Dimor Projects, The e-Health Factory apuesta por el Real World Data con análisis Big Data Salud “para implantar sistemas predictivos en los centros sanitarios que nos permitan tomar las mejores decisiones clínicas en base al análisis previo por patología de las historias clínicas anonimizadas de todos los pacientes tratados con esa misma patología en el centro hospitalario”. Ha señalado el CEO de la compañía Rafael Díaz Zamora.

Dimor Projects está actualmente realizando proyectos piloto de Real World Data en la Comunidad de Madrid y, en breve, extenderá el análisis de datos en salud a otras comunidades autónomas debido a la demanda tanto de la dirección de hospitales de referencia, “como de las propias consejerías de salud que buscan mejorar los resultados, ganar en eficiencia y personalizar la sanidad para así mejorar sustancialmente la atención al paciente”, ha puntualizado Díaz Zamora

Los sistemas de ayuda a la decisión clínica son necesarios para que los profesionales sanitarios tengan acceso a la evidencia científica más reciente y puedan elegir así el mejor tratamiento. Sin embargo, el coste de la puesta en marcha de estos sistemas es “extremadamente alto”, por lo que es necesario que sean compartidos para hacer asequible su adopción “a gran escala”.

Según la UPV, la diversidad de las tecnologías y estándares utilizados hoy en día “impiden que estos sistemas de ayuda puedan compartirse de forma efectiva entre organizaciones, hospitales y otros centros sanitarios de diferentes sistemas de salud dentro de un mismo país”.
Para paliar este déficit, los investigadores de las tres instituciones han desarrollado una nueva técnica de inteligencia artificial que “mapea” la información de los sistemas de salud, “haciendo accesible a todos los profesionales médicos los sistemas de ayuda a la decisión clínica, independientemente de dónde se hayan desarrollado y bajo qué tecnología o estándar”. En cierto modo, según ha explicado, esta técnica “permite generar bibliotecas nacionales distribuidas de sistemas de ayuda a la decisión clínica”.
Según describe Luis Marco, investigador del Norwegian Centre for E-health Research y colaborador del grupo SABIEN-ITACA de la UPV, esta técnica permite acceder a la guía clínica computerizada -es decir, el sistema de ayuda a la decisión- “que al final es un acuerdo de expertos sobre la mejor forma de tratar una determinada patología. Esto significa acceder a la mejor evidencia disponible y tomar decisiones a partir de ella”.
El sistema de historia clínica electrónica, al detectar un estado de un paciente con una patología concreta, se conecta al sistema de ayuda a la decisión y determina “cuál es la mejor forma de proceder según la guía”. Con ello hace una “recomendación” al clínico que, al final, es quien decide si seguir el consejo o no de acuerdo a su criterio.
Servicios web semánticos
La técnica está basada en la aplicación de servicios web semánticos que utilizan inteligencia artificial para que las máquinas puedan localizar y acceder a los sistemas de ayuda. “Por poner un ejemplo: un médico tiene un paciente con una patología cardíaca. ¿Cómo ayudaría esta técnica? Si la guía clínica para tratar la fibrilación atrial se ha desarrollado, por ejemplo, en el Hospital de La Fe, permitiría a otro centro conectarse a esa guía electrónica y que sus clínicos la puedan usar en el tratamiento de sus pacientes”, ha indicado Luis Marco.
Suponiendo que se encuentren en la misma red de salud, la técnica desarrollada define con lógica matemática (entendible por ordenadores) aspectos como la funcionalidad del sistema, sus desarrolladores, la organización donde está hospedado, los criterios de uso, la literatura en la que está basado o los mensajes que acepta para generar una recomendación.
“Con todo eso es posible determinar si el sistema es susceptible de ser usado en un determinado escenario y, lo que es más importante, entender su respuesta sin ambigüedad”, ha señalado la UPV.