Así será el FUTURO de la MEDICINA | Quibim #327

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, eh, mi algoritmo le está haciendo fallar al radiólogo, eh, yo soy responsable.

Esto significa que vosotros dais diagnósticos.

Sí.

Eso tiene una responsabilidad tremenda. O sea, podéis, mmm, salvar una vida o, 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 cincuenta millones o 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 pódcast de Itnig. Hoy entrevistamos a Ángel Alberich, fundador y CEO de Quibilum.

Ángel nos dará una master class en medicina, diagnóstico y tecnología. Quibilum 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 Quibilum ha invertido veinte millones de euros en I más D y en desarrollo de negocio y últimamente ha empezado a facturar yendo de dos coma dos a seis millones de euros de facturación muy rápidamente.

Aprenderemos cómo Quibilum 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.

Bienvenidos una semana más al pódcast de Itnig. Hoy estamos con Ángel Alberich. ¿Qué tal, Ángel?

Muy bien. Muchas gracias por, por invitarme y muy contento de estar aquí.

Bienvenido. Ángel es fundador y CEO de Quibilum.

Efectivamente.

¿Qué es Quibilum?

Bueno, Quibilum, eh, lo primero que, que me gusta hacer es explicar por qué, por qué ese nombre, ¿no?

Venga.

Y el nomeeere significa Quantitative Imaging Biomarkers in Medicine.

Quantitative imaging biomarkers in medicine. O sea, biomarcadores cuantitativos en imágenes biomédicas.

Correcto. Eh, ¿de dónde viene este nombre, no? Pues...

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.

Vale. ¿Qué es un biomarcador?

Es un parámetro que se puede extraer a partir de una muestra biológica-

Vale.

...o de una muestra del cuerpo humano o de un tejido.

Vale.

Y que ese parámetro te expresa un comportamiento biológico.

Vale.

Eh, explica un comportamiento fio-- fisiológico, por ejemplo-

Vale.

...del cuerpo humano.

Vale.

Entonces, em, nosotros, cuando yo empecé a investigar vi que podíamos medir a partir de las i-imágenes médicas de resonancia, de TAC-

Vale.

De PET, podríamos medir propiedades de los tejidos.

Vale.

Dijimos: "Bueno, ¿cómo llamamos a estas medidas que estamos extrayendo?" Bueno, las extraemos a partir de una muestra. Es una muestra digital.

Mhm.

Una muestra inmortal.

Una foto, ¿no? General.

Una foto del interior del cuerpo humano a partir de la que podemos medir y, por tanto, vamos a llamarlo biomarcador de imagen.

Vale.

Y así es como empezó toda la línea de investigación, eh, que, que hicimos Incluso antes de, de crear Quibim

Vale.

Y cuando yo decidí emprender y, y arrancar el proyecto emprendedor. Mhm.

Quibim es una empresa que desarrolla tecnología-

Correcto

...para ayudar a hacer diagnósticos a través de imágenes-

Efectivamente

...de, de órganos, ¿no? De, de partes del cuerpo. Vale, cuéntanos cómo funciona este producto.

Pues, ah, nosotros, como, 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, que se nos puede ocurrir, ¿no? Eh, por ejemplo, para ayudar a, 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 e--un tumor está cambiando de tamaño, se está haciendo más pequeño. Es como la medida más básica, ¿no?

O sea, y el marcador sería, eh, la forma y el tamaño de un, de un tumor, por ejemplo.

Por ejemplo.

Vosotros-- Este sería un-uno de los análisis que haríais.

Efectivamente.

Y lo convertiría-- O sea, entiendo yo que, eh, Quibim se conecta a unas máquinas o a unos resultados de unas máquinas y saca informes.

Eso es.

Números. Principalmente, ¿no? Datos que son al final tablas con números o son-

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, 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, a partir de estos datos descubrimos qué biomarcadores nos están explicando qué, que 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, como los tests de COVID que estamos acostumbrados a, 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 la-- el tratamiento está funcionando".

Eso es. Esto es un nivel de mayor exigencia, incluso a nivel regulatorio.

Claro, eso tiene una responsabilidad tremenda.

Efectivamente. Nosotros estamos en un mercado muy regulado, el mercado de lo que se llama dispositivos médicos. A pesar de no ser un dispositivo como tal, que somos, somos un software.

Bueno, siendo un dispositivo de software.

Efectadamente. Y entonces estamos en ese entorno regulado.

Mhm. Esto significa que vosotros dais diagnósticos.

Sí.

Eso tiene una responsabilidad tremenda. O sea, podéis, mmm, salvar una vida o, o no salvar una vida con un error del producto o con una generalidad de producto. Em, ¿cuál es el, el-- 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.

Eh, se llama-

O sea, apoyáis a una decisión de diagnóstico, pero no dais un diagnóstico solos.

Efectivamente.

El paciente no puede recibir un diagnóstico de Quibim sin que un doctor o doctora médico diga: "Yo también lo cri--yo también lo pienso".

Eso es.

Pero ayudáis.

Ayudamos. Eh-

Igual que un estetoscopio también ayuda.

Efectivamente. Sí que es verdad-

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. Es decir, a día de hoy, por ejemplo, hay muchas pruebas que si no se introduce una herramienta, eh, que ayude a la interpretación o al menos a filtrar los que son sanos para que-

Dediquemos tiempo-

D-dediquemos tiempo a, a los- Efectivamente, a los que tienen una patología que hay que abordar y hay que dedicarle tiempo y, y cognición del, del ser humano, ¿no? Y, y que e-ese médico esté pensando. Si no conseguimos quitar esa carga de trabajo es muy complicado. Y nosotros cuando-- o sea, 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.

Yyy, y estar un poco al menos igual que los radiólogos expertos, incluso en capacidades, muchas veces por encima. Es decir, un, 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, 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, la homOLOGÍA con Tesla.

Mhm.

¿No? Tesla, eh, hay un modelo en el cual tú te sientas detrás y el coche decide todo.

Ya.

Te lleva del punto A al punto B y si hay un accidente, Tesla tiene una responsabilidad como si hubiera un conductor, ¿no? Tesla, la empresa, los ingenieros, alguien tiene una responsabilidad como si, como si fuera conductor. Y luego hay otro modelo, ¿no? 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 ha tenido un accidente, la responsabilidad es del conductor que no ha reaccionado cuando tendría que haber cogido volante, apretado un pedal o, o Haber hecho algo. Vosotros, eh, creéis que vais en la dirección del full autopilot.

Em, 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", ¿no?

Pero el ser una ayuda al diagnóstico no significa que yo no tenga una responsabilidad legal. De hecho, ese es un punto muy, muy interesante y uno de mis, eh, discursos siempre ha sido: Yo quiero tener disp-- 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 crea un algoritmo y lo instala en un hospital que se ha entrenado con muy pocos datos

No se lava las manos.

Claro. Es decir, vamos a ver, eh, 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 ochenta y cinco por cien en clínicamente significativo. Esto significa el, el cáncer que te puede producir problemas.

Esta sensibilidad está al nivel de un radiólogo experto. Es el, el nivel de detectabilidad que tiene un, un radiólogo experto en una resonancia magnética. Yo sé que ahí, em, me estoy dejando un quince por cien de pacientes en los que no, no estoy detectando el cáncer y tenemos que vivir con ello. Pero es que es donde estamos a día de hoy la, la ciencia y los radiólogos, o sea, est-estamos en ese nivel.

¿Pero está subiendo este porcentaje o estáis ahí...?

Esta-- Estamos subiéndolo, sí.

Subiéndolo.

Estamos subiéndolo. Eh, 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 ochenta y cinco por cien, lo que luego no puede ocurrir es que mi dispositivo en el hospital esté dando un veinte por cien o esté fallando. Ahí sí que tengo responsabilidad legal.

Yo soy un fabricante.

Tú te certificas con, con una confianza.

Claro.

Y le tienes que entregar obviamente.

Si, si e-mi algoritmo le está haciendo fallar al radiólogo

Sí, sí

...eh, yo soy responsable.

Es como si el coche dice que es capaz de frenar un obstáculo a cincuenta kilómetros por hora y justamente te lo comes y te matas, pues obviamente tiene responsabilidad el

Correcto

El vehículo.

¿Quién utiliza este software?

Principalmente, el médico es nuestro, 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 o un TAC, es el radiólogo el que revisa las imágenes, escribe el informe radiológico y luego el, 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, ¿no?

Tú ayudas aquí al, al, a... ¿Cómo se llama? Radiólogo.

Al radiólogo.

O al médico final.

Ayudamos a ambos. Un poco la, la visión de Quibim es siempre pensar desde el punto de vista del paciente.

Vale.

Es decir, cómo conseguimos maximizar el valor para el paciente y para el, para el clínico final, ¿no? Obviamente vamos a ayudar al radiólogo también, pero ahí sí que nos diferenciamos de, de mucha competencia. Han aparecido muchísimas compañías de IA en radiología.

Porque típicamente el radiólogo lo que hace, eh, es mira unas imágenes

Sí

y hace un informe.

Efectivamente.

Escribe y dice veo un peroné roto

Correcto

grado no sé qué.

Sí.

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

Correcto

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, ¿no? Y sin embargo, el número de radiólogos no está creciendo al mismo ritmo y por tanto, eh, es necesario algo que les ayude a interpretar esas imágenes.

Tenemos más datos, pero no hay más analistas de datos.

Efectivamente.

La inteligencia artificial nos puede ayudar a tener analistas de datos baratos

Correcto

y, y muy potentes.

Y, y mucho más potentes, eh, porque al final el ojo humano tiene capacidades limitadas. El radiólogo, pues obviamente también tiene sesgo de, de automatización, que es que esta, está interpretando imágenes, tiende a ver ciertos patrones, sobre todo el cansancio también, también acusa. Y el tener ahí un compañero o una compañera que te vaya diciendo cuidado con esta zona, este es el grado, eh, elevado de, de alteraciones de este tejido, eso es importante.

Vale, queda más o menos claro a quién queréis ayudar, que es al paciente y quien trabaja con vosotros, que son o radiólogos o, eh, médicos

Mhm.

doctores que utilizan, eh, estos informes y estos datos, pero ¿quién os compra?

Ah, nos compran tanto hospitales como...

Tiene un CIO el hospital, tiene un director de tecnología.

Sí, sí, sí. Ahora ya cada vez más centros tienen un CIO. Ah..

¿Y esa es la persona que viene a vosotros?

Nosotros siempre decimos que, que tenemos que tocar todas las octavas, ¿no? Porque, eh, en la venta a sanidad tienes que convencer a el clínico que te va a utilizar. Y aquí sí que quiero destacar que el clínico es tanto el radiólogo como, como el clínico, al final el especialista, ¿no? El urólogo, el oncólogo que te, que te va a utilizar.

Pero hay muchos en un hospital.

Hay muchos, pero cuando vas a, a quién-- qué producto has desarrollado, ¿no?, al final estás beneficiando a una área, a una área terapéutica concreta. Por ejemplo Si analizas Quibim 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?

Eh, este producto detecta en una resonancia magnética sin la ayuda de nadie automáticamente dónde está la próstata.

Vale.

Analiza las regiones, que parece que no, pero es un te-- es un tejido y es una zona oculta. Eh, además, te busca lesiones, eh, en el interior y, y lo hace utilizando inteligencia artificial, ¿no? Y te dice: "Bueno, esta es un área con un cáncer clínicamente significativo". Que significa que el que hayas detectado esa lesión, ah, va a acabar en un impacto para el paciente, ¿no?

Y esto le permite a los radiólogos, por ejemplo, mejorar un diez por cien su sensibilidad cuando usan nuestra herramienta.

¿Significa que se les escapan menos negativos?

Se, se les escapan menos negativos. Eh, 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.

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.

Vale.

Digamos que un hospital tiene un conjunto de especialistas y dentro de ese, de ese hospital suele haber un liderazgo en, en cada patología, ¿no? Sobre todo en los centros más grandes. Por ejemplo, eh, un uno por cien de los radiólogos sabe informar bien las próstatas. Lo mismo ocurre con el, la enfermedad de Alzheimer.

No todos saben.

Entonces, en este hospital, eh, ¿Quién dice: "Tenemos un problema o área de mejorar en la detección de cánceres de próstata, busquemos proveedores tecnológicos"? ¿Quién dice esto?

Am, esto puede venir de los radiólogos o de los urólogos.

Vale.

Am, o también de los gestores de los hospitales que, que vean que necesitan acortar tiempos, necesitan resolver una situación que puedan tener de, de sobrecarga, ¿no?, en ese tiempo de, de trabajo. Y, 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 prueb-- una prueba diagnóstica es mejor.

Claro.

Y al final los clínicos dicen: Oye, es que tenemos evidencia de que en estos tres mil 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 Quibim, 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-

Eso es

...pasarlas por un algoritmo de inteligencia artificial, que por cierto yo vendo-

Mhm.

..y, mm, detectaremos más casos más temprano y salvaremos más vidas, ¿no?-

Eso es

...o ahorraremos molestia a los pacientes en el proceso de...

Eso es-

De detección

...porque lo que decimos mu-- 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 TAC o te hacen un PET. Pero eso es el modelo que llamamos sick care, ¿no? Es 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, 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, eh, nosotros ya podemos detectar de manera muy temprana los efectos del Alzheimer en, en un cerebro, pérdidas de la sustancia gris en una zona.

E-eso son técnicas que ya tenemos disponibles.

Aparte de ver una imagen de una próstata-

Mhm

...y detectar potenciales signos de cáncer, ¿qué más hacéis? Cuéntanos los productos que tenéis.

Sí, pues tenemos, eh, otra herramienta también aprobada por Europa y por Estados Unidos para cerebro, eh, principalmente en lo que son pérdidas de la sustancia gris.

¿Qué es esto?

Nosotros en el cerebro tenemos sustancia gris, que un poco como los cuerpos de las, de las neuronas, ¿no? Lo que es la célula. Luego tenemos la sustancia blanca, son esas conexiones o lo que es, digamos, el, el axón de la neurona, como se llama. Y luego tenemos el líquido. En, en el cráneo tenemos líquido cefalorraquídeo, sustancia gris y sustancia blanca.

Vale.

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, que puede haber, eh, por ejemplo, pues enfermedades neurodegenerativas que no sean, eh, Alzheimer o demencia. Todos conocemos Parkinson, enfermedades psiquiátricas.

Nosotros en, en investigación hemos ido demostrado 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-

Mmm

...antes de que haya causado efectos visibles en la persona? O sea-

Sí

...va antes el, 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, y sobre todo puedes explicar, que aquí esto vaya mucho más allá, ¿no? Pero puedes explicar incluso, eh, efectos, eh, que ves en las maneras de, 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, y esto lo hací-

¿Y puedes hacer algo al respecto?

Puedes hacer algo al respecto. 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?

Ah.

¿En qué momento se está aplicando en el trato de un cliente?

Principalmente se aplica en, en enfermedad de Alzheimer-

Vale

...detección temprana y en esclerosis múltiple.

Pero ¿qué quiere decir detección temprana? O sea, yo no-- yo no he ido a hacerme este test, por ejemplo.

No, porque todavía no es guía clínica. Entonces, si miras nuestras ventas-

O sea cuando dice la guía clínica.

Claro. Eh, a ver, a día de hoy, los innovadores, los early adopters de, 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.

El cliente va y dice: "Escanéeme todo".

Sí.

"Búscame, ¿no?" E-prevéme todo lo que puedas, enfermedades que pueda tener.

En realidad hay centros sanitarios que, que no hace falta que lo pida ni el cliente ni el usuario, sino que i-imagina que eres un servicio de radiología, de imagen médica que tiene máquinas de resonancia o de TAC y tú quieres que ca-- quieres dar un nivel diferencial de, digamos, de capacidad de, 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, eh, los centros de análisis, ¿no?, que muchas veces son independientes de hospitales-

Correcto

...o de, 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, 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, eh, dime el volumen del hipocampo de este paciente y lo clasificaré, porque hay más factores también implicados, ¿eh?

No, no estoy intentando simplificar aquí la, la enfermedad de Alzheimer.

Difícil de simplificar cuando-

Sí

...la audiencia no tenemos, eh, formación médica. Explícanos qué más productos tenéis. Nos has dicho dos.

Sí. Hemos lanzado- Efectivamente, a día de hoy estamos haciendo mil pacientes al mes. Pero eso un poco-- solo de, solo de esos software. Luego tenemos unos tres mil 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 QuP Insights y sirve para-- Le cargamos ahí muchas imágenes médicas, mucha resonancia, mucho TAC 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.

Claro. Eso es como el entrenamiento de la AI básicamente.

Efectivamente.

¿Esto lo hacéis vosotros o vendéis la plataforma para que los centros médicos hagan su propio entrenamiento?

Nosotros, eh, 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, no trabajamos modo consultora vendiendo horas de ingeniero o ingeniera a una farma o a un centro sanitario, sino que lo que hacemos es les vendemos QuP 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, nos quedamos la propiedad intelectual, porque esa detección de esa, ese vínculo entre los biomarcadores y lo que les ocurre a los pacientes en un futuro-

Esto lo podéis usar-

Efectivamente

...vosotros para influenciar las guías médicas-

Correcto

...o para mejorar vuestros algoritmos de detección y based en imágenes.

Efectivamente, y porque es gracias a nuestros algoritmios 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 Quibim, ¿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, eh-

O sea, una máquina de radiografía, de TAC, de resonancia, de lo que sea-

Sí

...más o menos son todas iguales.

Si nosotros trabajamos, trabajamos con un concepto que se llama Real World Data, ¿vale?. Es la parte que más nos, 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 farma que tenga un conjunto de datos enorme y poder convertir esto en información.

Todo te vale.

Todo me vale.

No 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, eh, 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 setenta 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 farma no tiene capacidad de homogeneizar.

No.

Es-- y vosotros sí.

Sí.

Vos lo habéis hecho.

Y cuando la farma o la CRO, que es como una compañía a la que la farmta contrata para realizar los ensayos clínicos , simplemente recogen la imagen, hacen mediciones básicas en, en los tumores, que es el cambio de tamaño del tumor. Y esto es lo que a día de hoy guía, eh, el que se diga si un fármaco está...

Si el paciente está respondiendo a un fármaco o no, es si el tumor está cambiando de tamaño.

Fascinante. Yo creo que con nuestra, o al menos con mi, eh, 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.

Vale. Cuéntanos, em,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, de venta?

Es una, es una combinación. Nosotros hemos hecho mucho marketing, mucha comunicación. Si ves QuibiM es una compañía eminentemente tecnológica. No, no somos todavía una maquinaria de ventas. Esto lo tenemos que construir ahora a partir de, de, de la financiación que estamos levantando. Eh, pero básicamente hemos sido nosotros.

Hemos contado la historia, hemos sugerido la utilización de la imagen médica y hasta ahora, pues tenemos cuatro grandes farmas que están trabajando con nosotros en esta línea.

Vale, o sea, son poquitas, pero muy grandes.

Sí. Te-tenemos muchas más biotech, ¿eh? Y compañías pequeñas y, y estamos haciendo ensayos en, en Estados Unidos, pero digamos que logos que el mundo reconozca, tenemos cuatro, cuatro grandes farmas.

¿Y una vez llegas a un acuerdo, em, qué contratos se firma? ¿Cómo funciona un acuerdo así?

Es muy diferente en función de, de la compañía, pero nosotros-

Ponme un ejemplo.

Nosotros hemos creado un modelo de colaboración que para nosotros es re-relativamente estable. Em, 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-- Quibim tendría el riesgo de, como, como he comentado antes, de ser un poco consultora, ¿no?

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, 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, una farma. entonces ahí establecemos un modelo de colaboración donde decimos: bueno, Quibim 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 cribrar 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, mmm, ehm, gráfica a un, a, mmm, a un paciente, le puedas ayudar a hacer un diagnóstico.

Eso es, cuando ya tienes certificación.

Ahora mismo tu negocio es sobre todo las farmas-

Sí.

Pero tu visión es sobre todos los, 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, neuro, hígado. Ya hemos en-- empezado a desplegar a escala el modelo SaaS. Es decir, tenemos la parte que llamamos de Software as a Medical Device, el dispositivo sanitario, que es lo que puede-

Y eso se vende a los hospitales.

Efectivamente.

No a las farmacéuticas.

Correcto. También hay farmas que nos compran SAS, que nos compran el, el software as a medical device, porque tienen un conjunto de pacientes y lo quieren pasar, lo quieren analizar con, con nuestro dispositivo. Pero digamos, no es el modelo que te estaba contando antes. Pero lo vendemos a hospitales y en eso-- en los hospitales directamente este algoritmo te analiza un paciente, te da el resultado y te responde a la pregunta que, 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, hay que seguir.

Me estás hablando de, de que vais a riesgo con esta farma -

Mhm.

Que quiere decir que empezáis a desarrollar el modelo y entrenarlo sin cobrar nada. Pero una vez empieza a funcionar, les empezáis a cobrar.

Sí.

¿Qué les cobráis?

Les facturamos lo que llamamos los out of pocket expenses, ¿no? Que es un poco al final los gastos que sí o sí va a tener esta, esta colaboración. Por ejemplo, tenemos almacenamiento cloud, eh, tenemos etiquetado de datos. Efectivamente.

Y luego, ¿qué les cobráis? Cuando empiece a funcionar y les empieces a servir a la farma, ¿qué le cobráis?

Luego tenemos fees de, por ejemplo, fee a éxito o fee a exclusividad. Estamos hablando de deals que pueden estar por cincuenta millones, por ahí aproximadamente.

Cincuenta millones de euros.

Sí.

Al año.

En el deal completo.

En un pl-- en un proyecto multianual.

Eso es, un proyecto multianual.

Porque todavía no estáis facturando cincuenta millones.

Correcto.

Vale, pero potencialmente pueden llegar ahí.

Efectivamente.

Vale. Em, háblanos un poquito de los economics de la empresa.

Sí.

Vosotros, eh, empezáis

Eh, con capital propio. Eh, conseguimos financiación de Lanzadera al principio, eh, un, un préstamo de, de unos doscientos mil, que era la tercera edición de Lanzadera, inauguramos, eh, Marina de Empresas y la verdad es 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, no puedes desarrollar de cualquier manera, tienes que seguir una normativa, auditorías.

¿Desde el principio?

Desde el principio. Mmm, si lo, si lo quieres hacer bien, si no tienes que, que hacer todo el trabajo, ¿no? 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 pues adoptar toda una serie de requerimientos, eh, de trazabilidad en todo lo que desarrollamos.

Se nos llama fabricante de producto sanitario. Por lo tanto, estamos inscritos como fabricantes de productos sanitarios en la Agencia Española del Medicamento. Eh, 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, y es, eh, algo que se infraestima cuando estás en el mundo de la investigación.

Seguramente es donde mueren casi todos los proyectos-

Sí.

de investigación-

Sí.

médicos o hardtech.

A día de hoy estoy mentorizando a, a bastantes emprendedores y, 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 un-- una herramienta clase dos, porque..."

Intenta saltarse...

Sí, no estoy dando un diagnóstico.

los requisitos.

Y yo digo: No, sí que estás dando un diagnóstico o sí que está siendo una ayuda para el diagnóstico. No pasa nada. N-no intentes ir, mmm, demasiado rápido, porque entonces no vas a conseguir captar a un inversor potente. Al final, los inversores buenos quieren ver que vas a l-- a lo grande, ¿no? Y si vas a crear un algoritmo-

O sea, no te escondes de los problemas grandes, sino que los superas.

Claro, es, es algo que es duro, pero tienes que abrazarlo. Tienes que abrazar lo difícil.

Tú cuando has empezado Quibim 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.

Mhm.

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 dispositiv-

Sí.

médico.

Hay una diferencia, que es que yo siempre digo: Cuando yo empecé, no lo hice, mmm, 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 diez años.

Tenías mucha confianza-

Sí.

en el éxito-

Sí.

en el mercado-

Sí. Sí, sí, sí.

de este producto.

Sí. De hecho, yo al equipo-

Qué suerte.

al equipo, eh, 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 diez años después cambian las guías clínicas y ahora es cuando el producto, eh, ya es una-- un producto de IA para, para uso clínico, ¿no?

Pues 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 Parteq y Adara.

Es la primera ronda VC grande.

Hicimos la primera ronda VC ahí, fueron trescientos sesenta K. Luego hicimos un millón, 2021. Eh, hicimos unos siete 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, eh, dos coma dos.

Millones de euros de facturación.

Eso es.

Principalmente todavía a las farmas.

Eso es. Y ahora creciendo ya-

Conseguir certificar, ¿no? A finales del año pasado el primer producto. Ahora estaréis certificando varios.

Efectivamente. Y ahora estamos ya creciendo, digamos, en 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 leído mal, a seis millones de facturación.

Sí.

¿Seguirá siendo casi todo farmas o ya hay un porcentaje relevante?

No, ya hay un porcentaje relevante porque anunciamos también en, en octubre del año pasado que cerramos un, un deal con-- muy importante con Philips.

Philips, que aparte de hacer teles y lavadoras y no sé cuántas cosas, hace un montón-

Sí.

de dispositivos médicos que tienen que costar una millonada.

Bueno, pues ahora Philips, eh, 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 Phillips prácticamente es dispositivo sanitario.

Estas marcas son una locura, ¿eh? Como emprendedor todo el mundo te dice Focus, focus, focus.

Sí.

Y tienes a Yamaha haciendo guitarras, motos-

Sí.

y cohetes. ¿Cuál es el deal que habéis hecho con, em...?

El deal es-- Las resonancias magnéticas a día de hoy se-- digamos, pueden mejorar muchísimo si incorporan tecnología de IA, digamos, directamente ya en la propia máquina, vale. Es decir, la manera en la que Quibim funciona a día de hoy para que se entienda-

Porque la máquina saca píxeles.

La máquina saca imágenes, pixeles.

Saca imágenes.

Efectivamente. Pero ¿cómo, cómo funciona Quibim hoy en un hospital? Nosotros nos conectamos al repositorio de imágenes del hospital que se llama PACS, 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, con Microsoft, que es un poco nuestro proveedor ahí y devolvemos los resultados de esos análisis de vuelta al, 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, eh, 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.

Mhm.

Más de la mitad de la foto es la inteligencia artificial-

Sí

...que mejora la luz, los balances, los colores en la photo. Eso está pasando también en este-

Sí

...tipo de-- ¿Vosotros estáis haciendo esto?

Nosotros-

¿O eso lo hace directamente...?

Esto lo hace directamente el fabricante.

El fabricante. Va a ser lo mismo que pasa en la cámara-

Sí

...en el, en el software del smartphone también está pasando ya en la máquina de radiografía de TAC-

Sí

...de resonancia

Y orientado a que el paciente esté menos tiempo en la máquina. Por ejemplo, ahora-

A la efectividad-

Sí

...de, del-

Porque-

...del escaneo ...gran parte de la imagen se puede regenerar o reconstruir con alta calidad gracias a deep learning, ¿no?

En lugar de hacer siete photos y componerlas, haces una rápida y luego tú ya vas sacando trabajo derivado de, de esa única exposición a la radio-

Sí

...logía, como se llama.

Sí, sí, la resonancia, eh.

Que, que, que traes, eh. Vale. Entonces, d-dos coma dos millones de facturación el año pasado, en camino de seis este año.

Sí.

Vais on plan.

Sí.

Enhorabuena. Eh, habéis levantado un poquito más de veinte millones de euros, creo hasta la fecha. ¿Cuántos de estos veinte millones habéis gastado o invertido en, eh, research ni I+D?

Am, yo diría la inversión hasta la fecha en, en investigación ha sido un sesenta por cien, sesenta y cinco por cien.

De los veinte millones.

Sí.

O sea, los habéis gastado casi todos ya.

Sí, sí.

Vale, ¿y eso son programadores, son doctores o qué tipo de perfiles son?

Sí, prácticamente tenemos, eh, un noventa y tres por cien de perfiles son titulaciones superiores, eh: ingenieros, científicos de datos. Tenemos ingenieros de teleco, ingenieros informáticos.

A mí la titulación me importa menos.

Sí.

Qué hacen o qué saben hacer.

Hacen data science.

Vale.

Sobre todo. Em, por ejemplo, tenemos tanto desarrollo de plataforma, lo que es la plataforma de datos.

Esto sería parecido a lo que hacemos en Factorial.

Sí. La infraestructura-

Tenemos gente haciendo plataformas-

Efectivamente

...con el, con el, el ci-- el certificado educativo que sea, pero es gente que es programadora-

Sí

...que diseña sistemas.

Luego hay unos que hacen los algoritmos.

Vale, que estos son programadores também.

Son programadores, pero-

Especializados en machine learning.

Eh, efectivamente, 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-

Todo esto son, son programadores en, de diferentes tipos. ¿Hay doctors, médicos?

Ah, 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.

Vale. Médico quién es-

Son ingenieros biomédicos, por ejemplo

...médicos tienes.

Médicos tenemos— El director médico es un oncólogo, Quibim Chief Medical Officer. Y luego el resto de radiólogos que tenemos son externos. Los contratamos para proyectos que tenemos concretados.

O sea, la gran mayoría de tu inversión es, eh, software y modelos y plataforma.

Y estudios clínicos también.

¿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 esa, ese estudio y, digamos, no le pagamos a 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, 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 por-- 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, eh, cuando tú quieres crear un, un medical device, quieres la certificación que toca y vas a emitir diagnósticos, tienes que ir en serio y, y tienes que, eh, 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 mi-- y m-me voy a ver el bottom line y digo: los costes aquí no son reales.

Esto, esto no es real. O sea, n-no estás considerando un escenario regulatoria.

Es muy caro llegar a estar bien regulado a mercado.

Sí, es muy caro.

Es muy caro.

Mmm.

Vale. De-- has dicho sesenta por cien lo habéis invertido en I+D. ¿Y el otro cuarenta porcien dónde ha ido?

Bueno, hay una parte importante en regulatorio-

En este. En este millón y medio

No, no, no. Esa parte la ponemos I+D porque son estudios clínicos. Luego tenemos un equipo de regulatorio completo. Pues tenemos, digamos, el equipo que prepara toda la documentación las auditorías, las ISOs... No, son ingenieros también.

Son ingenieros también. Es todo ingeniero esto básicamente.

Sí, so-son ingenieros, porque al final trabajan con, 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, ¿no?

Y esto es grande también. Esto es grande, sí, sí, sí. Es un equipo muy, muy especializado. Son las especificaciones de cómo funciona el software.

Sí. Apenas encuentras perfiles que sepan de regulatorio en España.

Parece supernicho esto.

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, ¿no?, para generar- Sí. También nos interesa, y, 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, eh, no somos ni una medtech pura ni somos tampoco una compañía de ciencias de la vida al cien por cien.

Entonces, somos parecida-

¿Cómo defines medtech tú?

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. Y esos nuevos fármacos tenéis dos patas. Estamos- Y necesitáis las dos patas.

Y necesitamos las dos patas, efectivamente, ¿no? 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, el ADN de, 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, ¿no?

Eso es lo que yo quiero con QuibiM. Es decir, quiero crear un modelo de negocio basado en información extraído a partir de la imagen. Y a día de hoy solo, eh, en el mercado encuentro compañías que están orientadas a workflow. Hacer 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, en redes, en revistas científicas de, 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-

Correcto Efectivamente.

De, de que esto es una posibilidad.

Sí.

Y vaya cambiando la guía médica para que los hospitales vengan más a buscaros.

Eso es.

Os sumen más a vosotros y obviamente, idealmente, que mejore la salud y la vida de los pacientes, ¿no?, que es el objetivo final.

Eso es.

Vale. Em, has hablado de que seguís levantando capital.

Mhm.

¿Cuál es el pitch ahora? ¿Cuál es el-- la próxima etapa para QuibiM?

Ahora la próxima etapa es, eh, crear una maquinaria de ventas.

Ya hay producto, ya hay medical device aprobado.

Hay producto.

Eso tiene que llegar a todos los hospitales del mundo.

Efectivamente. Ahora, eh, estamos teniendo muchas peticiones de, 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.

O sea, la implementación es fácil.

La implement-- es muy fácil y esto nos está permitiendo escalar.

El software escala muy bien.

Está escalando muy bien. Eh, estamos subiendo un cuarenta por cien cada mes en, en número de pacientes ahora mismo, eh, month on month. Y-

¿Cómo les cobráis a los hospitales? ¿Cuál es el pricing?

Muy interesante porque vamos a tener-- y a, a día de hoy tenemos un modelo, pero vamos a tener dos. Y, y te explico porqué. El modelo que tenemos de, de base es un modelo SaaS, donde tenemos una fee por año que se ajusta en función del número de, de estudios, el número de exámenes de, de próstata o de neuro que han-

O sea, que como más, eh, 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 cuarenta por cien mes a mes-

Sí

...de pacientes es brutal porque repercute 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, eh, por ejemplo, el británico, donde digamos, hay compra o hay recomendación relativamente centralizada de, de lo que se tiene que hacer desde los gobiernos, ¿no?

Pero por ejemplo, em, en otros entornos donde vas más por aseguradoras y tienes que hacer una negociación-

Como Estados Unidos

...como Estados Unidos o, o como Alemania, eh, 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, 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, Center for Medicare and Medicaid. Este es un, es una entidad centralizada en Estados Unidos que negocia los tratamientos disponibles y- Mmm, e-

Dónde están cubiertos y dónde no.

Digamos que junto con la AE-- la American Medical Association, que es un poco la asociación de médicos de diferentes especialidades, determinan qué prueba, eh, es merecedora de un código CPT, que llaman ellos un CPT code.

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 CPT 3 y esto es temporal. Luego tienes que demostrar que hay adopción y ya cuando pasas de un CPT 3 a un uno, tienes que demostrar que tienes cobertura y te pagan por ello.

Entonces, esta negociación tiene que hacer con las aseguradoras directamente. Y sí que tienes un precio recomendado por prueba, ¿no? Por ejemplo, a día de hoy tenemos competidores que para algoritmos de IA completamente autónomos están cargando unos doscientos dólares por prueba .

Hay-

Una fortuna.

Bueno, ellos-- o sea, hay, hay competidores también que han incluido un médico en lo que es la generación de los resultados. Es decir-

Pero ya no es un algoritmo entonces

...ya no es únicamente un algoritmo. Te, 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 novecientos. Entonces claro, facturación de la compañía es mayor, pero tienes, tienes ese coste, ¿no? Nosotros somos más partidarios de, de ir a por algoritmos de IA completamente automáticos.

¿Y qué cobráis por prueba, por ejemplo?

Bueno, nosotros todavía no tenemos el precio-

Desnegociado

...determinado. Estamos ahora mismo haciendo el proceso de, de reembolso para conseguir ese código CPT 3.

En Estados Unidos.

En Estados Unidos. Lo tenemos como objetivo de tener ese código en el año 2025.

Ostras.

Sí. Y, y bueno, lo-- el conseguir el código no es la parte que, que más me preocupa. La parte que más me preocupa es tener un equipo muy potente de, de acceso a mercado en Estados Unidos para la negociación de esa-- de que estas pruebas se cubran por las aseguradas.

Ese es el equipo comercial al final.

Sí, es una vertiente del equipo comercial que llamamos el market access, que, que está acostumbrado a negociar un poco-

Que tiene los contactos.

Efectivamente. Mhm.

Conoce los procesos regulatorios.

Las personas y todos esos temas.

Los lobbies.

Eso es. Mhm.

Vaya mundo.

Mmm. Sí, sí, sí. Es un mundo del reembolso de, de las pruebas médicas.

Vale, entonces, eh, queréis capital. ¿Cuánto?

Pues, ah, a día de hoy estamos levantando una serie A, estamos ya en proceso de, de cierre de esa serie A.

Ah, vale. O sea, ya tienes un term sheet.

No tenemos todavía term sheet.

Vale, estás en proceso.

Estamos en proceso. Estamos ahí en, en mitad, en mitad del proceso. Eh, hemos hecho un primer cierre en, en enero. Eh, ha sido un cierreee de la, de la mitad de la ronda.

Cuando dices cierre, quieres 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, no soy de, de, del humo aquí. Sí, hemos hecho trece 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, estoy, eh-- de hecho, no, no puedo comentar mucho sobre esto.

Vale. Este tipo de VC, sin decir los nombres, eh, 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 superespecializado en salud.

Es superespecializado, sí, em, digamos-

¿Pero es BC?

Es BC.

No son empresas. O sea, no es Samsung o Philips o...

No, no, nosotros ya, ya empezamos con, con los partners que, que tenemos ahora y son fondos muy buenos. Desde el año 2020, eh, entró Amadeus Capital como lead investor, eh, Partech, Apex, eh-

Partech es generalista.

Cierto, pero no era lead-

Yo he hablado con Partech.

Sí, pero no, no era lead de la ronda.

Vale, o sea, se suma. Pero hay un líder que conoce mucho del mundo médico-

Mmm.

que es el que…

Sí, en este caso Amadeus yo creo que tenía una combinación entre tech y, y mundooo Life Sciences adecuada que nos, nos ha llevado al nivel en el que estamos ahora, ¿no? 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 Quibim es parecida a otro tipo de empresa de software. ¿Cuál es la dilución de una ronda así o de una serie típica?

Mmm. Depende de, mmm—a ver-

¿Cuánto te gustaría a ti que fuera? Bueno, cero, pero no, pero siendo realista, ¿cuál, cuál es el, el tipo de dilusión?

A ver, yo creo que los- ...los tipos de dilución clásicos están en un veinte o un treinta por cien o por ahí de las rondas importantes. Mhm.

Vale. Treinta es mucho.

Sí.

Veinte también, ¿no? Todo lo que sea más de cero es mucho, pero treita-- o sea, si tú divides treinta por cien varias veces, te délidis 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, eh, eso también se refleja en la compañías, ¿no? Nosotros tenemos, por un lado, lo que es Quibim, la parte tech, pero por otro lado la parte life sciences, esta categoría de, de la que yo hablo, ¿no? Entonces ahí también se, se percibe, ¿no? Estamos al final aspirando a ser una compañía de, de muy alto impacto, em, sobre todo vinculándolo al beneficio que le podemos aportar a una farma.

Ahora mismo, por los datos que tenemos, un poco acortar el desarrollo de un fármaco seis meses para una farma significa dos coma cinco billion más de revenue.

Iba a decir cientos de millones, pero bueno, dos coma cinco billion no está mal.

Sí. En-entonces, digamos, si yo hubiera querido crear una compañía de cien millones, doscientos millones de, de valor, mmm, a largo plazo, habría creado solo un algoritmo y, y, y ya está. Pero aquí estamos creando una plataforma con un modelo de información a partir de la imagen médica.

Queremos que Quibim sea ese gran líder en imagen médica radiológica e IA en, en el futuro, ¿no? Para pharma y hospitales.

Tú me estás justificando, que te lo compro, eh, por qué merece la pena diluirse más. Porque el horizonte está muy lejos y se puede llegar a tener mucho impacto. Pero luego hay otra, eh, dimensión, que también creo que es, eh, interesante comentarla, que es el porqué hay más dilución, que es al final, como hay procesos de investigación muy largos-

Sí

...que cuestan mucho dinero El valor del dinero es más alto-

Efectivamente.

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, ¿eh?-

Sí.

Pero tiene menos valor el dinero. Entonces sube la valoración porque el capital es menos impactante.

Mhm.

En una empresa donde hay que hacer un gran desarrollo, tener dinero para aguantar ese tiempo es clave-

Eso es.

Con lo cual el dinero es más importante, ¿no? Y si te vas a una empresa de, de desarrollo de producto físico de hardware, ahí todavía es más importante el-

Sí.

Capital, con lo cual todavía es más grande la dilución y en el extremo, mmm, el ún-- no hay premium, ¿no? O sea, una ronda de cien millones, la valoración posson cien millones. Porque nada más aporta valor, ¿no? En, en el mundo de la tecnología, pues el capital humano, el talento, tiene muchísimo valor.

Eso es.

Pero como más valor tenga el, el dinero, pues más te vas a diluir. Y tú estás ahí en un entremedio, ¿no? Entre una empresa puro biotech, eh... con mucho hardware y con una, con un CAPEX de la hostia y una empresa software con procesos de iteración muy rápida.

Es una muy buena descripción.

Es interesante. Es que no hacemos mucho de tu mundo y estoy aprendiendo un montón hoy. Em, has-- luego también hay un tema de, del precio, porque yo me imagino que el coste marginal de estas máquinas-

Mhm.

Es muy bajo. O sea, si, si, si yo- No, de la máquina. O sea, si yo ahora monto aquí en la calle, donde estamos aquí en Pujadas, en Barcelona, ¿no?, monto un quiosco donde tú entras, te pones así como en el aeropuerto, ¿no? Te hace unas fotos, unas cosas. El coste de electricidad y de amortización de la máquina pueden realmente margina-marginalmente ser, ser muy bajos por paciente, ¿no?

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 trescientos euros la prueba. Pero al extremo podríais bajar el precio de una manera radical y hacer que todo el mundo preventivamente, una vez cadaaa, cada año vamos a poner, se hiciera un escaneo completo por cien euros de todo una vez al año, ¿no?

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.

Sí.

O ahorrarse, eh, una intervención que cueste mucho dinero o ahorrarse una biopsia que cuesta mucho dinero y mucha molestia, etcétera. Vamos para allá.

Sí, has leído mi futuro emprendedor, mi fu-- mi proyecto vital.

¿Qué 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, y tenemos que crear equipos.

Tú ya estáis al nivel de un radio-radiólogo experimentado, has dicho.

En muchas áreas anatómicas sí.

Vale.

Pero todavía- Claro, pero todavía falta. Eh, a ver, nosotros ya hemos realizado, por ejemplo, estudios en este sentido. Hicimos un proyecto aquí en Girona, em, que fue en colaboración, eh, financiado por La Marató con doctor Josep Puig, donde hicimos dos mil voluntarios de, de Salt y otras ciudades de, de alrededor, eh, dos mil voluntarios sanos.

Un grupo estaba por encima de cincuenta años, otro por encima de dieciocho. Y esto era un camión con una resonancia en mitad de la plaza- Eso me encanta Haciendo voluntarios. Y lo que vimos ahí, eh, fue importantísimo, porque vimos que un 10 %, eh, tenían ya oclusión de las carótidas como para poder tener un ictus en los futuros tres años.

Y estos fueron luego al médico a 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, pero-

O tratar de manera adelantada.

Claro, es que es, eh, mucho más eco-- coste eficiente hacer un tratamiento preventivo, como es colocar un stent y seguir esos pacientes de cerca.

¿ Qué es un stent?

Es un dispositivo en dentro del vaso que se-- es como una malla.

Dentro de la sangre.

De-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 ictus.

Por ejemplo. Efectivamente. Entonces-

Y entonces garantidamente puedes decir: Oye, ¿te interesa hacer esto? Y te ahorrarás una, una falla al corazón, que le llamamos vulgarmente.

Y te vamos siguiendo, ¿no? 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 va seguimiento a esos pacientes.

Entras por la pierna y lo colocas en el cuello.

Sí. Sí. Entras por la, por la femoral con, con un catéter y empujas. Y cuando llegan a la altura de la carótida sueltan el stent, 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, es una intervención.

Vamos a seguir sanos.

Sí. Pero bueno, esto es mucho más coste eficiente que el tener un ictus.

Sí claro. Que luego encuentren en mitad de la calle tirado mal en el suelo.

Iros familiares yyy todo lo que es el impacto indirecto también, ¿no? Entonces este es un, 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, em, 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? De: 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 te-- no sé por qué los vinculamos, ¿no? El sistema sanitario está preparado para X.

Para el modelo sick care.

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, ¿no? Exactamente. Que dices: Oye, 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 si-- mmm, porque no lo hemos detectado.

O sea, el de la rodilla se va a esperar y vamos a salvarle la vida al otro-

Sí.

Que no el sick care que dices tú, ¿no?, que quizá el que, el que no llora no mama y el que se queja mucho ocupa los recursos sanitarios-

Correcto.

Pero no estamos siendo... No estamos maximizando el valor humano.

No, yo creo que sabiéndolo gestionar bien, aplicando una buena gestión, son-- seríamos capaces-

Es un gran condicional.

Te-te-tenríamos un modelo preventivo basado en imagen, eh, perfectamente, pero creo que esto va a venir más empujado por los pacientes. Por ejemplo, hay compañías en Estados Unidos como Prenuvo o como Esra, son compañías-- todos hemos visto a Kim Kardashian, ¿no?, en, en Instagram, que se hizo una foto con una resonancia magnética.

Eso es de nuestros amigos de-

Yo no la he visto, pero cuéntame más.

Pues, pues una compañía, eh, con la que colaboramos, son, eh, Prenuvo en, en Estados Unidos, y básicamente ellos te hacen un scan de todo el cuerpo, eh, dos mil quinientos dólares. Claro, esto no se está haciendo a toda la población.

¿Esto es el CT scan?

No, es una resonancia.

Resonancia, vale.

Sí, porque el CT scan, eh, es el que usa radio ionizante.

Vale.

El CT scan no, 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. El TAC lo haces para, para una infinidad de aplicaciones, ¿no? Pero precisamente un escáner de todo el cuerpo con resonancia magnética, eh, lo puedes hacer con... Lo puedes hacer fácilmente, ¿no? Es una-

Hay una empresa sueca que se dedica a eso también.

Sí, Neko...

Por ahí viene.

Los de Spotify.

Exacto, de Daniel Ek, es, es, eh, uno de los fundadores.

Ellos tienen ecocardio también. Entonces, este tipo de, de compañías van a, van a evolucionar. Yo ahí el punto, y, 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 dos mil quinientos dólares o tres mil dólares.

Un producto muy premium.

No vas a tener... Si tú quieres de verdad detectar, digamos, la patología de, de la población, no vas a tener una muestra representativa de la población. Tenemos que conseguir bajar precio monetizando datos ahí. Es decir, hay que-

A las farmas.

Hay que extraer valor de ahí, ¿no?. De esos datos.

Quién, quién-- o sea vosotros por modelo de negocio no os vais a dedicar a esto.

No, de momento no.

Tal como me has explicado Quibim. O sea, ahí-

Sería un cambio demasiado grande. Lo he pensado muchas veces, pero sería un cambio demasiado grande.

Claro, no, no, o sea, eh, porque al final hacer una industria, una economía, ¿no?-

Mhm.

Tan grande como la de la salud-

Sí

Más eficiente es cojonudo. Pues que además salvar vidas es muuucho más impactante, con lo cual el, el, em, 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, ¿no? Ser aseguradora, proveedora de servicios de salud-

Mhm.

Eh, diagnosticadora y seguramente incluso, mmm, montar las instalaciones a alrededor del mundo. O sea, u-u-un Tesla de la salud que hiciera toda la cadena de valor.

Mmm.

Pero yo en la parte de imagen sí que quiero hacerlo en algún momento. Bueno, esa es-- 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.

¿No? 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, ¿no? 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 comparados con la hora de la persona que va a analizar estas imágenes, con lo cual tú puedes eficientizar muchísimo la parte de la persona, ¿no?

Sí, sí, efectivamente. Ahí en realidad, eh, los algoritmos pueden conseguir directamente discriminar qué zonas de tu cuerpo no tienen ninguna alteración y, y qué zonas sí, y directamente emitirte una recomendación para un clínico, e-en este caso, ¿no? Porque al final, eh, cualquier enfermedad que detecte se tiene que tratar de una manera o de otra, ¿no?

Y el, 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-

Sí, sí, sí.

Seguramente de una manera muuuy superficial y poco informada. Con anillos, relojes, incluso parches, ¿no?, que te miden creo el nivel de azúcar en, en sangre. Eh, es una tendencia que se está poniendo muy de moda. Y ahora también, em, hay incluso gente que va más allá, que empieza a monitorizarse de verdad-

Sí.

Con testeos, eh, diagnósticos serios puramente, preventivamente quizás, porque tienen dinero o porque están obsesionados con este tema. Si tú, em, quisieras saber, ¿no? 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, eh, yo te diría hazte escáneres de total body, eh, frecuentemente, hazte colonoscopias frecuentemente, eh, hazte analíticas frecuentemente. O sea, a día de hoy tenemos ya un conjunto de tests.

Escáner total body.

Sí.

Colonoscopia.

Colonoscopias.

Y analítica.

Analítica. Ah, luego también depende de la edad, ¿no? Por ejemplo, cuando tienes un-

Treinta, cuarenta.

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, eh, por ejemplo sobre los cincuentaaa, sesenta, una de las patologías que nos pueden preocupar es, es un cáncer de pulmón o patologías cardíacas, una coronaria. La coronaria no la ves bien en una resonancia magnética y, y lo ves en un TAC de tórax

¿Esto cómo se hace? Alguien que quiere hacer esto, ¿existen, eh, servicios en Europa que hagan esto? Privados-

Sí

...públicos.

Sí, eh, la mayoría de privadas existe lo que se conoce como el chequeo. Eh, todos tienen alguna-

Si esto es ir al médico de cabecera y decir: "Quiero un chequeo".

Sí, quiero un chequeo completo. Entonces te hacen un ecocardio, te hacen un TAC de tórax, te ha-- te hacen un poco paquete. Yo lo que creo es que todavía no está como integrado, ¿no? Es que t-te hacen muchas pruebas y tienes como diferentes diagnósticos, pero no mmm, hallazgos, pero no tienes como una información integrada.

Y yo creo que ahí Prenuvo o Ezra lo están haciendo bien, han creado como este gemelo digital donde vas encontrando, eh, qué hallazgos has tenido. Mira, tienes un quiste en el riñón derecho, pum, y te lo señalan y bueno, igual no, no sé-

Ahí está informado, ¿no?

Está informado, ¿no?

O quizá te das cuenta de que tiene que ver con otra cosa.

No puedes tomar ninguna acción e-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, de cuerpo humano, qué características tenemos a nivel sistémico, ¿no? Yo creo que la enfermedad no es un fallo de un órgano. Mmm, en realidad, la enfermedad puede ser que tenga un origen sistémico en muchos casos, ¿no? Y, y hemos visto, por ejemplo, COVID, ¿no?

Que, que teníamos efectos a nivel respiratorio, pero luego impacto a nivel, 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, ¿no? Entonces, yo creo que la imagen tiene que ser capaz de resolver todo este tipo de, de problemas.

Gracias por el, por el tip. Oye, antes de cerrar, eh, Ángel, explícanos un poquito de dónde sales tú y cómo sabes todas estas cosas.

Pues, ah, a ver, yo la verdad es que hiceee-- soy de Benicarló, eh, me fui a estudiar a Valencia, hice Teleco y cuando estaba en, en tercero, todo lo que eran los móviles, el radar y-- no me gustaba, eh-

Que es lo que tocaban aquella época en Teleco.

Sí, pero, eh, empezó a gustarme mucho el... las señales del cuerpo humano, ¿no?, y, y cómo podíamos medir esas señales. Y hacía mucha electrónica en aquel momento y, y recuerdo que me, que monté un kit de un electrocardiógrafo con una Game Boy, eh, en casa para, para jugar y demás, y me, me inter-- me interesaba todo el concepto de medir el cuerpo humano.

Y-

Tú eres el biohacker de verdad.

Sí.

No el que se pone un anillito.

No, la, la verdad es que lo sigo siendo un poco. Incluso tengo un ecógrafo de pa-- porque me inquieta mucho el no saber qué, qué está sucediendo en el interior del cuerpo humano.

O sea, eres, eres hardcore biohacker.

De hecho, por ejemplo, mis, mis hijos, tengo tres, tres hijos, eh, dos, dos niñas y, y un niño. Y algo que me inquieta es cómo crece un niño y no sabemos cómo está por dentro.

Claro.

O, o cómo está cualquier ser humano por dentro, ¿no? Entonces, de ahí viene ese interés también en, en medir el cuerpo humano y hacerlo transparente, saber todo lo que ocurre, ¿no? Y prácticamente cuando estaba en tercero me apunté a un curso de verano con, con un amigo compañero de piso, que, 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 de fin de carrera en, 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, 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 menopáusicas, 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 dijimos: "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 ochenta, noventa años dentro de una resonancia magnética en la posición de Superman boca abajo.

Eso la gente entiendo que sabe lo que es, ¿no? Pero es esa-- Te ponen en como en una camilla y te meten dentro de un tubo-

Sí

...que hace un ruido infernal-

Efectivamente

...y tu no te puedes mover.

Eso es. Entonces, claro, quando vi con mis propios ojos cómo era el procedimiento, dije: "Esto no va a tener ningún sentido en, en práctica clínica", ¿no? 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, un encaje, digamos, en el mercado y en, y en, y en la salud, ¿no?" Entonces empecé a trabajar con, con un radiólogo que es un gran visionario y uno, uno de mis referentes, que, que ha sido mi mentor, que se llama Luis Martí Bom bali, académico también de la Real Academia de Medicina Y a pesar de tener un, un gap de edad que teníamos , la verdad es que me pareció, eh, 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 e-no es correcto, es el atípico médico y que cree en la computación y en la cuantificación, ¿no? Y, y de-

Se i-- se imagina una tecnología que quizá desconoce .

Sí, eso es.

¿No? Y si encuentra un tecnólogo-

Empezamos a trabajar-

Que conoce la tecnología pero no sabe para qué usarla.

Eso es. Y empezamos a trabajar conjuntamente y, y empezamos a crear muchísimos algoritmos para cáncer, para neuro-

Esto es muy típico de startup, ¿eh? O sea, m-muchas grandes invenciones nacen de, de la persona que se imagina-

Mhm

...una tecnología y otro que conoce la tecnología, pero no, no se la imagina.

Sí, sí. O que no conoce las aplicaciones.

Estoy pensando en Steve Jobs, Steve Wozniak, ¿no?- ...en muchos de estos, eh, grandes partnerships. Tampoco os quiero comparar, ¿eh?, pero-

No, no, no, no, no

Esa persona es la que, la que te allanó el camino a entender cómo utilizar-

Sí

...estas, estas habilidades que tú estabas desarrollando, eh, con impacto.

Y yo creo que una de mis grandes experiencias fue trabajar codo con codo con radiólogos. Estuve directamente en, en mi despacho, era al lado de los radiólogos que estaban informando-

Tu despacho dónde.

En Quirón, cuando empecé yo a trabajar.

Como qué.

Como ingeniero de investigación del servicio de Radiología.

Vale.

Empecé a desarrollar ahí la, la investigación.

Ah, eras un empleado para ayudarles a mejorar su proceso de diagnóstico radiológico.

Correcto, pero eso ya fue una apuesta de, de este médico, de Luis, que tenía esa visión.

Claro.

Porque lo normal es contratar a radiólogos, pero de repente un ingeniero- Bueno-

De telecos.

Mmm. Es que habían comprado una máquina de resonancia magnética de tres teslas. Era la segunda de España, creo.

¿De tres teslas?

Sí, que es el campo magnético. Es como sesenta mil veces el campo magnético de la Tierra.

¿Qué cuesta una máquina de estas?

Eh..

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 fun-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. Eh, tenemos ahí unos cuantos ingenieros en el servicio. Pedimos ayudas, eh, nos financiaron con, con grants y demás, pero ya había un momento en el que, mmm, todo lo que estábamos desarrollando tenía que aplicarse a, a más gente, ¿no?

Entonces decidimos en ese momento crear, crear Quibim. Eh, creamos-

Desde ese equipo de Quirón, ¿eh?

Sí, desde ese equipo, eh, decidimos crear Quibim. Le ofrecimos en ese momento a, a Quirón ser parte de, de la idea, pero Quirón estaba también en una fase ya de, de cambio de, de ciclo, eh, cerca de, del exit que, que tuvieron. Y ya a partir de ahí, eh, nosotros consolidamos la compañía, emm, firmamos un acuerdo de spin off con La Fe y es cuando- Con La Fe, con el Hospital La Fe de Valencia.

Vale.

Es cuando yo entré como investigador, eh, y emprendedor en lo que se llamaba el Biopolo La Fe. Y bueno, se sigue llamado, que es como la incubadora de empresas de, del hospital La Fe. Y de ahí ya pasé a Lanzadera, a, a la aceleradora de Juan Roig en la tercera edición. Y en lanzadera es cuando sí tuve financiación para fichar al primer trabajador en, en 2015, que fue Fabio, que sigue en la compañía.

Es un gran ingeniero y nuestro líder de-

¿Y ese mentor tuyo ha participado de alguna forma en Quibim? ¿Ha seguido involucrado?

Él, eh, 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. El-- al final es el director del área de Imagen médica de La Fe. Entonces, llega 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", ¿no? Y, y creo que es muy, muy importante. Seguí mi camino como, como emprendedor. Él sigue como advisor médico de la compañía. Tenemos una excelente relación y, y la verdad es que es y seguirá siendo siempre mi mentor en, en la parte de medicina e ingeniería y también muchos aspectos personales.

Y, y la verdad que eso es un poco la, la trayectoria, ¿no? Y luego esa parte más de investigación la completé con el aprendizaje de Lanzadera gracias a toda la formación que me dieron en, en gestión, en modelos de negocio, en cómo, cómo crear cultura corporativa, que, que me pareció pues, eh, un nuevo mundo, ¿no?

Y insistí mucho en crear una corpura-- una cultura corporativa muy sólida en Quibim, ah, el que la misión, la visión, los valores, eh, no fueran palabras vacías. Fui muy machacón desde los principios en decir: "Bueno, cuáles son nuestros valores y por qué", ¿no? Y, y la verdad es que lo hemos llevado, 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 veinte, eh, que es Jorge Navarro, que es Chief of People que tenemos ahora.

Y, y la verdad es que esto nos ha permitido crear una cultura corporativa muy, muy fuerte, muy férrea, ¿no? Y en ese sentido tenemos también muy, muy baja tasa de rotación. Estamos captando talento. Recibimos como mil currículums el año pasado, mil y pico. Y, y la verdad que esa parte la aprendí, eh, un poco gracias a esa siguiente etapa ya de formarme más como emprendedor, ¿no?

Y estoy, estoy satisfecho de no haber creado solo producto, sino haber creado compañía también, que yo creo que es, es importante, porque muchas veces Podemos crear producto y nos podemos olvidar de, de crear esa estructura empresarial, ¿no?

Mhm. En general se dice que la primera etapa de los fundadores es crear producto-

Mmm.

La segunda, el producto es la compañía.

Es la compañía.

Y el rol de los fundadores es crear la compañía, ¿no? Y hay una compañía que crea producto y lo lleva, y lo lleva al mercado. Oye, Ángel, me quedaría aquí seis horas y me apuntaría a Medicina como te siga pren-- preguntando cosas porque me... estoy aprendiendo un montón.

Mmm.

Muchísimas gracias por venir. Hemos aprendido mucho. Eh, espero que la audiencia también haya aprendido partes nuevas de... tanto de negocio como de cómo funciona un poquito el mundo. Y también agradecer a Microsoft que nos ha presentado-

Sí.

Que es partner vuestro y de hecho nos sugirió que habláramos contigo, que estabas un poco fuera de nuestra órbita, ¿no? Porque te monde-- te mueves en una industria totalmente parecida.

Mhm, totalmente.

Muchísimas gracias, Ángel, y a todos vosotros. Nos vemos la semana que viene.