Una herramienta de simulación y predicción para profesionales clínicos pediátricos
¿Va el creciente interés científico y político por el envejecimiento activo y saludable en detrimento de la salud de los niños? El profesor Bruno Dallapiccola, director científico y coordinador de proyectos del OPBG, definitivamente cree que sí. Con un consorcio de veintidós organizaciones de distintas partes de Europa, él —con el apoyo del profesor Edwin Morley Fletcher, presidente de Lynkeus y director de proyectos— ha pasado los últimos cuatro años desarrollando un repositorio digital avanzado («infoestructura») que integra datos de, por ejemplo, análisis clínicos, genéticos y metagenómicos, análisis de imágenes por resonancia nuclear magnética (RNM) y ultrasonido (US), hemodinámica, procesamiento en tiempo real de parámetros musculoesqueléticos y datos biomecánicos sobre las fibras. La plataforma permite a los médicos buscar similitudes con sus propios pacientes, acceder a simulaciones y predicciones basadas en modelos y buscar procesos de trabajo clínico centrados en el paciente. «Nuestra idea surgió de la necesidad de optimizar los tratamientos existentes hacia un enfoque clínico predictivo y personalizado que permitiera predecir los resultados de las intervenciones clínicas y adaptarlos a los parámetros fisiológicos de un solo paciente. El objetivo último es reducir los errores médicos y los tratamientos subóptimos, así como disminuir los costes médicos generales», comenta el profesor Dallapiccola. Además de que «nuestro mundo se está volviendo cada vez más injusto para con las generaciones más jóvenes», él opina que las enfermedades de los bebés, los niños y los adolescentes son un problema de salud pública grave y subestimado. El proyecto MD PAEDIGREE (Model-Driven European Paediatric Digital Repository) tiene como finalidad contribuir a resolver este problema. MD PAEDIGREE aloja datos aprovechados por herramientas analíticas avanzadas, como el aprendizaje automático profundo o búsqueda de similitudes, para reconocer patrones comunes ocultos. Acto seguido, los médicos pueden elaborar modelos personalizados capaces de reproducir los parámetros fisiológicos de cada paciente — ya sea a nivel preintervencionista o como resultado de una intervención clínica determinada — y clasificar a los pacientes según el riesgo de enfermedad. «El uso de estas herramientas disminuiría la probabilidad de errores médicos y aumentaría la eficacia de los tratamientos, reduciendo a su vez los riesgos de complicaciones y recaídas, el tiempo de recuperación y los costes clínicos», señala el profesor Morley-Fletcher. Un futuro prometedor El profesor Dallapiccola está orgulloso de los resultados del proyecto y comenta que las primeras reacciones de los médicos clínicos que participaron en el proyecto han sido notablemente positivas y alentadoras. «Aunque la interfaz de usuario aún no ha alcanzado el nivel de desarrollo necesario para integrarse perfectamente en la práctica clínica diaria, los profesionales médicos en su mayoría han reconocido el valor añadido de las soluciones tecnológicas implementadas, particularmente para respaldar su toma de decisiones clínicas», explica. «Además, se ha valorado enormemente la integración provisional del modelo en el proceso de trabajo clínico, lo cual permite la participación intensa de los socios clínicos en cada etapa de la ejecución del proceso de trabajo impulsado por el modelo». Aunque el proyecto concluyó a finales de febrero, el repositorio de MD-Paedigree continuará ampliándose con nuevos conjuntos de datos clínicos de rutina provenientes de centros clínicos afiliados, y varias iniciativas de investigación ya están basándose en sus resultados. Un proyecto llamado CARDIOPROOF adoptó la misma «infoestructura» para llevar a cabo su investigación sobre la predicción cardiológica basada en modelos, y el proyecto MHMD ha puesto en marcha una plataforma innovadora basada en la UE para compartir los historiales médicos electrónicos de los pacientes mediante la inclusión y la ampliación de la infoestructura de MD-Paedigree. «Estoy seguro de que varias iniciativas de investigación continuarán prosperando a partir de los resultados del proyecto, ya que MD-Paedigree ha proporcionado herramientas y sistemas que contribuirán a iniciar la nueva era de la medicina de precisión», remató el profesor Dallapiccola.
Palabras clave
Repositorio digital, datos clínicos pediátricos, infoestructura, MD PAEDIGREE, paciente, tratamiento, conjuntos de datos clínicos, CARDIOPROOF, MHMD, historiales médicos electrónicos