En el debate necesario para lograr un acceso más avanzado a las nuevas terapias, para ofrecer mejores servicios en la atención a los pacientes, la inteligencia artificial y el big data ya son herramientas imprescindibles, en línea con el macroprograma europeo Darwin que se impulsa en el seno de la Unión Europea.

Pablo Poveda

Pablo Poveda, experto en datos para la salud en Renewtrak United Kingdom, experto en analizar las necesidades tecnológicas para la implementación de modelos de acceso innovadores: la Inteligencia Artificial como herramienta.

Poveda toma distancia sobre el ruido que genera actualmente la inteligencia artificial (IA) y la definió como parte de la ciencia que busca resolver problemas de forma creativa mediante el uso de logaritmos que siguen la lógica humana y que por ello se presenta como una ayuda para la toma de decisiones y sin que deba ser confundida con el Big data o el Machine Learning, aunque este aprendizaje automático emplee para sí algoritmos de IA. Por lo que dicho Machine Learning es un subconjunto de la IA y que incluye otras posibilidades como las redes neuronales o el Deep Learning, entre otras.

De forma que se puede realizar IA de forma tradicional mediante código o usar el aprendizaje automático a partir de bases de datos que pueden ser imágenes en medicina, debidamente clasificadas, por ejemplo, fe forma binaria.

Describió como titánica la tarea de clasificación aunque sean generalmente los propios usuarios de las tecnologías los encargados de clasificar imágenes, palabras o sonidos de manera involuntaria. Dentro de unos componentes que incluyen, para que la máquina aprenda, como son la base de datos, las características selectivas y el algoritmo que genera el modelo de predicción.

En su descripción de la revolución que supone la IA, Poveda consideró que radica en los algoritmos de machine learning cuyo origen se puede remontar a 40 ó 50 años. Con la diferencia que hoy supone un ingente volumen de datos y muy diversificados en su estructuración y alimentados por fotos, vídeos y sonidos, junto a una enorme capacidad para su precesamiento en tiempo real. En una trayectoria en la que, en 2010 ya había un trillón de terabytes con presencia de teléfonos inteligentes y un uso muy difundido de internet. Para llegar a los 120 del presente, entre datos generados y procesados.

Ubicó Poveda en el ámbito sanitario una parte importante de esta información, con mayor capacidad que otros sectores como incluso los servicios financieros o los de producción. Para referirse al deep learning por su capacidad para procesar ingentes cantidades de datos, analizar los inputs y adoptar una decisión en milisegundos.

Vio aplicación de toda esta tecnología para la salud, mediante smartwacthes y otros wearables que aportan información precisa y en tiempo real de constantes vitales de su portador, como pueden ser la frecuencia cardíaca o la saturación de oxígeno. Hasta el punto de que, durante la pandemia, ofrecieron la posibilidad de señalar aquellas personas que iban a presentar Covid-19 tres días antes de su sintomatología así como la gravedad del cada caso, mediante IA.

Vio en ello una gran ventana de oportunidad para prever los recursos sanitarios con anticipación. Gracias a los datos exógenos que aportan estas tecnologías, que todavía no pueden ser tenidos como datos clínicos, a pesar de ser captados de la vida real, pero todavía con la cuestión de no estar normalizados y venir de fuentes no homogéneas. Siendo importante zanjar cuestiones también muy importantes como la titularidad de los datos y su modelo de gestión. Junto a otras exigencias como su calidad y el respeto al marco europeo de protección de datos. Junto a la vigilancia de que las variables queden bien recogidas para validar el modelo.

Confirmó este experto que los modelos de RWE tienen muy buen encaje en el ámbito de los medicamentos. Para ganar en seguridad para los fármacos y también disponer de biomarcadores biometricos, sanguíneos o genómicos. Además de imágenes clínicas o tomadas por el propio usuario para su disponibilidad desde la nube como permiten grandes compañías tecnológicas conocidas de todos.

Citó ejemplos de colaboración entre corporaciones biofarmacéuticas y compañías tecnológicas para una mejor gestión de sus datos, como el caso de UCB Pharma en alianza con Accenture y su algoritmo de procesamiento de texto para la estructuración de informes de paciente, los modelos de reducción de la medicación hasta un 60% para pacientes crónicos y también modelos pronósticos de evolución en determinados tumores.

En el contexto europeo se refirió a la iniciativa Darwin UE para la creación de una base de datos federada compuesta a su vez por otras bases de datos para gestionar información sobre diferentes agentes como instituciones y corporaciones como IQVIA. Su plataforma busca garantizar la calidad, veracidad y control de los datos en términos de acceso. Mientras que en Reino Unido se organizan los datos de manera anonimizada por la UK Data Service por la empresa Atlantic para la generación de modelos de predicción y gestión desde criterios de calidad y mejora.

En el caso de Estados Unidos, 14 hospitales han creado para gestionar sus datos para gestionar la información de manera eficiente.

Dr José Luis Poveda

Complementariamente y para comprender mejor los modelos innovadores de acceso a fármacos según el papel de la farmacia hospitalaria, doctor José Luis Poveda, jefe de Farmacia del Hospital Universitario La Fe de Valencia, ve campos de mejora como los entornos sanitarios dispares, acceso mutado de datos, falta de gobernanza y uso común de los datos y, en general, procesamientos lentos y complejos de los datos. Por lo que apostó por buscar una visión general diferente para el uso de la información clínica y de investigación. Donde tanto el marco regulatorio como el político resultan esenciales para el uso de estos datos, apoyar las decisiones regulatorias y permitir una gestión clínica personalizada y basada en la eficiencia.

Vio factible entrar en la cultura del dato, pero utilizando los datos de una forma diferente. En un momento en el que, como señaló hay proyectos europeos que suponen un rayo de esperanza, a pesar de que no se pueden esperar soluciones sencillas a la complejidad de los problemas actuales. Entre los que destacó una estructura de datos hoy claramente ingobernable, a pesar de que hay herramientas para hacerlo. Ante un futuro que podría traer estrategias de prevención y diagnóstico temprano apoyado en inteligencia artificial, si es que es posible dejar a un lado ciertos rasgos de estupidez.