La startup Hoomanely, con sede en Palo Alto, está desarrollando un sistema que recopila datos diarios sobre los perros para ayudar a sus propietarios y veterinarios a detectar antes posibles indicadores de enfermedad. El sistema consta de la estación de alimentación inteligente EverBowl y de una plataforma de análisis basada en inteligencia artificial que presenta los resultados mediante una aplicación y reportes a largo plazo.
EverBowl mide la cantidad de comida y agua que consume el perro y la velocidad a la que las consume, además de registrar los sonidos de masticación y deglución, la temperatura asociada al rostro, los movimientos de la boca y otras señales. La plataforma utiliza estos datos para crear una línea de referencia específica para cada perro y un historial de salud continuo, y después alerta al usuario cuando aparecen cambios persistentes y notables respecto a esa línea de referencia. El propietario puede introducir manualmente información adicional para actualizar el historial con datos que los sensores no pueden captar.
¿Por qué importa esta noticia?
Hoomanely considera que la rutina de alimentación ofrece un entorno repetitivo para recopilar datos: el lugar, la postura y la hora son similares, y el comportamiento suele repetirse dos veces al día durante años. Según la empresa, el apetito, la hidratación y el bienestar bucal pueden verse afectados por múltiples problemas, desde el dolor dental y los trastornos estomacales hasta los cambios hormonales y las enfermedades. Por ello, el objetivo no se limita a medir la cantidad de comida, sino a crear una serie temporal que pueda revelar un cambio difícil de observar directamente para el propietario.
Durante una fase de prueba piloto que duró 18 meses, la empresa recopiló alrededor de 5 millones de puntos de datos de más de 80 perros. Afirma que el sistema detectó un cambio en el patrón de alimentación de uno de los perros, que posteriormente se relacionó con un diente fracturado que había empezado a infectarse. En otro caso, la aplicación mostró un cambio persistente en los patrones de alimentación y las temperaturas en comparación con la línea de referencia, lo que llevó al propietario a visitar al veterinario, donde al perro se le diagnosticó fiebre por garrapatas.
Limitaciones antes del uso médico
Estos ejemplos no demuestran que la plataforma sea una herramienta de diagnóstico. La empresa ha reconocido que todavía no dispone de datos independientes sobre la sensibilidad, la especificidad ni las tasas de falsas alarmas de los eventos clínicos. Medir estos indicadores requiere un estudio que compare las alertas del sistema con diagnósticos reales. Además, el grupo de prueba es relativamente pequeño y parece que hasta ahora solo se han enviado unos 50 dispositivos.
Hoomanely afirma que EverBowl y los reportes asociados están disponibles mediante una suscripción mensual de 29 dólares, y recalca que el servicio no sustituye al diagnóstico veterinario. La empresa planea realizar estudios veterinarios formales que midan la sensibilidad, la especificidad, el valor predictivo positivo y las falsas alarmas de cada categoría de alerta, en lugar de ofrecer una única cifra global.
De un cuenco inteligente a una plataforma de datos
La empresa pretende ampliar su ecosistema mediante un dispositivo ponible llamado EverSense para medir el movimiento y el descanso, y la plataforma EverHub para integrar datos de dispositivos externos como collares inteligentes, comederos y dispositivos domésticos. A largo plazo, Hoomanely quiere construir una empresa de datos sobre la salud animal, utilizando los datos en investigaciones y servicios de nutrición y seguros, con la posibilidad de expandirse en el futuro a gatos, ganado y caballos.
La empresa recaudó 1,8 millones de dólares en una ronda de financiación presemilla y afirma que ha comenzado conversaciones para una ronda semilla. En la práctica, el valor actual del proyecto reside en la monitorización continua y en proporcionar al veterinario un historial más prolongado, mientras que los próximos estudios determinarán si las alertas son fiables fuera de los casos experimentales limitados.