SAVALnet EC

https://www.savalnet.ec/mundo-medico/reportajes/la-revolucion-de-la-medicina-predictiva.html
25 Octubre 2021

La revolución de la medicina predictiva

Apoyado en el desarrollo tecnológico y la aplicación de herramientas como machine learning y big data, este enfoque modifica los paradigmas de la atención sanitaria.

Implementar sistemas predictivos y automatizados mediante inteligencia artificial (IA) en los modelos de salud es el futuro de la medicina. O tal vez, el presente. Ya existen ejemplos concretos de cómo la irrupción de esta tecnología encuentra aplicaciones prácticas, mientras las estructuras sanitarias buscan adecuarse al cambio de paradigma.

El desarrollo de estas herramientas marca una nueva era y promete mejorar la calidad de vida. Fortalecer la prevención y adelantarse a la aparición de enfermedades, desde un enfoque individual y otro colectivo, e incluso anticiparse a potenciales brotes epidémicos no es una realidad lejana. Al contrario, la medicina predictiva es un concepto que resulta cada vez más común.

Una de sus claves está en el machine learning, disciplina de la IA que, a través de algoritmos, proporciona a los ordenadores la capacidad de identificar patrones en datos masivos y elaborar predicciones. La necesidad de almacenar, procesar y analizar grandes volúmenes de información -de forma estructurada, segura y anónima- encontró soporte en otro aspecto fundamental, el big data, iniciándose el proceso de transformación de la salud hacia la digitalización. El historial de millones de pacientes, sus tratamientos y evolución están en línea y alimentándose en tiempo real, proporcionado datos que en el futuro lo pueden beneficiar a él, a otra persona o a una comunidad. Para aquello se requiere una correcta interpretación de variables como síntomas, diagnósticos y resultados de exámenes.

Las aplicaciones del big data tienen cabida en la genómica, epidemiología, ensayos clínicos, teleasistencia y gestión administrativa, entre otros ámbitos. En base a la información que de allí se extraiga se pueden construir modelos preventivos. Una mirada más basada en la promoción y que permite desarrollar políticas públicas, programas de investigación, campañas de sensibilización, vigilancia de brotes y evaluación de servicios.

La medicina predictiva va más allá. A partir de los mismos datos pueden crearse modelos algorítmicos entrenados, que procesen por sí solos la información, anticipándose a las necesidades de pacientes o grupos poblacionales. Se pueden diseñar sistemas de alerta, predecir reingresos hospitalarios y gestionar la disponibilidad de camas, aumentar el diagnóstico temprano de patologías, pronosticar la evolución de cuadros clínicos, optimizar gastos sanitarios, prever suficiente stock farmacológico, mejorar el tratamiento de enfermedades neurodegenerativas, conocer las preocupaciones de las comunidades en torno a dolencias específicas y controlar epidemias. 

Este impacto se refleja en diferentes áreas. Por ejemplo, un grupo de científicos del Departamento de Epidemiología y Salud Pública del University College de Londres demostró por primera vez que factores de comportamiento y psicosociales como educación, depresión y actividad física, pueden ser tan informativos como los de riesgo biomédicos: presión arterial y niveles de colesterol. Además podrían ser cruciales para generar un mejor modelo predictivo que permita identificar quiénes poseen mayor riesgo de padecer enfermedades cardiovasculares [1].

Otra prueba se publica en la revista Emergencias. Investigadores de la Universidad de Oviedo y del Servicio de Salud de Castilla-La Mancha (España) aseguraron que predecir la cantidad de pacientes que ingresarán en los hospitales por COVID-19 es posible, tanto en planta como en las unidades de cuidados intensivos. “Encontramos una asociación entre el número de llamadas por disnea, fiebre, malestar general y diarrea y los ingresos hospitalarios y en UCI con una antelación de dos semanas”. Los autores proponen incorporar sistemas predictivos y automatizados mediante IA a los programas de preparación, planificación y anticipación de futuras epidemias y pandemias [2].

La novedad es la forma

Expertos en el campo de la analítica predictiva y prescriptiva sugieren que, si se ingresan grandes conjuntos de datos extraídos de fichas clínicas, evaluación de tratamientos, registro de reclamos, determinantes sociales e información en línea -indicadores de presión arterial, peso y sueño- sofisticados algoritmos pueden identificar patrones que brindan información diagnóstica significativa para pacientes con un amplio espectro de condiciones.

Hasta hace algunos años, la investigación en salud venía centrándose en analizar un grupo de personas representantes de la población general y extrapolar los resultados obtenidos al resto de ella. Este enfoque empezó a cuestionarse con el desarrollo de las tecnologías de análisis del genoma humano surgiendo en contraposición la medicina personalizada para abordar la salud y la enfermedad de forma individual. 

La introducción de la estadística en la medicina permitió encontrar patrones generalizables de reacción a los tratamientos, lo que impulsó a su vez la diferenciación en la aplicación del recurso sanitario según grupos poblacionales. Sin embargo, esta forma de prognosis resulta en ocasiones contraproducente cuando nos hallamos ante un paciente que, por sus circunstancias individuales, no responde igual que el sujeto medio del grupo poblacional al que se le adscribe. La medicina genómica, por su parte, encuentra dificultades en lo que respecta a la capacidad de producir modelos predictivos adecuados [3].

“La irrupción de la IA promete un cambio radical. Lo que resulta una novedad no es tanto el tipo de herramienta como la forma en que se emplea. Y es que la utilización de algoritmos es una constante en la práctica de la medicina. No obstante, en el momento actual de la ciencia, el desarrollo de la tecnología informática y la capacidad de procesar cantidades ingentes de datos ha dado lugar a la proliferación de sistemas informáticos automatizados que aprenden por sí mismos. Y esto sí que encierra un cambio cualitativo con respecto a todo lo que habíamos visto en el pasado”, comenta Íñigo de Miguel Beriain, investigador de la Cátedra de Derecho y Genoma Humano del Departamento de Derecho Público de la Universidad del País Vasco.

La aplicación de la IA a la medicina permite crear modelos diagnósticos y predictivos apenas imaginables hace unos años. Tanto es así que el escenario más probable de la medicina del futuro viene construido en torno a un modelo en el que los profesionales disfrutarán de una información integral proveniente de diferentes fuentes, que se procesará en sistemas automatizados de apoyo para asesorarlos sobre el curso más adecuado de acción terapéutica para cada paciente.

Según de Miguel Beriain, “esto no significa que este enfoque esté exento de problemas. Estos tienen que ver con la propia esencia del método que da carta a la creación de algoritmos construidos a partir del uso masivo de datos. Y es que hay que tener presente que la diferencia fundamental entre el tipo de información que utiliza la medicina tradicional y el uso de herramientas inteligentes de predicción de última generación radica en que, si bien ambas encuentran asociaciones deterministas, la primera es capaz de explicitarlas, mientras que la segunda, generalmente, no lo consigue”.

Salvo excepciones de algoritmos particularmente sofisticados, complejos y de muy elevado coste, la mayor parte de este tipo de construcciones producen únicamente asociaciones, pero no explicaciones razonables sobre los vínculos existentes entre la acción y reacción. De ahí que se pueda decir que generan correlaciones, no cadenas de causalidad. En consecuencia, estas técnicas despiertan un considerable número de interrogantes completamente novedosas que no encuentran fácil respuesta desde el punto de vista de la ética [4].

La tecnología está desempeñando un papel clave en la evolución de la sociedad y todos los sectores se están beneficiando de ella. La medicina no es la excepción, ya que orienta sus estrategias en base al análisis predictivo, pero su uso adecuado implica no simplificar la atención ni reducir al paciente a un conjunto de probabilidades derivadas de algoritmos. Regulada adecuadamente para garantizar la protección e integridad de cada persona, la medicina predictiva representa una herramienta revolucionaria que apenas inicia su camino.

Referencias
[1] Tillmann T, Läll K, Dukes O, Veronesi G, et al. Development and validation of two SCORE-based cardiovascular risk prediction models for Eastern Europe: a multicohort study. Eur Heart J. 2020 Sep 14;41(35):3325-3333.
[2] Castro Delgado R, Delgado Sánchez R, Duque Del Río MDC, Arcos González P. Potential capacity of an emergency dispatch center to predict COVID-19-related hospital and intensive care unit admissions. Emergencias. 2021 Oct;33(5):368-373.
[3] Berberich AJ, Ho R, Hegele RA. Whole genome sequencing in the clinic: empowerment or too much information? CMAJ. 2018 Feb 5;190(5):E124-E125.
[4] Personalized Medicine, Predictive Algorithms and the Use of Automated Decision Systems in Healthcare. Ethical Issues. Revista Internacional de Éticas Aplicadas. Dilemata, año 11 (2019), nº 30, 93-109.

Por Óscar Ferrari Gutiérrez