2021
Salud
IA
Decisiones clínicas más rápidas: cómo simplificar la información oncológica para médicos bajo presión
Trabajando para Arionkoder, participé en el diseño de OncoRx, una plataforma para oncólogos que centraliza información de tratamientos oncológicos emergentes. A través de un proceso centrado en el usuario e integración de IA, diseñamos una herramienta que convierte datos complejos de oncología de precisión en información clínica accionable.
(el desafío)
Los oncólogos se veían obligados a saltar entre múltiples fuentes, interpretar reportes complejos y dedicar tiempo valioso a investigar en lugar de atender pacientes.
Los oncólogos comunitarios atienden entre 20 y 30 pacientes por día en múltiples tipos de cáncer, mientras la oncología de precisión avanza a un ritmo difícil de seguir. Nuevos ensayos clínicos, aprobaciones de la FDA e investigaciones se publican constantemente.
Antes de diseñar cualquier solución, participé junto al equipo en un workshop de discovery y entrevistas en profundidad con oncólogos comunitarios, especializados y orientados a la investigación, además de representantes farmacéuticos. Mapeamos flujos de trabajo reales, puntos de fricción y prácticas de toma de decisiones. Ese proceso fue clave: tuvimos que aprender el lenguaje de la oncología de precisión para poder diseñar con criterio, no solo con intuición visual.
A partir de ese trabajo de discovery identificamos el problema central: sobrecarga de información.
Nos hicimos una pregunta que guió toda la priorización: ¿es la propuesta de valor lo suficientemente fuerte como para que los oncólogos adopten una nueva plataforma?
Con esa pregunta como norte, priorizamos soluciones que pudieran centralizar el conocimiento médico fragmentado, simplificar la interpretación de reportes y hacer visibles los insights de tratamiento relevantes más rápido.
(la solución)
Refinamos el producto trabajando codo a codo con oncólogos en casos reales.
Corrimos un design sprint para explorar y testear múltiples direcciones. Los conceptos más fuertes desplazaron el foco de "más datos" a mejor insight.
Las funcionalidades validadas a través de prototipado y testing incluyeron:
- Vista unificada de reportes
Una visualización que hace los resultados más fáciles y rápidos de interpretar - Insights generados con IA
Análisis automatizados para acelerar la investigación y la interpretación - Conocimiento médico centralizado
Acceso en un clic a múltiples fuentes de investigación, incluyendo PubMed, sin necesidad de navegar entre plataformas - Una experiencia diseñada para integrarse naturalmente en los flujos clínicos existentes, no para reemplazarlos
(el resultado)
Un enfoque holístico y centrado en el usuario que abrió oportunidades de crecimiento más allá del alcance inicial.
El trabajo generó alineación entre Arionkoder y OncoRx, estableciendo una hoja de ruta para la evolución futura de la plataforma.
- Acceso más rápido
a insights de tratamientos emergentes - Reducción del tiempo
de investigación a través de conocimiento médico centralizado - Mejora en la toma de decisiones clínicas
gracias a información procesada y accionable