Quibim es la nueva empresa estrella del mundo de la IA aplicada al diagnóstico médico. Y es de Valencia
La startup valenciana Quibim lleva años trabajando en el análisis y diagnóstico médico basado en inteligencia artificial. Esta empresa anunció recientemente una ronda de inversión de 50 millones de dólares, una cifra notable que permitirá impulsar la expansión de su línea de productos, el desarrollo de sus modelos de IA médica y su expansión global. En Xataka hemos podido hablar con su fundador, Ángel Alberich-Bayarri (@aalberich), que nos ha hablado de cómo surgió la empresa y, lo más interesante, cómo la inteligencia artificial está revolucionando el diagnóstico médico. Alberich-Bayarri es de Benicarló, una localidad costera situada al norte de la Comunidad Valenciana. Estudió Ingenería de Telecomunicaciones en Valencia, y durante sus estudios se interesó por la visión por computador y el análisis de imagen, pero se centró en un área específica: la imagen médica. Aquello cambiaría su vida. Aunque trabajó para otras instituciones durante un tiempo, años más tarde decidió que quería emprender. Acabó fundando Quibim con el médico Luis Marti-Bonmati, líder de opinión en radiología en nuestro país, aunque este último acabó desligándose de la empresa. Durante esos primeros años hubo un foco fuerte en investigación y también en algo que como él dice para él fue un aprendizaje: "transicionar de investigación a producto". Él había publicado mucho sobre algoritmos aplicados al análisis de imagen, pero llevar esos descubrimientos a algo real es complicado, sobre todo en una industria médica en la que los estándares y la documentación son muy exigentes. Aun así, Alberich tenía una ventaja importante. Ya en 2014 se dio cuenta de que aplicar aprendizaje profundo (Deep Learning, DL) a temas de detección de lesiones "daba mucha ventaja frente a los algoritmos tradicionales, viví claramente ese cambio que planteaban las redes neuronales convolucionales". Para el aquello fue un punto de inflexión. "De repente podía automatizar al 100% el proceso para un gran número de pacientes. Antes tenía que ir optimizando por grupos de pacientes, pero con con DL podía crear algo muy generalizable". Eso sí: había que convertirlo en producto. "Primero quise crear una plataforma genérica para leer y analizar distintos tipos de imágenes para neurología, hígado próstata, mama, etc", y aunque consiguió el marcado CE de "Conformidad Europea", se encontró con un gran problema y una revelación al llevarlo a EEUU: allí no iban a certificar algo genérico, sino que se enfocarían a enfermedades concretas. Fue así como nació uno de los actuales productos estrella de Quibim, llamado QP-Insights. Esta es la plataforma de gestión, almacenamiento y análisis de imágenes médicas para estudios clínicos. Con dicha herramienta, nos explica, es posible hacer "minería de imágenes. Con ella es posible realizar búsquedas entre un gran número de pacientes de forma que se ajusten a ciertas afecciones, algo que para la industria farmacológica es muy interesante". "La resonancia de próstata, que se realiza en apenas 10 minutos, se va a convertir en una prueba diagnóstica como la mamografía" La empresa comenzó a desarrollar otros productos especializados como QP-Brain para estudios neurológicos, QP-Liver para el diagnóstico de enfermedades de hígado y sobre todo QP-Prostate, que es su producto más destacado y que hace uso de sistemas de IA para la segmentación automática y la detección de enfermedades de próstata como el cáncer de próstata. Para este experto, este tipo de herramientas van a ser una ayuda crucial en el diagnóstico médico. Es lo que plantea con QP-Prostate: "La resonancia de próstata, que se realiza en apenas 10 minutos, se va a convertir en una prueba diagnóstica como la mamografía, y con IA se puede detectar aquello que el ojo humano no ve". Un ejemplo de informe de un análisis de una próstata a través de la herramietna QP-Prostate El modelo de QP-Prostate "ha sido entrenado con datos de biopsias". Así, no solo cuentan con datos provenientes de resonancias o con el apoyo del etiquetado de imágenes por parte de radiólogos. Gracias a ello el algoritmo, destaca, "ha aprendido a diagnosticar como un radiólogo, y dado que el ojo tiene mucha variabilidad, [los expertos médicos] necesitan un apoyo". "Había lesiones que [los expertos médicos] no alcanzaban a detectar, y con estas herramientas sí llegan" Para Alberich eso es crucial, porque toda esa información acumulada permite aportar "un valor muy diferencial al radiólogo". De hecho, explica, si el experto ve "una imagen limpia y con valor predictivo negativo, le da mucha calma: si Quibim me dice que no hay lesión es que no la hay". Este tipo de herramientas de IA plantean así una mejora notable en el diagnóstico, porque hasta ahora "había lesiones que [los expertos médicos] no alcanzaban a detectar, y con esto sí llegan". ¿H
La startup valenciana Quibim lleva años trabajando en el análisis y diagnóstico médico basado en inteligencia artificial. Esta empresa anunció recientemente una ronda de inversión de 50 millones de dólares, una cifra notable que permitirá impulsar la expansión de su línea de productos, el desarrollo de sus modelos de IA médica y su expansión global.
En Xataka hemos podido hablar con su fundador, Ángel Alberich-Bayarri (@aalberich), que nos ha hablado de cómo surgió la empresa y, lo más interesante, cómo la inteligencia artificial está revolucionando el diagnóstico médico.
Alberich-Bayarri es de Benicarló, una localidad costera situada al norte de la Comunidad Valenciana. Estudió Ingenería de Telecomunicaciones en Valencia, y durante sus estudios se interesó por la visión por computador y el análisis de imagen, pero se centró en un área específica: la imagen médica.
Aquello cambiaría su vida. Aunque trabajó para otras instituciones durante un tiempo, años más tarde decidió que quería emprender. Acabó fundando Quibim con el médico Luis Marti-Bonmati, líder de opinión en radiología en nuestro país, aunque este último acabó desligándose de la empresa.
Durante esos primeros años hubo un foco fuerte en investigación y también en algo que como él dice para él fue un aprendizaje: "transicionar de investigación a producto". Él había publicado mucho sobre algoritmos aplicados al análisis de imagen, pero llevar esos descubrimientos a algo real es complicado, sobre todo en una industria médica en la que los estándares y la documentación son muy exigentes.
Aun así, Alberich tenía una ventaja importante. Ya en 2014 se dio cuenta de que aplicar aprendizaje profundo (Deep Learning, DL) a temas de detección de lesiones "daba mucha ventaja frente a los algoritmos tradicionales, viví claramente ese cambio que planteaban las redes neuronales convolucionales".
Para el aquello fue un punto de inflexión. "De repente podía automatizar al 100% el proceso para un gran número de pacientes. Antes tenía que ir optimizando por grupos de pacientes, pero con con DL podía crear algo muy generalizable".
Eso sí: había que convertirlo en producto. "Primero quise crear una plataforma genérica para leer y analizar distintos tipos de imágenes para neurología, hígado próstata, mama, etc", y aunque consiguió el marcado CE de "Conformidad Europea", se encontró con un gran problema y una revelación al llevarlo a EEUU: allí no iban a certificar algo genérico, sino que se enfocarían a enfermedades concretas.
Fue así como nació uno de los actuales productos estrella de Quibim, llamado QP-Insights. Esta es la plataforma de gestión, almacenamiento y análisis de imágenes médicas para estudios clínicos. Con dicha herramienta, nos explica, es posible hacer "minería de imágenes. Con ella es posible realizar búsquedas entre un gran número de pacientes de forma que se ajusten a ciertas afecciones, algo que para la industria farmacológica es muy interesante".
La empresa comenzó a desarrollar otros productos especializados como QP-Brain para estudios neurológicos, QP-Liver para el diagnóstico de enfermedades de hígado y sobre todo QP-Prostate, que es su producto más destacado y que hace uso de sistemas de IA para la segmentación automática y la detección de enfermedades de próstata como el cáncer de próstata.
Para este experto, este tipo de herramientas van a ser una ayuda crucial en el diagnóstico médico. Es lo que plantea con QP-Prostate: "La resonancia de próstata, que se realiza en apenas 10 minutos, se va a convertir en una prueba diagnóstica como la mamografía, y con IA se puede detectar aquello que el ojo humano no ve".
Un ejemplo de informe de un análisis de una próstata a través de la herramietna QP-Prostate
El modelo de QP-Prostate "ha sido entrenado con datos de biopsias". Así, no solo cuentan con datos provenientes de resonancias o con el apoyo del etiquetado de imágenes por parte de radiólogos. Gracias a ello el algoritmo, destaca, "ha aprendido a diagnosticar como un radiólogo, y dado que el ojo tiene mucha variabilidad, [los expertos médicos] necesitan un apoyo".
"Había lesiones que [los expertos médicos] no alcanzaban a detectar, y con estas herramientas sí llegan"
Para Alberich eso es crucial, porque toda esa información acumulada permite aportar "un valor muy diferencial al radiólogo". De hecho, explica, si el experto ve "una imagen limpia y con valor predictivo negativo, le da mucha calma: si Quibim me dice que no hay lesión es que no la hay".
Este tipo de herramientas de IA plantean así una mejora notable en el diagnóstico, porque hasta ahora "había lesiones que [los expertos médicos] no alcanzaban a detectar, y con esto sí llegan".
¿Hay posibilidades de falsos positivos? Según Alberich "Al entrenar el modelo con datos de biopsias, se tiene una alta sensibilidad y poco falso positivo".
El sueño del gemelo digital
Una de las áreas en las que está trabajando Quibim es especialmente prometedora. Se trata de las llamadas imágenes de gemelos digitales. Como explican en el sitio web oficial de la empresa, este concepto surgió de la NASA a principios de la década de 2000 y ahora se aplica en varios campos.
Un gemelo digital "es una representación virtual que sirve como contraparte digital en tiempo real de un objeto físico o, en el caso de imágenes médicas, del paciente". Con este enfoque se pueden anticipar las respuestas al tratamiento de un paciente, y de hecho Alberich destaca que este método es "perfecto para previsión de enfermedades".
El problema, explica este experto, "es que en imagen médica tenemos imágenes del cerebro, la rodilla, el abdomen, pero por separado. Es una visión fragmentada porque la tecnología de imagen médica está limitada en cuanto a resolución y tamaño de visión (FoV), así que tienes que verlo por partes".
"El ideal sería un escaner de altísima resolución no ionizante (nada de rayos X)", que lograra ofrecer una imagen completa del cuerpo humano
Para él "el ideal sería un escaner de altísima resolución no ionizante (nada de rayos X)", que lograra ofrecer una imagen completa del cuerpo humano. Normalmente con la tecnología actual te hacen un análisis de una parte del cuerpo porque es la que te duele y a partir de esa imagen intentan diagnosticar el problema, pero quizás el problema no está ahí, sino en otra parte.
El problema no solo está en lograra imágenes de esa calidad y precisión, sino procesarlas. Dichas imágenes "serían muy pesadas, no se pueden entrenar con las GPUs actuales y ahora tendría que trabajarse con versiones con resolución más reducida".
Aun así, explica, "tenemos algoritmos [de detección] muy buenos para el cerebro, próstata, hígado o pulmón. Si conseguimos caracterizar bien cómo es un pulmón o un hígado sano, conseguiremos una tecnología en el futuro con la que se adquiera (escanee) un órgano y el modelo nos diga cosas".
Hay una limitación adicional más: el sueño sería conseguir "resolución celular", señala Alberich, pero eso solo se consigue ahora mismo con la biopsia. Su empresa ya está trabajando con varios socios en el desarrollo de imágenes moleculares para avanzar en esa exploración PET (tomografía por emisión de positrones) de cuerpo entero.
El reto no solo es la tecnología, son los datos
Hay otro obstáculo a la hora de desarrollar modelos médicos de IA cada vez más capaces: conseguir datos para entrenarlos. Como explicaba este ingeniero y emprendedor, "en medicina no tenemos millones de imágenes" para el desarrollo de estos modelos.
No hay una base de datos centralizada con esos millones de imágenes de los pacientes, que entre otras cosas son delicadas e información muy sensible. Las hospitales, nos señalaba, no las comparten, aunque hay iniciativas para comenzar a hacerlo.
"Para hacer investigación o hacer producto necesitas datos"
Como él subrayaba, "para hacer investigación o hacer producto necesitas datos. En dos años igual consigues 5.000 datos, pero eso no es suficiente para la IA". Lo que se hace en esos casos es armonizar la calidad de distintos tipos de imágenes, pero eso puede producir artefactos que luego se filtran con las llamadas medidas de corrección. "Si en nuestros algoritmos detectamos algo de un volumen que no es biológico", explicaba Alberich, "sabremos que ahí ha pasado algo".
Del escepticismo al optimismo
En 2021, nos explica Alberich, "hubo mucha inversión en IA en radiología. Muchas empresas la intentaron probar con radiólogos y ellos dedicaron mucho tiempo a cosas que no llegaron a nada. Eso provocó cierta desilusión y un cierto movimiento de '¿sera útil?'".
Modelo 3D de una próstata segmentada a partir de una resonancia magnética.
Sin embargo, añadía, desde entonces el mercado se ha consolidado, y hay empresas como Quibim que han tenido más visión y quieren resolver un gran problema, y los radiólogos están reconociendo el valor de estas iniciativas. Como nos explica nuestro experto, "se está viendo claramente la tendencia creciente, cada vez más se utiliza más esta tecnología en hospitales españoles y europeos".
De hecho la tecnología de Quibim ya está demostrando ser una ayuda muy importante para los expertos. En un estudio clínico realizado en EEUU y permitido por la FDA, mostraron cómo era posible detectar el cáncer de manera no invasiva. Nueve radiólogos participaron en las pruebas y trataron de detectarlo sin usar los modelos de Quibim y usándolos. Cuando no los usaban, su tasa de acierto era del 79%. Con los modelos de Quibim esa tasa subió al 90% sin generarles más falsos positivos.
La IA no va a hacer desaparecer al radiólogo: le va a liberar de muchas tareas "tediosas"
¿Puede una IA acabar desplazando al radiólogo? Para Alberich "el radiólogo va a seguir siendo imprescindible como profesional porque la biología es muy variante y siempre hay casos en los que el radiólogo es necesario. Cuando entrenas los modelos, esos modelos a veces no tienen representatividad de casos raros o difíciles y ahí los radiólogos son importantes".
Aún así, aclara, "sí creo que se podrán ignorar muchas de las pruebas que se requieren ahora mismo y muchas tareas tediosas. Por ejemplo, si tenemos un valor predictivo negativo muy alto gracias a Quibim, eso permitirá al experto obviar ese caso, que no tendrá que ver porque se fia del análisis de la IA". Eso permitirá evitar que el radiólogo dedique horas de trabajo en ciertas actividades. Puede que haya menos radiólogos, destaca Alberich, pero seguirá habiéndolos.
Los modelos de IA además tienen un futuro prometedor en otros campos médicos, y aquí Alberich tenía claro que "un área en el que se puede mejorar notablemente el proceso es en el del desarrollo de fármacos".
Tal y como él explicaba, estas tecnologías pueden ayudar a predecir en qué pacientes funciona un medicamento y en cuáles no. Es como crear medicamentos personalizados separando pacientes "en base a cómo les funciona a ellos, eso es medicina de precisión".
Alberich nos explicaba cómo cuando diseñas un estudio clínico, estos datos de análisis realizados con la ayuda de la IA "permiten que puedas seleccionar a los pacientes a los que más les va a ayudar el medicamento y acortar así el tiempo de producción". De hecho, ocurre que en ensayos clínicos se incluyan pacientes que no se van a ver beneficiados, y eso implica que el desarrollo del fármaco se retrase y que acabe ayudando a aquellos para los que estaba especialmente diseñado.
Para este experto el futuro es por tanto prometedor. "Estamos en la fase de la detección. El siguiente gran paso es la predicción y luego la prevención".
En Xataka | El examen del MIR 2025 ha sido especialmente difícil este año. Los modelos de IA sacan un sobresaliente
-
La noticia
Quibim es la nueva empresa estrella del mundo de la IA aplicada al diagnóstico médico. Y es de Valencia
fue publicada originalmente en
Xataka
por
Javier Pastor
.
