Contexto
Los fabricantes de dispositivos médicos necesitan evidencia clínica sólida para apoyar el trabajo regulatorio, la evaluación clínica y la estrategia de producto. Para muchos equipos, construir esa base de evidencia sigue siendo un flujo de trabajo lento que exige especialistas.
Un revisor parte de la descripción del dispositivo y del uso previsto, lo traduce a una estrategia de búsqueda en PubMed, construye consultas basadas en MeSH, revisa cientos de resúmenes, recupera PDFs, clasifica estudios, comprueba la relevancia, valora la calidad y prepara la documentación regulatoria.
El trabajo es importante porque sustenta decisiones que requieren juicio experto. Pero gran parte del proceso es repetitivo, está centrado en documentos y es difícil de replicar de forma consistente entre dispositivos, indicaciones o búsquedas actualizadas.
Problema
En un flujo de trabajo de evidencia para dispositivos médicos, el proceso manual llevaba alrededor de 30 días. Los especialistas tenían que navegar entre herramientas de búsqueda, listas de artículos, repositorios de PDF, hojas de cálculo, notas de valoración y plantillas de documentos regulatorios.
El equipo necesitaba una forma más rápida de construir una base de evidencia defendible sin convertir el proceso en una caja negra.
Necesitaban saber:
- qué estrategia de búsqueda en PubMed se utilizó
- qué artículos se cribaron y por qué
- qué publicaciones contenían evidencia clínica
- qué PDFs se recuperaron y verificaron
- qué artículos de texto completo respaldaban el uso previsto
- qué estudios debían incluirse en PRISMA, PICO y en los resultados de Estado del Arte
- qué decisiones requerían revisión experta antes de la documentación final
La velocidad era importante, pero la trazabilidad era igual de esencial.
Lo que construyó Guanta
Guanta desarrolló un flujo de trabajo de evidencia clínica asistido por IA para dispositivos médicos.
El sistema parte de la descripción del dispositivo y del uso previsto, y ayuda a generar una estrategia de búsqueda experta en PubMed. Descarga y organiza artículos, filtra publicaciones por relevancia regulatoria, clasifica evidencia clínica y no clínica, gestiona PDFs, extrae contenido de texto completo, valora la calidad de la evidencia y prepara salidas estructuradas para revisión.
El objetivo no es eliminar al especialista regulatorio del proceso. El objetivo es ofrecer al especialista un punto de partida más rápido, consistente y auditable.
Cómo funciona el flujo de trabajo
La canalización convierte el trabajo de evidencia clínica en una secuencia de pasos controlados.
Busca en PubMed, captura metadatos de los artículos, descarga los PDFs disponibles, verifica el acceso al texto completo y evalúa cada publicación frente al dispositivo, la indicación y el uso previsto. La IA ayuda a clasificar la evidencia, explicar decisiones a nivel de artículo, identificar la justificación de inclusión o exclusión y asignar señales de evidencia que los revisores pueden inspeccionar.
El sistema también produce estructuras listas para reguladores: tablas de selección de literatura, disposición PRISMA, extracción PICO, clasificación de Estado del Arte (SOTA), resúmenes de valoración y documentos descargables.
Cada ejecución guarda registros, razonamientos a nivel de artículo, señales de calidad y métricas de la canalización, de modo que el equipo puede auditar lo ocurrido y perfeccionar la revisión antes de que algo se utilice como evidencia regulatoria final.
Resultado
El flujo de trabajo de evidencia pasó de aproximadamente 30 días de esfuerzo manual a alrededor de 4 horas para generar un paquete inicial de evidencia estructurada.
Esa reducción de tiempo ofrece a los equipos de dispositivos médicos una forma más rápida de iniciar el trabajo de evaluación clínica, actualizar revisiones de evidencia, comparar indicaciones de dispositivos e iterar en múltiples ejecuciones de la canalización.
El valor empresarial es práctico:
- reducción del ciclo de revisión de evidencia de semanas a horas
- menos cribado repetitivo de resúmenes y manejo de PDFs
- estructura de revisión de literatura más consistente entre dispositivos
- razonamientos y puntuaciones de evidencia auditable a nivel de artículo
- generación más rápida de PRISMA, PICO, SOTA y tablas de selección
- más tiempo del revisor dedicado al juicio experto y a las decisiones finales
Por qué importa
El trabajo de evidencia para dispositivos médicos debería ser lo suficientemente rápido como para apoyar a los equipos de producto y regulatorios, pero lo suficientemente controlado para la revisión experta.
Esta implementación demuestra cómo la IA puede ayudar con el trabajo operativo pesado alrededor de la evaluación clínica sin sustituir la responsabilidad regulatoria del fabricante. El flujo de trabajo ofrece a los equipos una canalización de evidencia repetible, salidas estructuradas y trazabilidad desde la estrategia de búsqueda hasta la revisión final.
Para los fabricantes, el resultado es un mejor modelo operativo: los especialistas mantienen el control de la conclusión, mientras que la IA reduce el trabajo manual necesario para llegar a un punto de partida de evidencia de alta calidad.