Para os médicos que tentam se manter atualizados sobre os avanços mais recentes da medicina, revisar as novas pesquisas é como ser atingido no rosto por um canhão d’água. Um novo artigo científico é publicado a cada 30 segundos. Vasculhar tudo isso para formular um diagnóstico ou plano de tratamento que reflita as melhores opções — enquanto se atende a 20 pacientes por dia — é uma tarefa quase impossível.

“Falamos sobre a era de ouro da biotecnologia, com novos e melhores medicamentos sendo desenvolvidos o tempo todo. Mas é como a Idade das Trevas para os médicos, por causa do esgotamento”, disse Daniel Nadler, cofundador e CEO da OpenEvidence, à Forbes. “Há esse enorme jato de informações do qual eles precisam dar conta, e o cérebro humano é limitado na sua capacidade de ler milhões de estudos.”

Diante disso, Nadler, de 42 anos, que vendeu sua empresa anterior por US$ 550 milhões em 2018, decidiu resolver o problema com inteligência artificial. Agora, os algoritmos proprietários da startup vasculham milhões de publicações revisadas por pares — incluindo periódicos de ponta como o New England Journal of Medicine e o Journal of the American Medical Association — para ajudar os profissionais a encontrar rapidamente as melhores respostas, com as citações completas dos artigos para que possam se aprofundar. O software é gratuito para médicos verificados e gera receita por meio de publicidade — da mesma forma que o Google.

“Acho que a OpenEvidence será para a saúde o que o Google foi para a internet.”

A afirmação é de John Doerr, bilionário e presidente da Kleiner Perkins, que investiu pessoalmente na empresa, além de sua firma, acrescentando: “O modelo gratuito para médicos é o segredo aqui.”

Desde sua fundação em 2022, a OpenEvidence, com sede em Miami, já conquistou 40% dos médicos dos Estados Unidos — mais de 430 mil — e adiciona uma média de 65 mil novos usuários por mês. Sua receita com publicidade já alcança uma taxa anual estimada em US$ 50 milhões. Embora ainda não seja um valor expressivo, o crescimento do uso da ferramenta tem atraído grandes apostas de investidores: a OpenEvidence já arrecadou US$ 210 milhões em uma rodada liderada pela GV (braço de capital de risco do Google) e pela Kleiner Perkins, com avaliação de mercado de US$ 3,5 bilhões — bem acima do valor de US$ 1 bilhão alcançado na última rodada, em fevereiro, segundo Nadler disse à Forbes. Outras firmas de capital de risco renomadas, como Coatue, Conviction e Thrive Capital, também investiram.

Com a nova rodada de investimento, Nadler, Ph.D. por Harvard, que detém cerca de 60% da empresa, tornou-se bilionário, com uma fortuna estimada em US$ 2,3 bilhões, segundo a Forbes.

O cofundador Zack Ziegler, diretor de tecnologia da empresa, de 30 anos, possui aproximadamente 10% da companhia, cerca de US$ 350 milhões. Nadler conseguiu manter uma participação tão significativa por ter sido o primeiro investidor da OpenEvidence, injetando cerca de US$ 10 milhões de seu próprio bolso antes de buscar qualquer financiamento externo.

“Uma das grandes vantagens de ser um empreendedor pela segunda vez é que eu não sou um idiota”, brincou Nadler.

“Acho que a segunda empresa vai ser maior que a primeira, então talvez os primeiros US$ 10 milhões devessem vir de mim. Essa foi, de longe, a decisão financeira mais inteligente da minha vida… Eu queria apostar em mim mesmo.”

O problema que a OpenEvidence está tentando resolver é imenso — e só tende a crescer. A literatura médica está se expandindo a um ritmo meteórico — dobrando de tamanho a cada cinco anos — com o desenvolvimento de novas opções de tratamento, como as terapias genéticas, e com a descoberta de como diferentes doenças e medicamentos interagem.

Filtrar tudo isso é uma tarefa hercúlea: alguns artigos são excelentes, outros ruins e muitos já estão desatualizados. (Com o uso de IA na produção e revisão de pesquisas, o problema só se agravou.) Enquanto isso, os médicos nos Estados Unidos estão cada vez mais sobrecarregados, diante da escassez crescente de profissionais de saúde — o que cria uma oportunidade para startups que queiram desenvolver tecnologias capazes de oferecer um atendimento melhor e aliviar a pressão.

A OpenEvidence não é a primeira empresa a tentar dar conta do excesso de publicações médicas; o UpToDate, da Wolters Kluwer, existe há décadas e recentemente passou a incorporar IA, junto de conselhos de especialistas, para fazer o mesmo. Mas o negócio de Nadler foi o primeiro a criar um software com IA integrada desde o início, com o objetivo de ajudar os médicos a encontrar respostas para questões clínicas urgentes — com mais precisão do que o ChatGPT.

Atualmente, os médicos consultam a OpenEvidence cerca de 8,5 milhões de vezes por mês. Como a ferramenta não é considerada diagnóstica, não precisa de aprovação da FDA (agência reguladora dos EUA), como acontece com algoritmos usados para detectar AVCs ou sepse. E, por ser gratuita e acessível online, pode evitar o demorado e burocrático processo de contratação por hospitais ou grandes grupos — o que ajudou a empresa a atrair profissionais cada vez mais rápido.

A Dra. Susan Wolver, clínica geral em Richmond, Virgínia, tornou-se uma usuária entusiasta, utilizando a OpenEvidence para redigir cartas de autorização prévia e buscar informações sobre medicamentos. Em um caso mais dramático, durante um voo doméstico, um passageiro imunocomprometido quase desmaiou no banheiro. Wolver recorreu à OpenEvidence para entender os riscos imunológicos do paciente e elaborar um plano de tratamento ali mesmo.

“Não passa um dia sem que eu use”, afirmou ela.

A trajetória do novo bilionário da saúde

Nadler cresceu em Toronto, seus pais integraram a grande onda de imigrantes do Leste Europeu no pós-guerra — seu pai vindo da Romênia e sua mãe da Polônia. “Meu avô esteve em Auschwitz e sobreviveu”, contou ele. “Depois da Segunda Guerra Mundial, ele queria vir para os Estados Unidos, mas o país não estava aceitando imigrantes, então eles acabaram indo para o Canadá.”

Quando criança, Nadler era competitivo ao extremo, se aventurando em jogos de memória para ver se conseguia recitar mais trechos de um solilóquio de Hamlet do que um amigo.

“Eu era um nerd total.”

Membro da Mensa, achava a escola entediante e, depois de concluir a graduação na Universidade de Toronto, se candidatou ao doutorado em Harvard, em busca de um desafio maior. Lá, obteve um Ph.D. em economia política, com uma tese sobre os mecanismos de precificação de derivativos de crédito. Também estudou poesia com a vencedora do Pulitzer Jorie Graham, criou um aplicativo chamado Sigmund, que podia ser programado para dizer palavras específicas durante o sono com o objetivo de influenciar os sonhos dos usuários, e atuou como pesquisador visitante no Federal Reserve.

Nadler estava trabalhando em seu doutorado — ganhando apenas US$ 23.500 por ano como estudante de pós-graduação — quando teve a ideia de sua primeira empresa, a Kensho. No Fed, ficou surpreso ao descobrir que os reguladores ainda dependiam de planilhas básicas do Excel para análises críticas. Assim, juntou-se ao programador Peter Kruskall para criar algoritmos que tornassem a análise financeira tão simples quanto uma busca no Google.

Quando a Kensho lançou seu chatbot de texto, chamado Warren (em referência a Warren Buffett), em 2012, a inteligência artificial ainda era território exclusivo dos acadêmicos — e não o centro fervilhante do mundo das startups como é hoje.

“Ninguém falava de IA em 2012. Estamos falando de dez anos antes do ChatGPT”, afirmou.

A ideia deu certo. Quando a S&P comprou a Kensho, pagando US$ 700 milhões (incluindo bônus de retenção), o negócio se tornou o maior acordo de IA da história até então. Nadler, que detinha 20% da empresa, ficou subitamente rico. “Fundadores de segunda viagem geralmente perdem a arrogância”, disse Sangeen Zeb, sócio da GV. “O Daniel ainda tem essa arrogância.”

Em 2021, ele se uniu a Ziegler, que fazia doutorado em aprendizado de máquina em Harvard, mas queria mesmo era construir coisas. Os dois tinham a intuição de que a tecnologia de IA, que havia ajudado a tornar os traders mais inteligentes ao detectar padrões em grandes volumes de dados, também poderia auxiliar os médicos — com impacto ainda maior.

Ambos também tinham motivações pessoais. O avô de Nadler morreu por erro médico, enquanto Ziegler viu seu cunhado, com 22 anos, passar por um tratamento de leucemia. (Hoje, ele está em remissão.) “Foi algo que abriu muito meus olhos”, disse Ziegler.

“Existe uma complexidade imensa, mas os médicos ainda acessam esse conhecimento folheando livros didáticos.”

O investidor de risco Jim Breyer, que já havia investido na Kensho, passou quatro horas conversando com Nadler sobre sua ideia para a OpenEvidence e tornou-se um dos primeiros investidores externos da empresa (junto com o bilionário Ken Moelis), em 2022. Breyer, que ficou famoso por apostar em Mark Zuckerberg em 2005, considera Nadler parte de um seleto grupo de fundadores. “Daniel é um empreendedor extraordinário. A ideia inicial de aplicar IA aos periódicos médicos foi simplesmente brilhante.”

No início de 2023, a OpenEvidence ingressou no prestigiado acelerador de healthtech da Clínica Mayo. O programa permite que startups refinem suas ideias — e suas tecnologias — dentro do hospital que, como observou Nadler em um vídeo do programa, “possui o maior e mais qualificado conjunto de dados da área de saúde”. Àquela altura, a IA já estava em ascensão. A década de experiência do fundador no setor começou a render frutos rapidamente. “Quando todo mundo estava correndo para sair das criptos, eu pensei: ‘vou dar voltas em torno de todos vocês’.”

Ainda assim, esse é um mercado desafiador, e há dúvidas sobre se buscas baseadas em IA sempre fornecerão a melhor resposta. Nadler argumenta que, ao se basear nos “padrões de ouro do conhecimento médico” — muitos dos quais não estão disponíveis na internet aberta, exceto pelos resumos, como os da JAMA e do New England Journal of Medicine — os modelos de ranqueamento de buscas da startup conseguem extrair informações confiáveis e relevantes sobre doenças raras ou efeitos colaterais de medicamentos, minimizando as “alucinações” (tendência da IA de inventar fatos). “IA é: ‘lixo entra, lixo sai’; ‘ouro entra, ouro sai’”, disse Nadler, acrescentando: “Nem tudo é sobre criar um algoritmo super nerd.”

O Dr. Stephen Krieger, especialista em esclerose múltipla no Mount Sinai, em Nova York, ouviu falar da OpenEvidence por um residente no último fim de semana, enquanto fazia visitas no hospital. Precisava descobrir qual antibiótico usar em uma infecção neurológica em um paciente alérgico à penicilina — algo fora de sua especialidade. Antes de confiar na ferramenta, testou sua precisão perguntando sobre sua própria pesquisa sobre esclerose múltipla (e confirmou a resposta com seus colegas de infectologia).

A OpenEvidence não só resumiu corretamente seu estudo, como também apontou limitações que ainda não haviam sido publicadas.

“A ideia de que ela se propôs a me dizer as limitações do meu próprio trabalho — e eu concordei com elas — me pareceu sensacional.”

Mas Daniel Byrne, professor da Escola de Saúde Pública Bloomberg da Universidade Johns Hopkins e autor do livro Artificial Intelligence for Improved Patient Outcomes, diz que a questão é mais complexa. “O que percebi é que a maioria das pessoas não entende que até metade da literatura médica está errada”, afirmou, observando que muitos artigos são publicados sobre debates científicos ou estudos clínicos que podem não se confirmar no futuro. “Ter uma referência é um passo na direção certa, mas não é suficiente”, disse Byrne.

O Dr. Travis Zack, diretor médico da OpenEvidence, afirma que, embora qualquer sistema de IA esteja sujeito a erros, a tendência é que eles sejam bem menores do que os cometidos por médicos que precisam tomar decisões para 20 pacientes por dia sem acesso fácil à literatura disponível.

“O que a OpenEvidence faz é permitir que os médicos não precisem confiar apenas no próprio instinto.”

Ainda resta saber se o modelo de publicidade da OpenEvidence será bem-sucedido. As farmacêuticas são grandes anunciantes e, agora, têm a chance de apresentar informações detalhadas sobre seus medicamentos diretamente a médicos que provavelmente os utilizarão. Graças às respostas patrocinadas, a empresa consegue manter o acesso gratuito para os médicos, o que ajuda a atrair mais profissionais e permite ajustar o algoritmo (e melhorar os resultados das buscas) com base no feedback deles. Isso cria o que Nadler chama de “roda mágica”, em que mais usuários tornam o produto melhor, o que atrai mais usuários — e assim por diante.

Mas, apesar de o setor de saúde e farmacêutico ter investido cerca de US$ 30 bilhões em publicidade em 2024, construir um negócio baseado em anúncios ainda é algo incomum no universo das healthtechs, onde a maioria dos softwares é vendido por assinatura.

“As pessoas detestam publicidade”, disse Nadler. “Não sei por quê — eu adoro publicidade.” Mas até ele reconhece que a empresa, atualmente, tem um inventário potencial de anúncios muito maior — mais de US$ 350 milhões — do que conseguiu vender até agora. “O Google levou um tempo para fazer as pessoas se sentirem confortáveis com esse modelo, e é isso que estamos fazendo.”

O Dr. Aneesh Singhal, vice-diretor do departamento de neurologia do Massachusetts General Hospital e diretor do centro de AVC do hospital, baixou o OpenEvidence há um ano, depois de ler sobre a ferramenta em um e-mail em massa enviado pelo sistema hospitalar. Desde então, percebeu que a ferramenta ganhou popularidade entre seus residentes e colegas cirurgiões. “Parece que todo mundo está usando”, disse ele.

Ele queria pesquisar os estudos mais recentes sobre AVC em adultos — uma tarefa assustadora que normalmente levaria horas vasculhando o PubMed e livros digitais. A ferramenta se mostrou muito melhor do que um chatbot genérico como o ChatGPT, sugerindo perguntas adicionais sobre o histórico médico do paciente e exames que deveriam ser realizados, segundo ele.

“O ChatGPT para no meio do caminho, ele simplesmente te dá a resposta direta”, afirma Singhal.

Agora, a empresa está avançando no uso dos chamados modelos de raciocínio, que pensam em etapas para resolver uma tarefa — uma abordagem que pesquisadores descobriram melhorar a qualidade e a robustez das respostas da IA.

Neste mês, a startup lançou um novo recurso chamado DeepConsult, que utiliza essa técnica para conectar diferentes estudos e realizar pesquisas avançadas sobre um determinado tema. “Isso permite que um médico, basicamente, tenha uma equipe de Ph.D.s e M.D.s que possa sair pesquisando profundamente enquanto ele se dedica a outras tarefas”, explicou o cofundador Ziegler.

Embora a tecnologia da OpenEvidence pudesse ser aplicada de forma semelhante em outros campos científicos, Nadler não está focado nessa expansão por enquanto: ele quer manter o foco na área da saúde, tanto nos Estados Unidos quanto internacionalmente, especialmente em países onde o acesso a um atendimento de qualidade é limitado.

Em todo o setor, hoje existe um verdadeiro mosaico de tecnologias com IA — desde ferramentas que registram anotações para médicos até sistemas de diagnóstico clínico. Ao combinar tudo isso com resultados de exames laboratoriais e dados de dispositivos médicos, como monitores de glicose, surge a oportunidade de reunir todas essas informações em um só lugar.

Thomas Laffont, cofundador da Coatue e investidor na OpenEvidence, enxerga a startup como um possível centro de convergência para todas essas soluções no futuro. “Se você apertar os olhos, consegue imaginar um mundo em que a OpenEvidence se torna a ferramenta por meio da qual todos esses diagnósticos acontecem”, disse ele.