Rivia capta €13 millones para AI agéntica para gestionar ensayos clínicos

Rivia, una startup suiza, recaudó aproximadamente €13 millones en una nueva ronda de financiación para desarrollar IA agentiva para ensayos clínicos. La empresa con sede en Zúrich quiere automatizar no la ciencia en sí, sino la capa operacional más dolorosa del desarrollo de fármacos: la recopilación, reconciliación, verificación e interpretación de datos que hoy siguen dispersos en docenas de sistemas.

Por Qué el Mercado Está Roto

Los ensayos clínicos son uno de los procesos más saturados de datos en medicina. Incluso un único estudio Phase III grande puede extraer información simultáneamente de centros de investigación, laboratorios, diarios de pacientes, dispositivos portátiles, imágenes, genómica y documentos regulatorios. El problema es que estos flujos normalmente residen con diferentes proveedores, llegan en diferentes formatos y se actualizan a diferentes velocidades. Como resultado, los equipos gastan tiempo no en análisis, sino en un montaje manual interminable de una imagen unificada.

Según Rivia, en la última década el volumen de datos en ensayos clínicos ha crecido más del 400%, pero la infraestructura subyacente apenas ha cambiado. Grandes sistemas como Veeva y Medidata históricamente resolvieron el problema del almacenamiento y cumplimiento normativo, no la integración en tiempo real de fuentes heterogéneas. En la práctica, las empresas a menudo siguen exportando archivos de varios sistemas, consolidándolos en Excel o construyendo tuberías separadas para cada nuevo protocolo.

Lo Que Rivia Está Construiendo

Rivia opera desde 2022 e inicialmente construyó una capa de datos unificada para equipos de biotecnología, luego comenzó a agregar agentes de IA sobre esa base. En junio de 2024, la startup recaudó €3 millones en financiación semilla, y ahora ha cerrado una ronda Series A más grande, que según varias publicaciones fue de $15 millones, o aproximadamente €13 millones. La ronda fue liderada por Earlybird; otros participantes incluyeron Defiant, Speedinvest, Amino Collective y Nina Capital. Los fondos se destinarán al crecimiento de equipos en Zúrich y Boston y al lanzamiento de nuevos agentes integrados.

"Si primero no estableces una estructura de datos adecuada, la IA trabajará con información mal organizada y entregará resultados no confiables," explica el CEO de

Rivia, Eric Scalfaro.

Actualmente, la plataforma Rivia incluye varias capas clave:

• una capa unificada de datos normalizados para fuentes dispares
• una biblioteca de configuraciones reutilizables para lógica de estudio específica
• el agente Spark, que convierte consultas en lenguaje natural en gráficos clínicos y resúmenes
• agentes para el monitoreo proactivo de la calidad de datos y anomalías
• procesos con pistas de auditoría transparentes de acciones que se pueden verificar en el marco regulatorio

Por separado, Rivia hace referencia a resultados de un estudio Phase 2, donde Spark ayudó al equipo patrocinador en tareas típicas de revisión clínica—desde el análisis de eventos adversos hasta la construcción de cohortes y la preparación de resúmenes descriptivos. Según la empresa, el tiempo promedio para una tarea manual era 47 minutos, mientras que la respuesta de Spark tardaba alrededor de 2 minutos. En total, esto resultó en un ahorro del 91% del tiempo y liberó aproximadamente 20 horas, que el equipo pudo gastar no en mecánica de datos, sino en decisiones clínicas.

La empresa aún no ha divulgado su número de clientes, pero afirma que la plataforma ya se está utilizando en ensayos activos.

Dónde Serán Útiles los Agentes

El aspecto más interesante de la historia de Rivia no es solo otro asistente de IA que entrega una respuesta elegante, sino un intento de integrar agentes en un entorno altamente regulado. En ensayos clínicos, un "chat inteligente" que proporciona una respuesta pulida no es suficiente. Lo que importa aquí es la explicabilidad, la pista de auditoría, la validación, el control de versiones y el cumplimiento de los requisitos de la FDA y EMA.

Contra este telón de fondo, la presión regulatoria también está creciendo: la industria cada vez más espera herramientas que ayuden a gestionar riesgos y cumplimiento de forma proactiva, en lugar de después del hecho. En la práctica, tales agentes pueden abordar varias tareas caras y lentas simultáneamente: señalar problemas de calidad de datos por adelantado, identificar riesgos de reclutamiento de pacientes antes de que los plazos se pierdan, ayudar a los equipos a construir visualizaciones y resúmenes más rápido a medida que avanza el estudio, y estructurar acciones para que puedan auditarse después.

Si este enfoque se escala, los beneficios irán no solo a CROs y biotechs, sino también a los propios programas de desarrollo de medicamentos, donde los retrasos se traducen rápidamente en millones de dólares en pérdidas.

Lo Que Esto Significa

Rivia está apostando por una tesis clara: la siguiente etapa de IA en healthtech no es la generación de texto sobre archivos caóticos, sino sistemas agentivos que entienden la lógica de los ensayos clínicos y operan dentro de marcos regulatorios. La empresa establece un objetivo ambicioso de reducir los costos de los ensayos en un 50%; si puede demostrar la confiabilidad de este enfoque en programas reales, el mercado ganará no otro dashboard, sino una nueva capa operacional para el desarrollo de medicamentos.