Contexto
Los fabricantes de dispositivos médicos necesitan evidencia clínica sólida para respaldar el trabajo regulatorio, la evaluación clínica y la estrategia de producto. Para muchos equipos, construir esa base de evidencia sigue siendo un proceso especializado y lento.
Un revisor comienza con la descripción del dispositivo y su uso previsto, la traduce en una estrategia de PubMed, crea consultas basadas en MeSH, filtra cientos de resúmenes, recupera PDF, clasifica estudios, comprueba su relevancia, evalúa su calidad y prepara la documentación regulatoria.
El trabajo es importante porque respalda decisiones que requieren criterio experto. Sin embargo, gran parte del proceso es repetitiva, depende de numerosos documentos y resulta difícil de reproducir de forma coherente entre dispositivos, indicaciones o búsquedas actualizadas.
Problema
En un flujo de trabajo de evidencia para un dispositivo médico, el proceso manual tardaba alrededor de 30 días. Los especialistas tenían que alternar entre herramientas de búsqueda, listas de artículos, repositorios de PDF, hojas de cálculo, notas de evaluación 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 de PubMed se utilizó
- qué artículos se filtraron y por qué
- qué publicaciones contenían evidencia clínica
- qué PDF se recuperaron y verificaron
- qué artículos de texto completo respaldaban el uso previsto
- qué estudios debían incluirse en los resultados de PRISMA, PICO y del Estado del Arte
- qué decisiones requerían revisión experta antes de la documentación final
La velocidad era importante, pero la trazabilidad lo era tanto como ella.
Lo que creó Guanta
Guanta creó un flujo de trabajo de evidencia clínica asistido por IA para dispositivos médicos.
El sistema comienza con la descripción del dispositivo y su uso previsto, y después ayuda a generar una estrategia experta de búsqueda en PubMed. Descarga y organiza artículos, filtra publicaciones según su relevancia regulatoria, clasifica la evidencia clínica y no clínica, gestiona los PDF, extrae contenido de texto completo, evalúa la calidad de la evidencia y prepara resultados estructurados para su revisión.
El objetivo no es eliminar al especialista regulatorio del proceso. Es ofrecerle un punto de partida más rápido, coherente y auditable.
Cómo funciona el flujo de trabajo
El proceso convierte el trabajo de evidencia clínica en una secuencia de pasos controlados.
Busca en PubMed, captura los metadatos de los artículos, descarga los PDF disponibles, verifica el acceso al texto completo y filtra cada publicación según el dispositivo, la indicación y el uso previsto. La IA ayuda a clasificar la evidencia, explicar las decisiones sobre cada artículo, identificar los motivos de inclusión o exclusión y asignar señales de evidencia que los revisores pueden inspeccionar.
El sistema también genera estructuras preparadas para el trabajo regulatorio: tablas de selección de literatura, disposición PRISMA, extracción PICO, clasificación del Estado del Arte, resúmenes de evaluación y documentos descargables.
Cada ejecución conserva registros, justificaciones a nivel de artículo, señales de calidad y métricas del proceso, de modo que el equipo puede auditar lo ocurrido y perfeccionar la revisión antes de utilizarla como evidencia regulatoria final.
Resultado
El flujo de trabajo de evidencia pasó de aproximadamente 30 días de trabajo manual a unas 4 horas para preparar un paquete inicial de evidencia estructurado.
Esta 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 del proceso.
El valor empresarial es práctico:
- reducción del ciclo de revisión de evidencia de semanas a horas
- menos filtrado repetitivo de resúmenes y gestión manual de PDF
- mayor coherencia en la estructura de las revisiones de literatura entre dispositivos
- justificaciones auditables a nivel de artículo y puntuaciones de evidencia
- generación más rápida de resultados PRISMA, PICO, SOTA y tablas de selección
- más tiempo de los revisores dedicado al criterio experto y a las decisiones finales
Por qué es importante
El trabajo de evidencia para dispositivos médicos debe ser lo bastante rápido para respaldar a los equipos de producto y regulatorios, pero también lo bastante controlado para permitir una revisión experta.
Este despliegue muestra cómo la IA puede ayudar con el trabajo operativo más exigente de la evaluación clínica sin sustituir la responsabilidad regulatoria del fabricante. El flujo de trabajo ofrece a los equipos un proceso de evidencia reproducible, resultados estructurados y trazabilidad desde la estrategia de búsqueda hasta la revisión final.
Para los fabricantes, el resultado es un modelo operativo mejor: los especialistas mantienen el control sobre las conclusiones, mientras la IA reduce el trabajo manual necesario para alcanzar un punto de partida de evidencia de alta calidad.