Luscii gana el Desafío DKV: ahora la monitorización del embarazo debe demostrar que escala
Safe@Home recibirá 10.000 euros e iniciará un proceso de coadopción con DKV y el Hospital San Rafael. El premio abre una puerta, pero no equivale a validación clínica en España.

Imagen ilustrativa incluida en el documento facilitado.
En breve
Safe@Home recibirá 10.000 euros e iniciará un proceso de coadopción con DKV y el Hospital San Rafael. El premio abre una puerta, pero no equivale a validación clínica en España.
Datos clave
- Selección
- Luscii Safe@Home fue elegida ganadora el 14 de octubre durante Health4Good, celebrado en Madrid.Fuente: Redacción Médica
- Siguiente paso
- Premio de 10.000 euros y proceso de coadopción con DKV y el Hospital Universitario San Rafael; el programa puede incluir un piloto.Fuente: DKV
- Límite
- No se han publicado protocolo español, tamaño de muestra, comparador, resultados clínicos ni evaluación económica del despliegue.
Del concurso al circuito asistencial
La plataforma de monitorización remota Luscii Safe@Home ha ganado el Desafío DKV 2026, centrado en salud perinatal. La solución permite que mujeres con embarazos de riesgo registren desde casa parámetros como la presión arterial y respondan cuestionarios, mientras el equipo asistencial revisa la evolución y las señales de alerta.
El reconocimiento incluye 10.000 euros y el inicio de un proceso de coadopción con DKV y el Hospital Universitario San Rafael. La convocatoria prevé que ese recorrido pueda incluir un piloto en función de la madurez de la solución y del flujo asistencial.
Una tecnología con experiencia previa
Luscii informa de que Safe@Home se desarrolló con UMC Utrecht y se utiliza desde 2017 para apoyar el seguimiento de mujeres con riesgo de hipertensión gestacional, preeclampsia o síndrome HELLP. Combina mediciones domiciliarias y cuestionarios para reducir visitas innecesarias y facilitar una intervención más temprana cuando aparece una alerta.
La evidencia obtenida en otros países no sustituye la evaluación del circuito español, sus criterios de inclusión, la respuesta a las alertas y la integración con la asistencia presencial.
Las preguntas que decidirán la adopción
Habrá que definir quién prescribe el seguimiento, qué dispositivos se usan, con qué frecuencia se miden los parámetros y qué umbrales activan una revisión, además de tiempos de respuesta, cobertura fuera de horario, criterios de derivación a urgencias y responsabilidades ante datos ausentes o alertas falsas.
La evaluación debería medir seguridad, adherencia, experiencia de las pacientes, carga de trabajo profesional, visitas evitadas, ingresos, pruebas y costes, y comprobar que no excluye a quienes tienen menor alfabetización digital, barreras lingüísticas o conectividad limitada.
Un premio no es un resultado clínico
Al cierre de esta pieza no se habían publicado el protocolo de implantación en España, el tamaño de un posible piloto, el comparador ni resultados clínicos o económicos. No debe darse por hecho que la solución ya forma parte de una cobertura aseguradora o de un circuito hospitalario estable.
Esta pieza se elabora a partir de las fuentes citadas. No sustituye la evaluación clínica, regulatoria ni de implementación local.
— Redacción PulsoSalud
Fuentes y referencias
Autoría
Redacción PulsoSalud
Sección Salud digital.
Sigue leyendo
Contenidos relacionados

IA y salud · Formación clínica
Practicar conversaciones difíciles con una IA mejora habilidades, pero no sustituye al paciente humano
Un ensayo aleatorizado detecta mejoras en empatía, claridad y participación del paciente tras 30 minutos con un paciente virtual generativo. La prueba sigue siendo pequeña y simulada.
Leer
Datos del mundo real · Enfermedades raras
De registro a sistema que aprende: MEDA-PKD lleva la enfermedad renal rara al análisis casi en tiempo real
La plataforma alemana integra historia clínica, laboratorio, calidad de vida y proteómica para convertir una cohorte de poliquistosis renal en un recurso dinámico de investigación.
Leer
IA y salud · Seguridad clínica
Una IA fiable también puede inducir errores: la experiencia cambia cómo se vigila al algoritmo
Un estudio con 1.750 decisiones muestra que la seguridad no depende solo de la precisión del modelo, sino de cómo reaccionan los profesionales cuando la ayuda automatizada se equivoca.
Leer¿Quieres recibir los próximos análisis?
Suscríbete al newsletter de PulsoSalud.
