medi

¿De la medicina preventiva a la medicina predictiva?

Posted on Posted in Artículo

Tal vez no sea la forma más adecuada de denominarlo porque aún estamos alejados de la confianza que requiere poner nuestros diagnósticos en manos de sistemas tecnológicos, pero si es cierto que la generación de modelos predictivos se está extendiendo por el ecosistema sanitario a una velocidad que solo se explica por la gran cantidad de ventajas que aporta en los diferentes ámbitos.

La generación de modelos predictivos por medio de redes Bayesianas se están constituyendo en una herramienta esencial para el tratamiento de infinidad de patologías. No sólo nos permite conocer la propensión de un paciente a determinada enfermedad durante su periodo asintomático, también nos permite conocer cuáles son los factores que inciden y en qué medida en la aparición de la enfermedad; igualmente importante es la información que nos da de aquellos parámetros que hasta ahora considerábamos que incidían en las diferentes patologías y el sistema nos demuestra que no infieren en absoluto.

Mas allá deMEDICINA la propia información que el sistema nos proporciona, las nuevas tecnologías nos permiten la generación de un módulo de control que hará que podamos “amañar” esa predicción modificando los parámetros que infieren sobre la patología y generando simulaciones que nos ayudarán a configurar de la mejor manera posible el tratamiento de nuestro paciente.

¿Cuáles son las variaciones que podremos hacer? Como sistema probabilístico podremos trabajar manejando como variable todas y cada una de las categorías de dato que hayamos introducido como punto de partida, tanto del paciente específico como del histórico de pacientes con el que contemos. Así podremos trabajar con todas las variables posibles, no sólo aquellas que afectan a la medicación y tratamientos puramente farmacológicos, también con aquellas que tienen que ver con los hábitos de vida, dietas, grupo de población, etc.

En este sentido, la calidad de nuestro análisis, así como la precisión de nuestros modelos vendrá dado por la calidad y cantidad de los datos de partida con los que contemos pero, por fortuna, después de años de uso de los sistemas de información y la aparición de los Big Data, primero, y los Fast Data recientemente, somos capaces de manejar grandes cantidades de información de manera ágil, tanto de manera local como en la nube.

¿Cuál será el impacto del control de la evolución de determinadas patologías en los pacientes cuando aún están en un periodo asintomático? Podríamos medirlo en calidad de vida del paciente, retrasando e incluso anulando la aparición de la enfermedad; igualmente podríamos medirlo en el descenso de la asistencia de estos pacientes a los centros sanitarios para el tratamiento de una patología ya aparecida; incluso podríamos medirlo en el retraso o mejora en eficiencia de la medicación proporcionada a esos pacientes (Es conocido el coste de determinados tratamientos totalmente innecesarios con un diagnóstico precoz de la patología).

No olvidemos el apoyo a nuestro personal sanitario trabajando en la franja de salud y mantenimiento de la salud de los pacientes y no solo en la franja de enfermedad y patología ya diagnosticada. Como decíamos al principio una herramienta cada vez más necesaria y por la que sin lugar a dudas pasan los modelos sanitarios en un futuro cada vez más próximo. Años de generar información y el momento de sacarle todo el rendimiento posible en pro de la salud del paciente.

Desde la aparición del Tratamiento de Higiene Hebreo (Código Levítico 1.500AC) hasta la implantación de los planes de vacunación del siglo XX hemos asistido a un recorrido de la medicina preventiva realmente espectacular; puede que nos encontremos en ese punto de inflexión en el que aparezca la Medicina Preventiva 2.0 en la que trabajemos en mejora, precisión y eficiencia.

José Ramón Cañamero
Responsable e-Health IBO-MTP

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *