Kythera Labs está creando una plataforma de estrategia de salud nativa de AI en Databricks que brinda a cualquier sistema de salud acceso a la inteligencia experta que necesita y en la que puede confiar.
por Bryan Smith, Morgan Wilkie y Kaitlin Ryan
Kythera Labs está desarrollando una plataforma de estrategia de atención médica nativa de AI en Databricks que brinda a cualquier sistema de salud acceso a la inteligencia experta que necesita y en la que puede confiar.
La reunión termina como siempre terminan estas reuniones: con una pregunta que nadie puede responder con la suficiente rapidez. Un CEO, CIO y CFO salen de una sesión de planificación con un mandato: identificar cuántos ingresos de oncología están saliendo del sistema y hacia dónde van. En un sistema de salud con buenos recursos, esa pregunta se envía a una consultora y la respuesta llega seis semanas y cientos de miles de dólares después. En la mayoría de los sistemas de salud, se le asigna a un analista con una herramienta de BI y regresa cuando se puede, con la confianza que los datos permitan.
La brecha entre esas dos experiencias es el problema que Kythera Labs se fundó para resolver.
Los ejecutivos de los sistemas de salud se enfrentan simultáneamente a un conjunto complejo de decisiones estratégicas: aumentar el volumen de pacientes, optimizar los contratos con los pagadores, evaluar objetivos de M&A, identificar mercados desatendidos para la expansión y reducir los gastos administrativos generales, todo ello con datos incompletos. Estas decisiones se alinean con los impulsores de creación de valor, que históricamente han requerido una capacidad analítica experta que se correlaciona casi por completo con el presupuesto institucional.
"El mercado ha sido atendido por herramientas de BI que se ejecutan sobre datos de reclamaciones", afirma Jeff McDonald, CEO de Kythera Labs. "Las herramientas de BI pueden hacer un buen trabajo representando lo que hay en los datos. Pero no hacen un buen trabajo diciéndote lo que no está en los datos. Eso es la antítesis de aquello para lo que la herramienta fue diseñada".
Los analistas que pueden cerrar esa brecha (que entienden la falta de datos y el sesgo en los datos de reclamaciones, que pueden reconstruir el recorrido de un paciente a partir de registros de facturación fragmentados, que conocen la diferencia entre lo que dice una reclamación y lo que realmente sucedió clínicamente) tardan años en formarse. Los grandes sistemas de salud los contratan. Las organizaciones más pequeñas prescinden de ellos o gastan millones en consultoras para alquilar esa experiencia por proyecto. La brecha de inteligencia estratégica en la atención médica estadounidense no es principalmente un problema de datos. Es un problema de distribución de la experiencia.
Kythera Labs lo está resolviendo con AI.
Antes de que cualquier agente pueda responder a una pregunta estratégica de manera confiable, los datos sobre los que razona deben ser confiables. Ese es un problema más difícil de lo que parece.
Los datos de reclamaciones son residuos de facturación, generados para que los proveedores puedan recibir reembolsos, no para que los ejecutivos tomen decisiones de estrategia de mercado. Adaptarlos requiere resolver las identidades de los proveedores en docenas de fuentes de la competencia, armonizar los códigos de procedimientos en 130 vocabularios médicos estandarizados, corregir la falta sistemática de datos y reconstruir los recorridos de los pacientes como secuencias temporales en lugar de colecciones de eventos de facturación inconexos.
La respuesta es la tecnología de datos de salud de Kythera, que toma 339 mil millones de reclamaciones médicas y de medicamentos recetados que representan a más de 300 millones de pacientes, ocho años de historial, más de tres petabytes de almacenamiento y crea algo sobre lo que un agente realmente puede razonar: una estructura basada en eventos donde un reemplazo de rodilla no es un código de facturación, sino un evento quirúrgico con un historial preoperatorio, un alta y una trayectoria de atención posoperatoria. Todo desarrollado sobre Databricks. Esa traducción es el verdadero trabajo.
Esto también es lo que hace que las respuestas del agente sean confiables. La capa operativa de Kythera se ejecuta en Lakebase, Delta Lake, Delta Sharing, Unity Catalog e infraestructura serverless, de modo que los datos transaccionales que impulsan los flujos de trabajo en tiempo real comparten una única base gobernada con los datos analíticos sobre los que razonan los agentes. Sin ETL. Sin movimiento de datos. Sin fisuras entre la pregunta y la respuesta.
La prueba está en producción. Un sistema de salud en Luisiana firmó un contrato con Kythera en diciembre de 2024 y se puso en marcha antes de Navidad. Diez días desde el contrato hasta el primer insight, con una visibilidad de su población de pacientes que nunca antes habían tenido:
Un 150% más de visibilidad de las consultas de los pacientes,
Un 12% más de retención,
Un 22% menos de fuga y
$3.8M en valor anualizado estimado a partir de las consultas retenidas.
Ese tipo de tiempo de obtención de valor solo es posible porque la base de datos ya estaba construida.
Con el Healthcare Strategy Agent de Kythera, desarrollado sobre el framework Agent Bricks e implementado en el espacio de trabajo de Databricks del sistema de salud, el Director de Estrategia abre una conversación y pregunta: “¿Cuántos pacientes con cáncer están siendo derivados a proveedores no afiliados para servicios que nosotros ofrecemos?”.
Lo que sigue no es una actualización del dashboard. El agente aborda la pregunta de la misma manera que lo haría un analista experimentado: presenta 6,800 pacientes de oncología derivados, nombra a los proveedores de la competencia que están captando su volumen, identifica por su nombre a los médicos derivadores con mayor índice de fuga y pone sobre la mesa una oportunidad de reembolso de $23.1 millones. A esto le siguen estrategias de retención específicas. Toda la sesión toma solo unos minutos.
Cada resultado en esa respuesta representa una consulta que un analista humano habría tenido que escribir, probar, validar y consolidar. El agente las ejecuta en minutos.
"Gran parte de lo que hacemos es empaquetar la experiencia sobre cómo trabajar con estos conjuntos de datos en agentes inteligentes, de modo que esa capacidad no se limite a un pequeño grupo de especialistas", afirma Ryan Leurck, cofundador y Chief Analytics Officer. "Incluso cuando se cuenta con las personas adecuadas, responder preguntas complejas puede llevar días o semanas. La idea es hacer que esa experiencia sea más accesible y ayudar a las personas a obtener respuestas mucho más rápido".
El escenario de oncología es una demostración de una plataforma diseñada para abordar más de una docena de tipos de preguntas estratégicas, desde la optimización de la combinación de pagadores y el pronóstico de la demanda hasta el dimensionamiento del mercado greenfield y la evaluación de objetivos de M&A. La misma plataforma satisface las necesidades de un CFO que pregunta sobre el rendimiento de los contratos de los pagadores, del director de la línea de servicio que pregunta sobre el posicionamiento competitivo y del equipo de desarrollo de negocios que pregunta sobre los objetivos de adquisición, cada uno en su propio idioma y recibiendo respuestas calibradas a su contexto. Para los equipos de sistemas de salud que desean explorar datos fuera del flujo de trabajo estructurado de un agente, Databricks Genie puede ampliar esta misma accesibilidad, permitiendo que cualquier usuario haga preguntas sobre los datos de la empresa en un lenguaje sencillo, sin necesidad de un equipo de BI o conocimientos de SQL.
Nada de esto importa si los ejecutivos del sistema de salud no pueden confiar en lo que les dice el agente, o si el CIO no puede defender la implementación ante un equipo de cumplimiento.
La confianza en una plataforma de AI para el sector salud tiene un significado específico. Significa que un analista financiero que pregunta sobre el rendimiento de los contratos de los pagadores no puede mostrar accidentalmente datos de una línea de servicio diferente. Significa que la consulta de un agente deja un rastro auditable que cumple con los requisitos de HIPAA. Significa que los datos sobre los que razona el agente han sido validados, sometidos a controles de calidad y aprobados por el gobierno de datos antes de que cualquier modelo los toque. En una industria regulada donde una sola infracción de acceso a los datos puede tener consecuencias legales y de reputación significativas, estas no son características opcionales: son la condición indispensable para que la implementación sea posible.
La respuesta de Kythera es Databricks Unity Catalog, implementado como la capa de gobierno en cada implementación de cliente. Unity Catalog proporciona un único plano de control para el acceso a los datos, la seguridad y el linaje en toda la plataforma, lo que significa que las mismas políticas que gobiernan una consulta SQL gobiernan la consulta de un agente, y los mismos controles de acceso que se aplican a un informe de BI se aplican a una recomendación generada por AI. Una directora de línea de servicio ve su mercado. Un CFO ve sus datos financieros. Una ejecutiva de estrategia ve el panorama completo para el que está autorizada. Nadie ve más de lo que debería y cada evento de acceso queda registrado.
Jeff McDonald, quien ha pasado 32 años en el sector de la salud, es directo sobre lo que esto representa en la práctica: “Es un problema complejo de resolver y Databricks reúne todas las piezas en un solo lugar. Unity Catalog nos permite realizar implementaciones en las tres nubes en un solo día, y Delta Sharing permite un acceso casi instantáneo a datos a escala de petabytes. Eso elimina la fricción y nos ayuda a ejecutar más rápido”.
En una arquitectura empresarial tradicional, el gobierno de datos requiere capas de herramientas personalizadas, sistemas de gestión de accesos independientes y un esfuerzo constante de ingeniería. Unity Catalog simplifica todo eso en configuración: políticas que se definen una sola vez y se aplican en todas partes. Para una empresa que presta servicios a más de 55 sistemas de salud en un sector altamente regulado, esa es la diferencia entre una plataforma capaz de escalar y otra que no.
La directora de estrategia ya tiene su análisis de oncología. Sabe a qué médicos llamar, a qué competidores responder y cómo se presenta la oportunidad de ingresos. Pero la pregunta que tarde o temprano surge con cada información de valor es la misma: ¿y ahora qué?
Esa pregunta marca el inicio de la hoja de ruta a largo plazo de Kythera y pone de relieve la diferencia entre una mejor analítica y la toma de decisiones real. La trayectoria de la AI en los datos de salud ha seguido una evolución conocida: desde paneles estáticos que informaban sobre lo que había ocurrido, pasando por herramientas predictivas que anticipaban lo que podría pasar después, hasta la analítica guiada de hoy en día, que permite a cualquier líder de la organización formular preguntas complejas en un lenguaje sencillo y obtener respuestas adaptadas a su función y contexto. Kythera ha hecho realidad esta tercera etapa, a escala de producción y sobre una infraestructura gobernada.
Pero la ambición de la empresa no se detiene en responder preguntas más rápido. Según las propias publicaciones de Kythera, el futuro de la analítica de salud no es solo descriptivo, sino también predictivo, prescriptivo y cada vez más autónomo. La siguiente etapa de Wayfinder es una plataforma donde una información de valor no solo fundamenta una decisión, sino que inicia un flujo de trabajo. Donde el análisis de fuga de derivaciones activa una secuencia de contacto con los médicos remitentes de mayor impacto. Donde el análisis de brechas de mercado se dirige directamente al equipo inmobiliario. Donde todo el proceso, desde la pregunta estratégica hasta la acción operativa, se ejecuta en una única plataforma gobernada, sin que los datos salgan jamás del lakehouse.
"Nadie quiere datos", dice McDonald. "La gente quiere respuestas. ¿Y por qué quieren respuestas? Para poder hacer algo por alguien. Ese es el flujo de trabajo adyacente a la respuesta".
Esta es la transición de la BI guiada a la toma de decisiones compuesta: sistemas que no solo muestran información inteligente, sino que actúan en consecuencia, dentro de los límites de una arquitectura gobernada que exige el entorno regulatorio de la salud. Lograr esto a escala requiere el mismo ingrediente que hizo posible la capa analítica en primer lugar: datos unificados por paciente, armonizados y gobernados antes de que cualquier agente los toque.
Como ha observado el equipo de ingeniería de Kythera, un agente debidamente entrenado y validado puede explorar los datos de manera más profunda y exhaustiva que un ser humano, mantener una conciencia constante del contexto de interpretación y hacerlo sin fatiga; cualidades que se vuelven más valiosas, no menos, a medida que el sistema pasa de responder preguntas a tomar medidas.
Las implicaciones van más allá de cualquier sistema de salud individual. Un sistema regional de 200 camas que se plantea las mismas preguntas estratégicas que una gran red integrada de servicios de salud y que, con el tiempo, actúa sobre las respuestas con la misma rapidez y con la misma calidad de inteligencia experta, sin necesidad de un contrato de consultoría continuo. Ese es un tipo de mercado de salud diferente. Es el mercado hacia el que Kythera está avanzando, un sistema de salud a la vez, sobre Databricks.
Y si suficientes sistemas de salud pueden tomar mejores decisiones sobre dónde destinar el capital, dónde ampliar el acceso y dónde reducir el desperdicio administrativo, y luego actuar sobre esas decisiones con mayor rapidez, la ambición fundacional empieza a parecer alcanzable: que el costo de la atención médica realmente pueda disminuir.
Para explorar la plataforma de estrategia de salud de Kythera y solicitar una demostración del Healthcare Strategy Agent, visite kytheralabs.com. Para obtener más información sobre las tecnologías de Databricks que la hacen gobernada, escalable y lista para la siguiente etapa de toma de decisiones autónoma (Genie, Agent Bricks, Unity Catalog y Lakebase) o para explorar el programa de socios Built On, comience aquí.
Kythera Labs es un socio Built On de Databricks. Obtenga más información en kytheralabs.com.
(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original
Suscríbete a nuestro blog y recibe las últimas publicaciones directamente en tu bandeja de entrada.