
primero
tenemos que
crear
algoritmos
mejores
mucho más robustos
y tenemos que crear
equipos
pero ya estáis al nivel
de un radiólogo
experimentado
en muchas áreas
anatómicas
sí
pero todavía
en todo el cuerpo
y en todas las patologías
todavía falta
a ver
nosotros
ya hemos realizado
por ejemplo
estudios en este sentido
hicimos un proyecto
aquí en Girona
que fue en colaboración
financiado por la Marató
con Dr. Joseph Puch
donde hicimos
2.000 voluntarios
de Salt
y otras ciudades
de alrededor
2.000 voluntarios sanos
un grupo estaba
por encima
de 50 años
otro por encima
de 18
y esto era un camión
con una resonancia
en mitad de la plaza
que se me encanta
haciendo voluntarios
y lo que vimos ahí
fue importantísimo
porque vimos
que un 10%
tenían ya
oclusión
de las carótidas
como para poder tener
un ictus
en los futuros
3 años
y estos fueron
luego al médico
es decir
oye
yo estaba aquí
tan sano
tan tranquilo
han llegado estos
con un camión
ahora estoy preocupado
vamos a ver
si hay algo
que podamos adelantar
y prevenir
efectivamente
o tratar
de manera adelantada
claro
es que es
mucho más
coste eficiente
hacer un tratamiento
preventivo
como es colocar
un stent
y seguir a esos
pacientes de cerca
es un dispositivo
dentro del vaso
es como una malla
dentro de la sangre
dentro de las arterias
dentro de las arterias
digamos que se coloca
como una malla
metálica
es muy flexible
pero es metálica
y a eso
que te obstruye
el flujo de la sangre
que puede ser grasa
te lo empuja
hacia la pared
entonces garantiza
que haya un canal
una luz
por la que pasa la sangre
esto es para evitar
evitar ictus
por ejemplo
efectivamente
entonces
garantivamente
puedes decir
oye
te interesa hacer esto
y te ahorrarás
una paquilla al corazón
que le llamamos
y te vamos siguiendo
entonces
es mucho más
coste eficiente
esto
que es un dispositivo
mínimamente invasivo
aparte
y salvavidas
correcto
y es un procedimiento
mínimamente invasivo
que entras por
por la pierna
y puedes colocarlo
en el cuello
y vas siguiendo
a esos pacientes
entras por la pierna
y lo colocas en el cuello
sí
entras por la femoral
con un catéter
y empujas
y cuando llegan
a la altura
de la carótida
sueltan el estén
se abre
y esto empuja
a la grasa
hacia la pared
me mareo
solo de imaginarme
este tipo de procedimientos
pero vale
vale
es una intervención
vamos a seguir sanos
sí
pero bueno
esto es mucho más
coste eficiente
que el tener un ictus
sí claro
y que te encuentren
en mitad de la calle
y tus familiares
y todo lo que es
el impacto indirecto
también
entonces
este es un claro ejemplo
de que
podríamos mover la imagen
antes
pero
la comunidad médica
también es muy cauta
con ello
porque dice
a ver
no podemos
sobrecargar más
al sistema sanitario
si empezamos a detectar
pequeñas lesiones
de origen
incierto
tenemos que
encontrar
ese balance
en el que
la imagen
detecta
temas que son
clínicamente relevantes
pero tú te crees
este argumento
no vamos a
vamos a seguir así
porque si no
la gente vendrá
con todos los males
y habrá que tratarles
no es mejor ir
con los ojos abiertos
y saberlo todo
y tener que priorizar
yo creo que tenemos
que abordar el problema
de raíz
pero el sistema sanitario
a día de hoy
no está preparado
para un modelo
digamos preventivo
pero o sea
no sé por qué
los vinculamos
el sistema sanitario
está preparado
para X
para el modelo
Tiene una capacidad
de tratamiento X
que se puede cambiar
con inversiones
y con incentivos económicos
pero tiene una capacidad X
nosotros podemos dejarlo
como está ahora
que es el sick care
exactamente
que dice
la gente que le duele
la rodilla
quizá está perfectamente
pero nos va a ocupar
recursos sanitarios
hay otro que se encuentra
perfectamente
pero se va a morir
en un año
porque no lo hemos detectado
el de la rodilla
se va a esperar
y vamos a salvarle
la vida al otro
que no el sick care
que dices tú
que quizá
el que no llora
no mama
y el que se queja mucho
ocupa los recursos sanitarios
pero no estamos siendo
no estamos maximizando
el valor humano
yo creo que
sabiéndolo gestionar bien
aplicando una buena gestión
seríamos capaces
teníamos un modelo preventivo
basado en imagen
perfectamente
pero creo
que esto va a venir
más empujado
por los pacientes
por ejemplo
hay compañías en Estados Unidos
como Prenubo
o como Ezra
son compañías
todos hemos visto
a Kim Kadarshan
en Instagram
que se hizo una foto
con una resonancia magnética
esos de nuestros amigos
yo no la he visto
pero cuéntame más
pues una compañía
con la que colaboramos
son Prenubo
en Estados Unidos
y básicamente
ellos te hacen
un scan
de todo el cuerpo
2.500 dólares
claro
esto no se está haciendo
a toda la población
¿esto es el City Scan?
no es una resonancia
resonancia
sí porque el City Scan
es el que usa
radiación ionizante
vale
entonces el City Scan
no te lo puedes hacer
vale
está indicado habitualmente
cuando tienes alguna
patología
o sospecha de
de corazón
no
un pulmón
huesos
es un TAC
es un TAC
el TAC lo haces
para una infinidad
de aplicaciones
pero precisamente
un scan de todo el cuerpo
con resonancia magnética
lo puedes hacer
con
lo puedes hacer fácilmente
es una empresa sueca
que se dedica a esto también
sí
Neko
por ahí
los de Spotify
exacto
Daniel Ek
es uno de los fundadores
ellos tienen Ecocardio
también
entonces
este tipo de compañías
van a
van a evolucionar
yo ahí el punto
y que sigo
compartiendo es
todavía no creo
en el modelo
de negocio
que se ha establecido
en este tipo de compañías
que es un modelo de negocio
en el que el precio
de la exploración
Total Body
son 2.500 dólares
o 3.000 dólares
un producto muy premium
no vas a tener
si tú quieres de verdad
detectar
digamos
la patología
de la población
no vas a tener
una muestra representativa
de la población
tenemos que conseguir
bajar el precio
monetizando datos
ahí
hay que
a las farmas
hay que extraer valor
de ahí
de esos datos
¿quién?
o sea vosotros
por modelo de negocio
no os vais a dedicar a esto
no de momento
tal como me has explicado
Kibim
sería un cambio
demasiado grande
lo he pensado muchas veces
pero sería un cambio
demasiado grande
porque al final
hacer una industria
una economía
tan grande
como la de la salud
más eficiente
es cojonudo
pero es que además
salvar vidas
es mucho más impactante
con lo cual
el valor en el planeta
que puedes aportar
haciendo esto
es muy grande
pero realmente
para conseguir hacer
un cambio tan radical
tendrías que hacerlo todo
ser aseguradora
proveedora de servicios
de salud
diagnosticadora
y seguramente
incluso
montar las instalaciones
alrededor del mundo
o sea un Tesla
de la salud
que hiciera toda la cadena
de valor
pero yo en la parte de imagen
sí que quiero hacerlo
en algún momento
bueno
o sea si conseguís hacer
muy barata
la detección
que empieza por
no necesitar un humano
ese es el coste más grande
sí
a largo plazo
pero a corto plazo
yo sí quiero
imagínate que yo
con presupuesto infinito
me quiero hacer
un diagnóstico completo
para prevenir cualquier cosa
detectar cualquier cosa
que tenga
del coste real
de ese diagnóstico
la gran mayoría
irá en médicos
en personas
sí
la amortización de la máquina
la electricidad
y el alquiler del hospital
donde está la máquina
son cuatro duros
se puede construir
comparados con la hora
de la persona
que va a analizar
estas imágenes
con lo cual
tú puedes
eficienciar muchísimo
la parte de la persona
sí sí
efectivamente
ahí en realidad
los algoritmos
pueden conseguir
directamente
discriminar
qué zonas de tu cuerpo
no tienen ninguna alteración
y qué zonas sí
y directamente
emitirte
una recomendación
para un clínico
en este caso
porque al final
cualquier enfermedad
que detectes
se tiene que tratar
de una manera o de otra
y el clínico
lo vas a necesitar siempre
una pregunta
¿sabes el concepto
de biohacker
lo que es?
es esta gente
que se mide
sus marcadores
seguramente
de una manera
muy superficial
y poco informada
con anillos
relojes
incluso parches
que te miden
creo el nivel
de azúcar
en sangre
es una tendencia
que se está poniendo
muy de moda
y ahora también
hay incluso
gente que va más allá
que empieza
a monitorizarse
de verdad
con testeos
diagnósticos serios
puramente
preantivamente
quizá porque tienen dinero
o porque están
obsesionados
con este tema
si tú
quisieras saber
quisieras hacerte
un diagnóstico completo
y decir
oye yo estoy sano
potencialmente
pero quiero asegurarme
de que si tengo un cáncer
lo detecto temprano
si tengo una situación
que se puede complicar
la detecto temprana
¿qué harías?
¿qué le recomendarías
a alguien
potencialmente yo
que quisiera hacer esto?
es que yo no soy
la mejor persona
para recomendarlo
porque
yo te diría
hazte escáneres
de total body
frecuentemente
hazte colonoscopias
frecuentemente
hazte analíticas
frecuentemente
o sea a día de hoy
tenemos ya
un conjunto de test
escáner total body
colonoscopia
colonoscopias
y analítica
analítica
luego también
depende de la edad
¿no?
por ejemplo
cuando tienes un
30-40
ahí podemos soportar
muy bien
la duración
de una resonancia
magnética
total body
perfectamente
¿a más edad
es peor
o a menor edad
es peor?
a más edad
por ejemplo
sobre los 50-60
una de las patologías
que nos pueden preocupar
es un cáncer de pulmón
o patologías cardíacas
una coronaria
la coronaria
no la ves bien
en una resonancia magnética
y lo ves bien
en un tag de tórax
¿esto cómo se hace?
¿alguien que quiera hacer esto?
¿existen servicios en Europa
que hagan esto?
¿privados?
¿públicos?
sí
la mayoría de privadas
existe lo que se conoce
como el chequeo
que todos tienen alguna
esto es ir al médico de cabecera
y decir
¿quiere un chequeo?
sí
quiero un chequeo completo
entonces te hacen un ecocardio
te hacen un tag de tórax
te hacen un poco
paquete
yo lo que creo es que
todavía no está como integrado
¿no?
pues que te hacen muchas pruebas
y tienes como diferentes diagnósticos
pero no
o hallazgos
pero no tienes como
una información integrada
yo creo que ahí
pero en Hugo o Esra
lo están haciendo bien
que han creado como este gemelo digital
donde vas encontrando
que hallazgos has tenido
mira tienes un quiste
en el riñón derecho
pum
y te lo señalan
y bueno
igual no sé
ahí está informado ¿no?
está informado
quizá te das cuenta
de que tiene que ver con otra cosa
no puedes tomar ninguna acción
en ese momento
pero
es verdad que
yo
creo que esa información
tenemos que recogerla
totalmente
porque
tenemos que saber
cómo son los tipos
de cuerpo humano
qué características
tenemos a nivel sistémico
yo creo que
la enfermedad
no es un fallo
de un órgano
en realidad
la enfermedad
puede ser que tenga
un origen sistémico
en muchos casos
y hemos visto
por ejemplo
COVID
que teníamos
efectos a nivel
respiratorio
pero luego
tiene un impacto
a nivel cerebral
a nivel vascular
o sea
el cáncer
también es una enfermedad
que puede iniciar
con una lesión local
pero luego
se distribuye
por el cuerpo humano
entonces yo creo que
la imagen
tiene que ser capaz
de resolver
todo este tipo
de problemas
gracias por el
por el tip
oye
antes de cerrar
Ángel
explícanos un poquito
de dónde sales tú
y cómo sabes
todas estas cosas
pues
a ver
yo la verdad
es que hice
soy de Benicarlo
me fui a estudiar
a Valencia
hice teleco
y cuando estaba
en tercero
todo lo que eran
los móviles
el radar
y no me gustaba
lo que tocaba
en aquella época
en teleco
sí
pero empezó
a gustarme mucho
las señales
del cuerpo humano
y cómo podíamos
medir esas señales
y hacía
mucha electrónica
en aquel momento
y recuerdo
que monté un kit
de un electrocardiógrafo
con una Game Boy
en casa
para jugar
y demás
y me interesaba
todo
el concepto
de medir
el cuerpo humano
y tú eres el biohacker
de verdad
no es que se pone
un anillito
no la verdad
que lo sigo siendo
un poco
incluso tengo
un ecógrafo
porque me inquieta
mucho el no saber
qué está sucediendo
en el interior
del cuerpo humano
o sea eres
hardcore
de hecho
por ejemplo
mis hijos
tengo tres hijos
dos niñas
y un niño
y algo que me inquieta
es cómo crece
un niño
y no sabemos
cómo está por dentro
o cómo está
cualquier ser humano
por dentro
entonces
de ahí viene
ese interés
también
en medir
el cuerpo humano
y hacerlo transparente
saber todo lo que ocurre
y prácticamente
cuando estaba
en tercero
me apunté
a un curso de verano
con un amigo
compañero de piso
que es economista
y casi todos los cursos
de verano del escorial
eran de sociales
pero había uno
que era de ingeniería
de la salud
y nos fuimos una semana
yo me hice este curso
y para mí fue una revelación
y bueno
volví ya
buscando profesores
para hacer mi proyecto
fin de carrera
empecé ya trabajando
en el proyecto
fin de carrera
en visión por computador
en un algoritmo
para medir propiedades
del hueso
con resonancia magnética
que luego acabó en nada
eso fue un gran aprendizaje
de una investigación
que tenía sentido
porque decías
bueno
es que el hueso
se fractura
porque la estructura
del hueso
no es resistente
porque a las mujeres
a día de hoy
principalmente
posmenopáusicas
que es la que padecen
de pérdida del hueso
se les mide la densidad
la pérdida de cantidad
de hueso
pero no la arquitectura
entonces decíamos
bueno con la imagen
podemos reconstruir
la arquitectura del hueso
y ver si es más elástico
o menos elástico
entonces yo desarrollé
ese algoritmo
parecía buena idea
parecía buena idea
pero claro
tenías que poner
a mujeres
de 80
90 años
dentro de una resonancia
magnética
en la posición de superman
boca abajo
eso la gente
entiendo que sabe lo que es
pero es esa
te ponen como una camilla
y te meten dentro de un tubo
que hace un ruido infernal
y no te puedes mover
eso es
entonces claro
cuando vi
con mis propios ojos
como era el procedimiento
dije esto no va a tener
ningún sentido
en práctica clínica
y ahí es cuando aprendí
la diferencia entre
crear un algoritmo
de investigación
que incluso me lleva
a tener una tesis doctoral
y publicaciones
y siendo honesto
podría seguir a día de hoy
publicando
sobre eso
sobre esa metodología
y podría seguir
en esa línea de trabajo
pero ahí es cuando pensé
bueno tenemos que crear
algoritmos
que tengan un encaje
digamos en el mercado
y en la salud
entonces empecé a trabajar
con un radiólogo
que es un gran visionario
de uno de mis referentes
que ha sido mi mentor
que se llama
Luis Martivo Matí
es académico también
de la Academia de Medicina
y a pesar de tener
un gap de edad
que teníamos
la verdad es que me pareció
la persona más visionaria
metida en matemáticas
en computación
le gustaba todo lo que era
medir las imágenes
y cuando nos encontramos
era como un encaje perfecto
porque era el típico
médico
o sea
no es correcto
es el atípico médico
y que cree
en la computación
y en la cuantificación
¿no?
se imagina una tecnología
que quizás desconoce
eso es
y se encuentra un tecnólogo
empezamos a trabajar
que conoce la tecnología
pero no sabe para qué usarla
eso es
empezamos a trabajar conjuntamente
y empezamos a crear
muchísimos algoritmos
para cáncer
eso es muy típico de startup
muchas grandes invenciones
nacen de
de la persona
que se imagina
una tecnología
y otro que conoce
la tecnología
pero no se la imagina
sí
o que no conoce
las aplicaciones
Steve Jobs
Steve Bosniak
en muchos de estos
grandes partnerships
tampoco os quiero comparar
no no no
esa persona es la que
la que te allanó el camino
a entender cómo utilizar
sí
estas habilidades
que tú estabas desarrollando
con impacto
y yo creo que
una de mis grandes experiencias
fue trabajar
codo con codo
con radiólogos
estuve directamente
en mi despacho
era al lado de los radiólogos
que estaban informando
¿el despacho dónde?
en Quirón
es cuando empecé yo a trabajar
¿como qué?
como ingeniero
de investigación
del servicio de radiología
vale
empecé a desarrollar
ahí la investigación
eras un empleado
para ayudarles a mejorar
su proceso
de diagnóstico radiológico
correcto
pero eso ya fue una apuesta
de este médico
de Luis
que tenía esa visión
claro
porque lo normal
es contratar a radiólogos
pero de repente
un ingeniero
de telecos
es que habían comprado
una máquina
de resonancia magnética
de tres teslas
era la segunda de España
de tres teslas
sí
que es el campo magnético
es como 60.000 veces
el campo magnético
de la tierra
¿qué cuesta una máquina de estas?
más que tres teslas
pues más de un millón de euros
dependiendo del fabricante
sí
entre un millón o dos millones
por ahí
incluso dos y algo
en algunos casos
en función de todo lo que lleve
entonces acababan de comprar
un equipo así
y decían
todas las prestaciones
que tiene
toda la resolución espacial
aquí se puede extraer
información
¿no?
entonces creamos
un pequeño equipo
de ingeniería
y de análisis de imagen
éramos ahí
unos cuantos ingenieros
en el servicio
pedimos ayudas
nos financiaron
con Grants
y demás
pero
ya había un momento
en el que
todo lo que estábamos
desarrollando
tenía que aplicarse
a más gente
¿no?
entonces decidimos
en ese momento
crear
crear Kivim
creamos
desde ese equipo
de Quirón
¿eh?
sí
desde ese equipo
decidimos crear Kivim
le ofrecimos
en ese momento
a Quirón
ser parte
de la idea
pero Quirón
estaba también
en una fase ya
de cambio
de ciclo
cerca del éxit
que tuvieron
y ya a partir de ahí
nosotros
consolidamos
la compañía
firmamos un acuerdo
de spin-off
con La Fe
y es cuando
con La Fe
con el Hospital La Fe
de Valencia
es cuando yo entré
como investigador
y emprendedor
en lo que se llamaba
el Biopolo
La Fe
y bueno
se sigue llamando
que es como
la incubadora
de empresas
del Hospital La Fe
y de ahí ya
pasé a Lanzadera
a la aceleradora
de Juan Roch
en la tercera edición
y en Lanzadera
es cuando
sí tuve financiación
para fichar
al primer trabajador
en 2015
que fue Fabio
que sigue en la compañía
es un
gran ingeniero
y nuestro líder
¿y ese mentor tuyo?
¿ha participado
de alguna forma
en Kivim?
¿ha seguido involucrado?
él fue parte
del equipo fundacional
hasta que un poco
él tenía que seguir
su trayectoria académica
esto es muy típico
también en el mundo
académico
y demás
el seguir en el hospital
al final
es el director
del área de imagen médica
de La Fe
entonces
llegó un momento
en que yo le compré
las acciones
yo seguí
mi camino emprendedor
también
en aquel momento
en Lanzadera
eran mucho de
oye
es que el emprendedor
aquí tiene que tener
la propiedad de la compañía
y creo que es muy
importante
seguí mi camino
como emprendedor
él sigue
como advisor
médico
de la compañía
tenemos una
excelente relación
y la verdad
es que
es
y seguirá siendo
siempre mi mentor
en la parte
de medicina
ingeniería
y también
muchos aspectos
personales
y la verdad
que eso es un poco
la trayectoria
y luego
esa parte más
de investigación
la completé
con el aprendizaje
de Lanzadera
gracias a toda
la formación
que me dieron
en gestión
en modelos de negocio
en cómo
crear cultura corporativa
que me pareció
pues
un nuevo mundo
y insistí mucho
en crear
una cultura corporativa
muy sólida
en Kibim
el que la misión
la visión
los valores
no fueran
palabras vacías
fui muy machacón
desde los principios
en decir bueno
cuáles son nuestros valores
y por qué
y la verdad
es que
lo hemos llevado
muy a rajatabla
repito
los valores
repito la misión
y hacia dónde vamos
muy frecuentemente
creo que
también
algo que yo pensaba
que era normal
pero luego he visto
que no lo era
piché a una persona
de recursos humanos
muy pronto
cuando éramos 20
que es Jorge Navarro
que es
Chief of People
que tenemos ahora
y la verdad
es que esto
nos ha permitido
crear una cultura
corporativa
muy muy fuerte
y muy férrea
y en ese sentido
tenemos también
muy baja tasa
de rotación
estamos captando talento
recibimos como
mil currículums
el año pasado
mil y pico
y la verdad
que
esa parte
la aprendí
un poco
gracias a
esa siguiente etapa
ya de formarme
más como emprendedor
y estoy satisfecho
de no haber creado
solo producto
sino haber creado
compañía también
que yo creo
que es importante
porque muchas veces
podemos crear producto
y nos podemos olvidar
de crear
esa estructura
empresarial
general
se dice que
la primera etapa
de los fundadores
es crear producto
la segunda
el producto
es la compañía
y el rol
de los fundadores
es crear la compañía
y hay una compañía
que crea producto
y lo lleva
a mercado
oye Ángel
me quedaría aquí
seis horas
y me apuntaría
a medicina
como te sigo preguntando
cosas
porque estoy aprendiendo
un montón
muchísimas gracias
por venir
hemos aprendido mucho
espero que la audiencia
también haya aprendido
partes nuevas
tanto de negocio
como de cómo funciona
un poquito el mundo
y también agradecer
a Microsoft
que nos ha presentado
que es un partner vuestro
y de hecho
nos sugirió
que lo hagamos contigo
que estabas un poco
fuera de nuestra órbita
porque te mueves
en una industria
totalmente parecida
muchísimas gracias Ángel
y a todos vosotros
nos vemos la semana que viene
i
i
Gracias.