“La e-historia se ha configurado como un organizador de pdfs y de documentos tipo word”

Entrevista a Andrés García Palomo, coordinador de la Sección de Evaluación de Resultados y Práctica Clínica de SEOM

185
La imagen tiene un atributo ALT vacío; su nombre de archivo es Reto17-cancer_vert-8.jpg

Pregunta. La medicina personalizada sin el papel de las nuevas tecnologías no se concibe… ¿Cómo se está avanzando?

Respuesta. Hay cierta confusión entre los conceptos de Medicina Personalizada y Medicina de Precisión. En el ámbito que nos ocupa a mi gusta más hablar de Medicina de Precisión, entendida como el uso de la información ómica (la genética y su traducción en proteínas que desempeñan funciones celulares) y la procedente de sus interacciones con el exposoma o conjunto de factores de exposición a los que está sometida una persona desde el momento de su concepción  hasta que muere y entre los que se podrían nombrar sustancias químicas, radiación solar, calor/frío, estrés, alimentación, contaminación, comportamiento, alérgenos, tóxicos… para prevenir, diagnosticar, tratar una enfermedad o predecir la respuesta del paciente a un fármaco.

Los datos que se desprenden de las interacciones entre la ómica humana y su exposoma alcanzan proporciones que superan los producidos por la información astronómica en volumen. Cabe decir que dichos datos suponen volúmenes del orden hexabytes. Pero además se producen a una velocidad vertiginosa, en tiempo real, proceden de una gran variedad de fuentes, con dificultades en la visibilidad y muchas veces acompañados de ruido (noise o datos falsos o poco congruentes) que les resta valor. Volumen, velocidad, visibilidad, veracidad y variedad configuran y conceptúan a Big Data. Los datos ómicos y su interacción con el exposoma es Biga Data y por tanto, para su conversión en información relevante y accionable necesitan de tecnología ad hoc, que recoja, almacene, analice y de forma entendible y visualizable a esos datos, es decir, que los transforme en información accionable, la cual será utilizada por el ser humano y transformada en conocimiento aplicable. No, no habrá Medicina de Precisión sin el concurso de las nuevas tecnologías, las aportaciones de la Data Science y el ecosistema Big Data.  

P. Dentro de este contexto, los datos en vida real (RWE) se están haciendo imprescindibles, ¿Vamos al ritmo esperado?

R. Los datos en vida Real (DVR o RWD por su acrónimo) son aquellos que se generan durante la atención sanitaria de un paciente, cuando ésta se realiza fuera del contexto de un ensayo clínico. La información procedente de esos datos o RWD configura un cuerpo de conocimientos que denominamos Real World Evidence (RWE) y que permite tomar decisiones de prevención, diagnóstico y tratamiento de pacientes reales.

RWD y RWE necesita una plataforma de recogida y procesamiento de los datos. Y esta no es otra que la historia clínica electrónica. Y aquí es donde tenemos graves problemas que están enlenteciendo la implementación y consolidación de RWD-RWE. No vamos al ritmo deseado como consecuencia de que la eHC se ha configurado como un organizador de pdfs y documentos tipo Word, mas que una verdadera base de datos enfocada a la explotación de su información. No ha sido resuelto el problema de la estructuración automática de datos semi y no estructurados, sin la participación del clínico. Es un verdadero muro el lenguaje libre con el que se introducen los datos mecanografiados, por no hablar de la tremenda dificultad de intercomunicabilidad de la eHC entre los diferentes territorios del Estado.

P. ¿En qué está trabajando actualmente SEOM dentro de esta sección?

R. SEOM, consciente de la necesidad de que la Oncología Médica debe ser la vanguardia de la implementación de los RWD en el ámbito sanitario, creó hace dos años la Sección de Evaluación de Resultados y Práctica Clínica, al que yo tengo el honor de pertenecer y coordinar. El objetivo fundamental de la Sección es el fomento de la cultura del resultado mas allá del ensayo clínico entre los oncólogos médicos y a la vez concienciar a los responsables de la meso y macrogestión sanitaria de la importancia de medir resultados en salud.

Y para alcanzar ese objetivo hemos comenzado por la formación. Se han celebrado varias jornadas formativas, diferentes mesas de debate y hasta dos Simposios monográficos en los que hemos detectado el gran interés y curiosidad que concita este tema.

Conscientes de la importancia de la Historia Clínica Electrónica (eHC) como elemento clave y vertebrador de los RWD-RWE, hemos hecho un estudio del estado actual de su implementación y desarrollo en los diferentes Servicios y Unidades de Oncología del Estado Español, con resultados mas que preocupantes en aspectos esenciales de operatividad, capacidad de explotación de sus datos, intercomunicación territorial y continuidad asistencial vertical y transversal.

Nuestros próximos pasos irán encaminados a crear un consenso nacional sobre indicadores de resultados en salud en el ámbito de la Oncología y fuera del ensayo clínico, al diseño de herramientas informáticas que faciliten el proceso de recogida de datos para fomentar la comunicación y publicación de estudios observacionales, básicos en la cultura del RWD y a la progresiva incorporación del Data Mining y el Machine Learning con el fin de transformar la eHC en una moderna base de datos con arquitectura Big Data.

P. ¿Se está incorporando a la práctica clínica estas aplicaciones de IA o Big Data?

R. Hay prometedores intentos de incorporación, sobre todo en el ámbito de la imagen médica, que quizá sea el aspecto mas avanzado y fiable de la Inteligencia Artificial. Asimismo, se han dado algunos pasos en el desarrollo de sistemas artificiales de ayuda a la decisión clínica. Pero en todo caso, y a pesar de que otros sectores productivos ya lo han hecho, la colaboración máquina-humano en el mundo sanitario aún está en los inicios del proceso de transformación e incorporación de estas tecnologías. 

P. ¿Qué desafíos existen en la actualidad en este terreno?

R. Son numerosos. Quizá el mas importantes es el desafío cultural, el creer que es posible un cambio de los viejos paradigmas de la atención sanitaria a los nuevos horizontes que el mundo de la Data Science y de la IA ofrecen si se hace un uso sensato y juicioso de ellas. Big Data y su ecosistema prometen transformar la Medicina actual, reactiva a la enfermedad, en una ciencia proactiva, preventiva y prescriptiva, con capacidad infinita de incorporar datos de numerosas fuentes.

Junto al desafío cultural, los desafíos metodológicos y técnicos enlentecen el cambio paradigmático. Dichos desafíos están centrados en la eHC, que insisto como la clave de bóveda del desarrollo Big Data – RWD.