Las herramientas de IA ofrecerían a los enfermos de cáncer un seguimiento más personalizado
Se calcula que más de doce millones de personas en Europa sobreviven tras un diagnóstico de cáncer, y gracias a los avances en el diagnóstico precoz y a los nuevos tratamientos, es probable que esta cifra aumente. A pesar de estas mejoras, los sobrevivientes de cáncer siguen manifestando numerosas necesidades físicas, funcionales y psicosociales insatisfechas. Según la doctora María Torrente, el principal problema es que los modelos de seguimiento asistencial perciben a los pacientes como enfermos agudos (repentinos y graves), en lugar de crónicos (de evolución más larga). «La atención a los sobrevivientes de cáncer suele ser una ocurrencia tardía, a menudo fragmentaria y mal integrada en la atención oncológica general. A falta de directrices basadas en pruebas, los médicos suelen confiar en su propia experiencia y conocimientos», afirma Torrente, que también es coordinadora del proyecto CLARIFY, financiado con fondos europeos. El equipo de CLARIFY aplicó tecnologías de macrodatos e IA para ayudar a identificar factores de riesgo de complicaciones de salud de manera precoz. A partir de los datos clínicos, genómicos y de comportamiento de los pacientes, complementados con datos abiertos, en CLARIFY se desarrollaron procedimientos de seguimiento individualizados.
El sistema de apoyo a la toma de decisiones
En el centro del método de CLARIFY se encontraba una plataforma digital de apoyo a la toma de decisiones, desarrollada para permitir a los médicos supervisar y analizar la salud de los pacientes en tiempo real. Con la ayuda de algoritmos y modelos de estratificación del riesgo, los médicos adaptan intervenciones personalizadas. Los algoritmos se entrenaron a partir de datos procedentes de diversas fuentes, entre ellas: historiales clínicos de cáncer de mama y de pulmón, el registro de tumores torácicos, bases de datos científicas [por ejemplo, DrugBank y SIDER ] y publicaciones científicas (como PubMed). A continuación, el procesamiento del lenguaje natural vinculó estos datos a los vocabularios biomédicos existentes, como el Sistema de lenguaje médico unificado (UMLS, por sus siglas en inglés). También se desarrolló una herramienta de interacción farmacológica para identificar interacciones conocidas entre fármacos oncológicos y no oncológicos.
Perfiles y pruebas de riesgo
«La mayoría de los perfiles de riesgo de los enfermos se basan en el estadio tumoral o el estado de salud. Para desarrollar puntuaciones de riesgo individuales, integramos datos clínicos anónimos de los historiales médicos electrónicos de los pacientes con datos de los dispositivos ponibles y encuestas de calidad de vida», explica Torrente. Durante el seguimiento de los pacientes, más de mil sobrevivientes de cáncer de mama, pulmón y linfoma inscritos en el proyecto, fueron asignados a categorías de bajo o alto riesgo, en función de sus tratamientos específicos y la probabilidad de recidiva, tumores secundarios y toxicidades. A continuación, el aprendizaje automático de la plataforma creó modelos de predicción y formuló recomendaciones que los médicos utilizaron para determinar las vías de seguimiento óptimas. La plataforma y los modelos fueron validados por los médicos clínicos y el personal sanitario del Departamento de Oncología Médica del HUPHM (sitio web en español), incluso durante doce sesiones de formación. «Además de recibir los puntos de vista sobre la plataforma, estas sesiones enseñaron a los médicos clínicos a integrar sus funcionalidades en su práctica», señala Torrente. La validación clínica y la verificación de los resultados fueron realizadas por el Departamento de Oncología Médica del HUPHM y el desarrollador de la plataforma, HOLOS, para garantizar el flujo y el procesamiento óptimos de los datos. Para probar el dispositivo ponible Kronowise, el equipo registró el estado circadiano, la calidad del sueño y el ejercicio físico de trescientos cincuenta pacientes voluntarios con cáncer, veinticuatro horas al día, durante una semana. A continuación, los resultados se compararon con los de la población general, lo que permitió a los profesionales sanitarios identificar las áreas en las que debían realizarse intervenciones a medida. Tres meses después, se evaluó la repercusión de estas intervenciones. «Comprobamos que los indicadores de calidad de vida habían mejorado en las tres patologías evaluadas, especialmente en el cáncer de pulmón», señala Torrente.
Tratamientos mejorados
La tecnología de CLARIFY ofrece un acceso único a fuentes de datos muy variadas. «Nuestros datos extraídos de los historiales médicos electrónicos ofrecen a los médicos información muy precisa sobre el comportamiento, las respuestas y los resultados de los pacientes, lo que permite ofrecerles orientaciones muy específicas. Nuestro método podría servir de apoyo a políticas sanitarias nacionales o paneuropeas más proactivas, lo que mejoraría los resultados sanitarios y reduciría la carga de los sistemas sanitarios», concluye Torrente. Por ahora, el equipo sigue desplegando la plataforma en la práctica clínica.
Palabras clave
CLARIFY, cáncer, cuidados posteriores, inteligencia artificial, dispositivo ponible, sobreviviente, tratamiento, asistencia sanitaria
