Aaron Narva, quien trabajó como investigador de incidentes en empresas de gestión de riesgos, se unió a Exiger, una empresa de software de cumplimiento, donde ayudó a un importante banco a cumplir con la ley tras un escándalo de lavado de dinero. Durante su tiempo en Exiger, Narva y su equipo adquirieron herramientas de software, incluida una que utilizaba inteligencia artificial (IA) para analizar registros públicos y detectar riesgos de corrupción en grandes empresas.
Narva se dio cuenta de que hospitales y grandes prácticas médicas enfrentan riesgos similares a los de los bancos. Las compañías farmacéuticas y fabricantes de dispositivos a menudo tienen relaciones muy cercanas con los médicos, lo que les obliga a revelar conflictos de interés, como viajes, honorarios de consultoría y financiación de investigaciones. Estudios muestran que los médicos que tienen estas relaciones son más propensos a prescribir ciertos medicamentos y dispositivos, independientemente de si son los mejores para los pacientes. Para abordar este problema, el gobierno tiene una base de datos llamada OpenPaymentsData.com, donde se pueden consultar estas divulgaciones de conflictos de interés. Sin embargo, simplemente informar sobre estos conflictos no resuelve el problema, lo que expone a los hospitales a riesgos legales.
Narva imaginó un software basado en IA que ayudaría a los hospitales a identificar situaciones que los pusieran en riesgo. Por ejemplo, un gran sistema de salud podría tener 200,000 relaciones entre médicos y proveedores. Narva buscaba saber cuáles de estas relaciones podrían estar afectando al hospital en términos de riesgos legales o resultados médicos desfavorables.
Para desarrollar su idea, Narva contactó a su amigo Joseph Bergen, quien en ese momento era director de ingeniería en Buzzfeed. Bergen se unió a él como cofundador de Conflixis. Este software analiza datos de OpenPaymentsData.com, datos de adquisiciones de hospitales, registros de resultados de pacientes y formularios de conflictos de interés, para identificar los puntos de conflicto que requieren investigación.
Conflixis no solo identifica estos conflictos, sino que también puede predecir los gastos de un hospital y sugerir formas de reducirlos. Por ejemplo, puede determinar si un hospital está comprando un equipo más caro basado en la recomendación de un médico que tiene una relación con el proveedor, en lugar de una opción más económica.
Fundada en 2023, Conflixis ya cuenta con varios clientes y ha generado cerca de 5 millones de dólares en ingresos. Recientemente, la empresa anunció una ronda de financiamiento inicial de 4.2 millones de dólares, co-liderada por Lerer Hippeau y Origin Ventures. Aunque Conflixis se une a un mercado competitivo de software de cumplimiento en la industria de la salud, Narva destaca que su enfoque combina la experiencia en investigaciones con modelos de IA para detectar patrones en grandes volúmenes de datos.
