Rivia capta 13 millones de euros para IA agéntica en la gestión de ensayos clínicos

La suiza Rivia ha captado unos 13 millones de euros en una nueva ronda de financiación para desarrollar IA agéntica para ensayos clínicos. La startup de Zúrich no quiere automatizar la ciencia en sí, sino la capa operativa más dolorosa del desarrollo de fármacos: recopilar, conciliar, verificar e interpretar datos que hoy siguen repartidos en decenas de sistemas.

Por qué el mercado está roto

Los ensayos clínicos son uno de los procesos con más datos de la medicina. Un solo estudio grande de Phase III puede extraer información a la vez de centros de investigación, laboratorios, diarios de pacientes, dispositivos portátiles, imágenes, genómica y documentos regulatorios. El problema es que estos flujos suelen estar en manos de proveedores distintos, llegan en formatos diferentes y se actualizan a distinta velocidad. Como resultado, los equipos no dedican su tiempo a analizar, sino a montar a mano, una y otra vez, una imagen única.

Según Rivia, el volumen de datos de la investigación clínica ha crecido más de un 400 % en la última década, pero la infraestructura básica apenas ha cambiado. Grandes sistemas como Veeva y Medidata resolvieron históricamente el almacenamiento y el cumplimiento regulatorio, no la integración en tiempo real de fuentes heterogéneas. Por eso, en la práctica, las empresas siguen exportando archivos de varios sistemas, juntándolos en Excel o construyendo pipelines distintos para cada nuevo protocolo.

Qué construye Rivia

Rivia opera desde 2022. Primero construyó una capa de datos unificada para equipos de biotecnología y solo después empezó a añadir agentes de IA sobre esa base. En junio de 2024 la startup captó 3 millones de euros en una ronda seed, y ahora ha cerrado una Series A mayor que, según distintas publicaciones, ascendió a 15 millones de dólares, unos 13 millones de euros. La ronda la lideró Earlybird; también participaron Defiant, Speedinvest, Amino Collective y Nina Capital. El dinero se destinará a ampliar los equipos de Zúrich y Boston y a lanzar nuevos agentes integrados.

«Si primero no se construye la estructura de datos, la IA trabajará con información mal organizada y dará resultados poco fiables», explica el CEO de

Rivia, Erik Scalfaro.

La plataforma de Rivia incluye ahora varias capas clave:

• una capa unificada de datos normalizados para fuentes dispersas
• una biblioteca de configuraciones reutilizables para la lógica de estudios concretos
• el agente Spark, que convierte consultas en lenguaje natural en gráficos y resúmenes clínicos
• agentes de monitorización proactiva de la calidad de los datos y de las desviaciones
• procesos con auditoría transparente de las acciones, verificables en el ámbito regulatorio

Por separado, Rivia cita los resultados de un estudio de Phase 2 en el que Spark ayudó al equipo de un patrocinador en tareas habituales de revisión clínica, desde el análisis de eventos adversos hasta la construcción de cohortes y la preparación de resúmenes descriptivos. Según la compañía, una tarea manual tardaba una media de 47 minutos, y la respuesta de Spark, unos 2 minutos. En total, supuso un ahorro del 91 % del tiempo y liberó unas 20 horas, que el equipo pudo dedicar a decisiones clínicas en lugar de a la mecánica de los datos.

La compañía todavía no revela cuántos clientes tiene, pero asegura que la plataforma ya se usa en ensayos activos.

Dónde serán útiles los agentes

Lo más interesante de la historia de Rivia no es que sea un asistente de IA más, sino el intento de integrar agentes en un entorno estrictamente regulado. En los ensayos clínicos no basta con un «chat inteligente» que da una respuesta pulida. Importan la explicabilidad, la pista de auditoría (audit trail), la validación, el control de versiones y el cumplimiento de los requisitos de la FDA y la EMA. A ello se suma una presión regulatoria creciente: el sector necesitará cada vez más herramientas que ayuden a gestionar riesgos y cumplimiento de forma proactiva, no a posteriori.

En la práctica, estos agentes pueden asumir a la vez varias tareas caras y lentas: señalar con antelación problemas de calidad de datos, detectar riesgos de reclutamiento de pacientes antes de que se incumplan los plazos, ayudar a los equipos a crear visualizaciones y resúmenes más rápido durante el estudio y estructurar las acciones para poder verificarlas después. Si este enfoque funciona a escala, saldrán ganando no solo las CRO y las biotecnológicas, sino los propios programas de desarrollo de fármacos, donde los retrasos se convierten rápido en millones de dólares de pérdidas.

Qué significa

Rivia apuesta por una tesis clara: la siguiente etapa de la IA en healthtech no es generar texto sobre archivos caóticos, sino sistemas agénticos que entiendan la lógica de un estudio clínico y trabajen dentro del marco regulatorio. La compañía se ha fijado el ambicioso objetivo de reducir el coste de los ensayos hasta un 50 %. Si logra demostrar la fiabilidad de este enfoque en programas reales, el mercado no recibirá un panel más, sino una nueva capa operativa para el desarrollo de fármacos.