Per i medici che cercano di tenersi aggiornati sulle ultime scoperte scientifiche, esaminare le ultime ricerche è come essere colpiti in faccia da un cannone ad acqua. Ogni 30 secondi viene pubblicato un nuovo lavoro. Cercare di spulciare tutto per arrivare a una diagnosi o a un piano di trattamento che rifletta le migliori opzioni attuali, pur avendo 20 pazienti al giorno, è un compito quasi impossibile.

“Parliamo dell’età dell’oro della biotecnologia, in cui si sviluppano continuamente farmaci nuovi e migliori. Ma per i medici è un’epoca buia a causa del burnout”, ha dichiarato a Forbes Daniel Nadler, cofondatore e ceo di OpenEvidence. “C’è un’enorme quantità di informazioni che devono tenere sotto controllo e il cervello umano è limitato nella sua capacità di leggere milioni di studi”.

OpenEvidence

Così Nadler, 42 anni, un dottorato di ricerca ad Harvard, che ha venduto la sua precedente azienda per 550 milioni di dollari nel 2018, ha deciso di risolvere il problema con l’intelligenza artificiale. Ora gli algoritmi proprietari della startup fanno ricerche su milioni di pubblicazioni peer-reviewed, tra cui le riviste più importanti, come il New England Journal of Medicine e il Journal of the American Medical Association, per aiutare i medici a trovare le risposte migliori in modo rapido, con citazioni complete dei documenti in modo che possano leggerne di più da soli. Il software è gratuito per i medici verificati e guadagna attraverso la pubblicità, proprio come Google.

“Credo che OpenEvidence sarà per l’assistenza sanitaria quello che Google è stato per Internet”, ha dichiarato il presidente miliardario di Kleiner Perkins, John Doerr, che ha investito nell’azienda sia personalmente che attraverso la sua società. “La magia è il modello gratuito per i medici”.

Dalla sua fondazione nel 2022, a OpenEvidence, che ha sede a Miami, si è iscritto il 40% dei medici degli Stati Uniti, ovvero più di 430mila, e se ne stanno aggiungendo altri al ritmo di 65mila al mese. Le sue entrate pubblicitarie sono stimate a 50 milioni di dollari all’anno. Non è una cifra enorme, ma, grazie alla rapida adozione del software, gli investitori scommettono sul suo successo: OpenEvidence, ha dichiarato Nadler a Forbes, ha raccolto 210 milioni di dollari, guidati da Gv (il ramo venture di Google) e Kleiner Perkins, con una valutazione di 3,5 miliardi di dollari, contro il miliardo dell’ultima raccolta di febbraio. Hanno investito anche altre società di venture capital come Coatue, Conviction e Thrive Capital.

Dadiel Nadler è diventato miliardario

Il nuovo investimento ha reso Nadler, che possiede circa il 60% dell’azienda, un miliardario, con un patrimonio netto che Forbes stima in 2,3 miliardi di dollari. Il cofondatore Zack Ziegler, trentenne chief technology officer dell’azienda, possiede circa il 10% dell’azienda, per un valore di circa 350 milioni di dollari. Nadler è riuscito a mantenere una quota così importante grazie al fatto di essere stato il primo investitore dell’azienda, mettendo circa 10 milioni di dollari di tasca propria prima di raccogliere finanziamenti da parte di vc.

“Uno degli aspetti positivi dell’essere un imprenditore al secondo giro è che non sono un idiota”, ha detto Nadler. “Pensavo che la seconda cosa sarebbe stata più grande della prima, quindi i primi 10 milioni dovevano venire da me. È di gran lunga la decisione finanziaria più intelligente della mia vita. Ho scommesso su me stesso”.

Com’è cambiata la letteratura medica

Il problema che OpenEvidence sta affrontando è enorme e sta diventando sempre più grande. La letteratura medica prolifera a ritmi vertiginosi, raddoppiando ogni cinque anni, mentre vengono sviluppate nuove opzioni terapeutiche, come le terapie geniche, e gli scienziati imparano a conoscere meglio le interazioni tra malattie e farmaci diversi. Fare una cernita è un compito difficilissimo: alcuni documenti sono eccellenti, altri sono pessimi e molti altri ancora sono obsoleti. Con l’utilizzo dell’intelligenza artificiale per la pubblicazione e la revisione degli articoli, il problema è solo peggiorato.

Nel frattempo, i medici negli Stati Uniti sono sempre più a corto di tempo, data la crescente carenza di professionisti del settore, e questo crea un’opportunità per le startup di costruire tecnologie che possano aiutare a fornire cure migliori e ad alleviare la pressione sui dottori.

Perchè i medici usano OpenEvidence

OpenEvidence non è la prima azienda che cerca di dare un senso al sovraccarico di pubblicazioni mediche. UpToDate di Wolters Kluwer esiste da decenni e recentemente ha incorporato l’IA, insieme ai consigli degli esperti, per fare la stessa cosa. Ma è il primo a costruire un software che integra l’IA fin dall’inizio per rendere più facile ai medici trovare risposte a domande cliniche urgenti, e per farlo in modo molto più accurato rispetto a ChatGPT.

I medici usano OpenEvidence per circa 8,5 milioni di consultazioni al mese. Poiché lo strumento non è considerato diagnostico, non necessita dell’approvazione della Food and Drug Administration (l’agenzia federale statunitense che regola i prodotti alimentari e farmaceutici), come invece accade per gli algoritmi impiegati per rilevare ictus o sepsi. Inoltre, poiché i medici possono scaricarlo o utilizzarlo online gratuitamente, può evitare il lungo processo burocratico di acquisto da parte di ospedali o grandi gruppi di studio. Questo ha aiutato l’azienda a coinvolgere i medici a un ritmo sempre più veloce.

La dottoressa Susan Wolver, internista a Richmond, Virginia, è diventata una sostenitrice, usando OpenEvidence per scrivere le lettere di autorizzazione preventiva e consultare i dettagli dei farmaci. La cosa più drammatica è che di recente, mentre era su un volo nazionale, un passeggero immunocompromesso è quasi svenuto in bagno. Wolver si è rivolta a OpenEvidence per capire i rischi del sistema immunitario del paziente e per elaborare un piano di trattamento sul momento. “Non credo che passi giorno in cui non lo usi”, ha detto.

Chi è Daniel Nadler

Nadler è cresciuto a Toronto, dove i suoi genitori facevano parte della grande ondata di immigrati dell’Europa orientale del Dopoguerra: suo padre veniva dalla Romania e sua madre dalla Polonia. “Mio nonno è stato ad Auschwitz ed è sopravvissuto”, ha detto. “Dopo la Seconda guerra mondiale, mio nonno voleva venire in America, ma l’America non lasciava entrare le persone, così si sono diretti in Canada”.

Da bambino, Nadler era competitivo fino all’inverosimile e si dilettava in giochi di memoria per vedere se riusciva a recitare più pagine di soliloquio dell’Amleto rispetto a un amico. “Ero un nerd totale”, ha detto. Membro del Mensa, trovava la scuola noiosa e, dopo aver conseguito una laurea all’Università di Toronto, si è iscritto alla scuola di specializzazione di Harvard, sperando in una sfida maggiore. Una volta lì, ha conseguito un dottorato in economia politica, scrivendo la sua tesi sui meccanismi di determinazione del prezzo dei derivati di credito. Ha anche studiato poesia con il premio Pulitzer Jorie Graham, ha lanciato un’app chiamata Sigmund che poteva essere programmata per pronunciare parole specifiche durante il sonno per influenzare i sogni dell’utente e ha lavorato come visiting scholar presso la Federal Reserve.

Gli esordi

Nadler stava lavorando al suo dottorato di ricerca e guadagnava solo 23.500 dollari all’anno come dottorando, quando gli venne l’idea della sua prima azienda, Kensho. Alla Fed, era rimasto sbalordito nell’apprendere che i suoi regolatori si affidavano a rudimentali fogli di calcolo Excel per fare valutazioni critiche. Così ha collaborato con il programmatore Peter Kruskall per costruire algoritmi che rendessero l’analisi finanziaria facile come una ricerca su Google. Quando Kensho ha lanciato il suo chatbot testuale, Warren (come Buffett), nel 2012, l’intelligenza artificiale era ancora una prerogativa degli accademici, non il centro del mondo delle startup come oggi. “Nessuno parlava di intelligenza artificiale nel 2012. Stiamo parlando di dieci anni prima di ChatGPT”, ha detto.

L’idea ha funzionato e quando S&P ha acquistato Kensho, pagando 700 milioni di dollari, compresi i bonus di mantenimento, è diventata la più grande operazione di IA della storia. Nadler, che possedeva il 20%, era improvvisamente ricco. “Con i fondatori che tentano per la seconda volta, l’arroganza spesso non c’è più”, afferma Sangeen Zeb, partner di Gv. “Daniel ha ancora questa arroganza”.

Nel 2021 ha collaborato con Ziegler, che stava conseguendo un dottorato di ricerca in apprendimento automatico ad Harvard, ma in realtà voleva solo costruire cose. I due avevano intuito che l’IA che aveva aiutato i trader trovando schemi in grandi quantità di dati avrebbe potuto aiutare anche i medici, con un impatto ancora maggiore.

Entrambi erano motivati anche da un’esperienza personale. Il nonno di Nadler era morto a causa di un errore medico, mentre Ziegler aveva visto suo cognato, allora 22enne, sottoporsi a un trattamento per la leucemia. (“È stato davvero illuminante per me”, ha detto Ziegler. “C’è un’enorme complessità, ma il modo in cui i medici vi accedono è letteralmente come sfogliare un libro di testo”).

Gli investitori di OpenEvidence

Il venture capitalist Jim Breyer, che aveva investito in Kensho, ha trascorso quattro ore a parlare con Nadler della sua idea di OpenEvidence ed è diventato uno dei primi investitori esterni (insieme a Ken Moelis) nel 2022. Breyer, che aveva sostenuto Mark Zuckerberg nel 2005, considera Nadler un fondatore raro. “Daniel è un imprenditore straordinario”, ha dichiarato. “L’intuizione iniziale di applicare l’intelligenza artificiale alle riviste mediche è stata semplicemente geniale”.

All’inizio del 2023, OpenEvidence è entrata a far parte dell’acceleratore della Mayo Clinic per le startup di tecnologia sanitaria. Il programma consente alle giovani aziende di perfezionare le loro idee e la loro tecnologia nell’ospedale, che, come ha osservato Nadler in un video del 2023, “possiede il set di dati più grande e di più alta qualità nel settore sanitario”. A quel punto, l’IA era in piena espansione. Il decennio trascorso da Nadler in questo campo ha iniziato a dare i suoi frutti.

Ma è davvero efficace?

Tuttavia, si tratta di un’attività difficile e ci si chiede se la ricerca basata sull’intelligenza artificiale fornirà sempre la risposta migliore. Nadler sostiene che affidandosi ai “gold standard della conoscenza medica”, molti dei quali non sono disponibili su Internet al di là degli abstract – tra cui il Jama e il New England Journal of Medicine -, i modelli di classificazione della ricerca della startup sono in grado di estrarre informazioni affidabili e pertinenti su una malattia rara o sugli effetti collaterali di un farmaco, mantenendo al minimo le allucinazioni (la tendenza dell’IA a inventare i fatti). “L’IA è spazzatura in entrata e spazzatura in uscita, oro in entrata e oro in uscita”, ha detto Nadler, aggiungendo: “Non tutto sta nel trovare un algoritmo super nerd”.

Stephen Krieger, specialista in sclerosi multipla al Mount Sinai di New York, ha sentito parlare di OpenEvidence da uno specializzando lo scorso fine settimana, mentre faceva il giro dell’ospedale. Doveva scoprire quale antibiotico usare per un’infezione neurologica in una persona allergica alla penicillina, cosa che non rientrava nelle sue competenze cliniche. Prima di affidarsi a OpenEvidence, ne ha testato l’accuratezza chiedendo informazioni sulla propria ricerca sulla sclerosi multipla (e Ha poi cercato conferma alla risposta sull’antibiotico con i colleghi di malattie infettive). Il sistema non solo riassumeva correttamente la sua ricerca, ma segnalava anche i limiti che non erano ancora stati pubblicati. “L’idea che si offrisse di dirmi i limiti del mio lavoro e che io fossi d’accordo con lui mi è sembrata fantastica”, ha detto.

Ma Daniel Byrne, docente alla Johns Hopkins Bloomberg School of Public Health e autore del libro Artificial Intelligence for Improved Patient Outcomes, sostiene che le cose non sono così semplici. “Ho scoperto che la maggior parte delle persone fraintende il fatto che fino alla metà della letteratura medica è sbagliata”, ha detto, sottolineando che spesso vengono pubblicati articoli su dibattiti scientifici o studi clinici che alla fine non si rivelano validi. “Avere un riferimento è un passo nella giusta direzione, ma non è sufficiente”, ha detto Byrne.

Travis Zack, direttore medico di OpenEvidence, sostiene che, sebbene qualsiasi sistema di intelligenza artificiale possa commettere degli errori, questi dovrebbero essere di gran lunga inferiori rispetto a quelli che i medici compiono vedendo 20 pazienti al giorno, senza la possibilità di consultare facilmente la letteratura disponibile. “OpenEvidence permette ai medici di non doversi fidare del proprio istinto”, ha dichiarato.

Le sfide

Resta inoltre da vedere quanto successo avrà il modello pubblicitario di OpenEvidence. Le aziende farmaceutiche spendono molto e ora hanno l’opportunità di far arrivare informazioni dettagliate sui loro farmaci ai medici che probabilmente li useranno. Grazie alle risposte sponsorizzate, l’azienda è in grado di mantenere lo strumento gratuito per i medici, contribuendo ad attrarre un maggior numero di dottori e potendo modificare il proprio algoritmo (e migliorare i risultati della ricerca) in base al loro feedback. In questo modo si crea quello che Nadler definisce un “volano di fantasia”, in cui un maggior numero di utenti migliora il prodotto, che attira altri utenti, all’infinito.

Ma nonostante la spesa pubblicitaria nel settore sanitario e farmaceutico ammonti a circa 30 miliardi di dollari nel 2024, la creazione di un’attività basata sulla pubblicità è insolita nell’healthtech, dove la maggior parte dei software viene venduta su abbonamento. “La gente odia la pubblicità”, ha detto Nadler. “Non so perché, io amo la pubblicità”. Ma anche lui nota che l’azienda ha attualmente un inventario potenziale di annunci molto più grande, più di 350 milioni di dollari, di quello che ha venduto finora. “Google ha dedicato del tempo a far sì che le persone si sentissero a proprio agio con il modello, e questo è ciò che stiamo facendo”.

“Sembra che tutti lo usino”

Aneesh Singhal, vicepresidente del dipartimento di neurologia del Massachusetts General Hospital e direttore del centro ictus dell’ospedale, ha scaricato OpenEvidence un anno fa, dopo averne letto in un’e-mail di massa inviata al sistema ospedaliero. Da allora ha notato che lo strumento ha guadagnato popolarità tra i suoi colleghi specializzandi e chirurghi. “Sembra che tutti lo usino”, ha detto.

Singhal voleva cercare gli studi più recenti sull’ictus negli adulti, un compito arduo, che avrebbe richiesto ore di ricerche su PubMed e sui libri di testo online. Lo strumento si è rivelato di gran lunga migliore di un chatbot generico come ChatGPT, suggerendo domande di follow-up da porre sulla storia medica del paziente e sugli esami da eseguire, ha detto. “ChatGPT si ferma alla risposta diretta”, afferma Singhal.

Lo slancio di OpenEvidence è stato finora sbalorditivo, in quanto i medici si iscrivono a un ritmo sempre più veloce, una metrica chiave per l’investitore Breyer. “Gli aggiornamenti settimanali e mensili mi danno un’enorme fiducia nel fatto che Daniel continui a fare passi da gigante”, ha dichiarato.

Dove vuole arrivare OpenEvidence

Ora si sta spingendo verso l’utilizzo dei cosiddetti modelli di ragionamento, che pensano a un compito per fasi. Una tattica che, secondo i ricercatori, rende le risposte dell’IA migliori e più solide. Questo mese la startup ha lanciato una nuova funzione chiamata DeepConsult, che usa questa tecnica per collegare i punti tra diversi studi e svolgere ricerche avanzate su un particolare argomento. “Consente a un medico di avere essenzialmente un team di dottori di ricerca che può partire mentre il medico sta facendo altre cose e fare una ricerca enormemente approfondita”, ha detto il cofondatore Ziegler.

Anche se la tecnologia di OpenEvidence potrebbe essere utilizzata in modo simile per altri campi scientifici, Nadler non è ancora intenzionato a espandersi in questo campo: vuole rimanere nel settore sanitario, sia negli Stati Uniti che a livello internazionale, soprattutto nei paesi in cui l’accesso a cure di qualità è limitato. In tutto il settore, oggi, esiste un mosaico di tecnologie basate sull’intelligenza artificiale, dagli appunti per i medici agli strumenti di diagnostica clinica. Se a ciò si aggiungono i risultati di laboratorio del paziente e i dati provenienti da dispositivi medici come i monitor della glicemia, si presenta l’opportunità di riunire tutte queste informazioni in un unico luogo.

Il cofondatore di Coatue, Thomas Laffont, che ha investito in OpenEvidence, vede la startup diventare un giorno l’hub in cui far convergere tutti questi strumenti. “Si può pensare a un mondo in cui OpenEvidence diventi lo strumento attraverso il quale tutte le diagnosi vengono effettuate”, ha dichiarato.

LEGGI ANCHE: Il presidente della gioielleria cinese Zhou Liu Fu è diventato miliardario dopo l’impennata in Borsa

L’articolo Daniel Nadler è diventato miliardario inventando un ChatGPT per i medici è tratto da Forbes Italia.