Farmacéutica Propuesto por Sanofi

RADIANT · IA para derivación pediátrica en dermatitis atópica

Detectar dermatitis atópica moderada-severa en pediatría leyendo historiales clínicos electrónicos con IA, y guiar la derivación temprana al especialista.

Sector

Farmacéutica

Empresa

Sanofi

Sistemas propuestos

4

Sobre la empresa

S

Sanofi

Farmacéutica

Compañía farmacéutica multinacional con presencia en más de 90 países. Su área de inmunología desarrolla terapias biológicas para enfermedades inflamatorias crónicas, entre ellas Dupixent (dupilumab) para dermatitis atópica moderada-severa en población adulta y pediátrica.

La dermatitis atópica moderada-severa pediátrica está sistemáticamente infradiagnosticada. Pacientes que cumplirían criterios de derivación a dermatología y de tratamiento biológico permanecen en pediatría general con corticoides tópicos como única línea, retrasando el acceso a la terapia indicada y limitando la biopenetración de Dupixent en la cohorte pediátrica.

El problema

"Pediatras y atención primaria no disponen de tiempo ni de herramientas para releer cada historial clínico y detectar de forma sistemática los patrones que indican DA moderada-severa: brotes recurrentes, escalado de corticoides tópicos, comorbilidades atópicas asociadas (asma, rinitis alérgica), impacto en sueño y calidad de vida. El resultado es infradiagnóstico, derivaciones tardías y baja penetración del tratamiento biológico en pediatría."

Por qué con tecnología e IA

Un sistema de IA puede leer continuamente los historiales clínicos electrónicos —texto libre de evoluciones, prescripciones, comorbilidades, frecuencia de visitas— y detectar la combinación de señales débiles que un clínico no puede revisar paciente a paciente a escala. NLP médico sobre el texto, reglas clínicas codificadas y un modelo de scoring permiten emitir alertas accionables al pediatra con recomendación de derivación. El feedback del especialista (alerta aceptada/rechazada) cierra el bucle y reentrena el modelo, mejorando precisión cohort tras cohort.

Qué buscamos

Objetivo del caso

Construir un piloto end-to-end con las 4 fases del sistema (Recopilación → Análisis IA → Alertas → Validación) capaz de leer historiales pediátricos anonimizados, identificar candidatos a DA moderada-severa y emitir alertas con explicabilidad clínica que el pediatra pueda aceptar o rechazar, generando dataset etiquetado para reentrenamiento continuo.

Sistemas que podrían abordarlo

Ejemplos de piezas técnicas que tu cohort puede construir. No es una receta cerrada: cada grupo decide su propio diseño.

01

Ingesta y normalización de historiales clínicos

Fase 1 — Recopilación. Pipeline que ingesta historiales clínicos electrónicos (texto libre + datos estructurados de prescripción y diagnóstico), los anonimiza eliminando PII y los normaliza a un modelo común antes de pasarlos al motor de IA.

Amazon S3 AWS Glue AWS HealthLake AWS Lambda

02

Motor de detección de DA moderada-severa

Fase 2 — Análisis IA. Combina NLP médico sobre el texto libre con reglas clínicas y un modelo de scoring que evalúa brotes recurrentes, escalado de corticoides, comorbilidades atópicas y proxies de calidad de vida. Devuelve un score de probabilidad con explicabilidad por paciente.

Amazon Comprehend Medical Amazon SageMaker Amazon Bedrock Amazon DynamoDB

03

Sistema de alertas a pediatras

Fase 3 — Alertas. Cuando un paciente supera el umbral, emite una alerta al pediatra responsable con la recomendación de derivación, las señales clínicas que la justifican y un link a la ficha del paciente. Integrable con el HCE existente o vía portal web.

Amazon EventBridge Amazon SNS Amazon API Gateway React

04

Validación clínica y bucle de reentrenamiento

Fase 4 — Validación. El especialista marca cada alerta como acierto o falso positivo y deja notas estructuradas. Esa etiqueta alimenta un dataset versionado que dispara reentrenamientos periódicos del modelo, con seguimiento de métricas (precision, recall, drift) por cohort.

AWS Step Functions Amazon SageMaker Pipelines Amazon Aurora Amazon QuickSight

RADIANT no diagnostica: actúa como un sistema de soporte a la decisión que levanta la mano cuando un historial concentra señales compatibles con dermatitis atópica moderada-severa. La decisión clínica y la derivación siguen siendo del pediatra y del dermatólogo.

El alcance del piloto, los criterios clínicos exactos y el modelo de gobernanza del dato se concretan con Sanofi y los centros participantes en la primera semana de la academia.

¿Listo para construir esto?

Accede al portal de la academia y empieza a trabajar en tu cuenta AWS sandbox.

Acceder al portal