Big data y salud

Big data y salud

La revolución de la salud digital está aquí. Las innovaciones incluyen no solo la recopilación y el análisis de registros electrónicos de salud y genomas personales, sino también diversas mediciones fisiológicas y moleculares en individuos a un nivel que antes no era posible.

 

The Lancet Digital Health, 29/08/2019Big data and health

 

Estudios recientes, 1, 2 en los que hicimos un perfil profundo de 109 personas durante una mediana de casi 3 años, e hicimos 49 descubrimientos importantes de salud (67 si se incluye hipertensión) que afectan a 53 personas, muestran el valor de los grandes datos y el monitoreo activo. Muchos descubrimientos de salud involucraron la predicción del riesgo de enfermedad a partir de la secuenciación del genoma, pero la mayoría involucró la detección temprana de la enfermedad antes del inicio de los síntomas. Muchos de estos hallazgos fueron altamente impactantes, como la detección temprana de cardiomiopatía, linfoma y dos afecciones precancerosas (gammapatía monoclonal de importancia indeterminada y mieloma latente)2. Sin embargo, la revolución de los datos de salud apenas ha comenzado con dispositivos más directos para el consumidor que miden la información disponible de salud (por ejemplo, monitores de electrocardiograma para relojes inteligentes y brazaletes de presión arterial), 3, 4, 5 las mediciones ómicas se vuelven más sensibles y fáciles, y surgen nuevas tecnologías de imágenes.

La eficacia con que la sociedad en su conjunto pueda capitalizar los grandes datos en la atención médica dependerá, en parte, de cómo de bien se integren y comuniquen estos datos a los médicos y al público. Será importante tener información de salud digital recopilada en un formato que los médicos y los consumidores puedan interpretar y consultar fácilmente. Se ha escrito mucho sobre las deficiencias de los sistemas electrónicos de registros de salud6. Se necesitan mejoras en dichos sistemas para los propósitos de los médicos y un nuevo compromiso para compartir la información personal de salud digital con los consumidores.

Actualmente, gran parte de la información de salud está organizada en torno a sistemas, por ejemplo, cardiovascular, gastrointestinal y neurológico. Sin embargo, esperamos que la información de salud también se pueda organizar de acuerdo con la biología molecular humana subyacente, y esto podría llevar a nuevos enfoques de gestión de la salud. Por ejemplo, al igual que la información molecular se agrupa en redes basadas en la interacción (física u otra) y datos de coexpresión, los datos digitales de salud podrían agruparse en entidades interactivas completamente nuevas que podrían permitir diagnósticos más eficientes y ayudar a optimizar las estrategias de manejo de enfermedades (figura). La organización de la información de salud en grupos interactivos y otros métodos novedosos para estratificar los datos de salud complementarán los enfoques existentes y pueden llevar a mejoras en la atención médica. Las terapias agnósticas tumorales en oncología representan una evidencia temprana de cómo el paradigma del cuidado de la salud podría cambiar a medida que madura la gestión de los datos de salud. Esperamos que la inteligencia artificial desempeñe un papel importante en la organización e interpretación de los datos de salud, con la advertencia de que las aplicaciones clínicas deberán estar sujetas a rigurosos procedimientos de validación7.
Además, con la aparición de información digital de salud más longitudinal, será cada vez más factible rastrear cambios matizados en las condiciones de salud. Se desarrollarán nuevas estrategias de visualización para seguir la salud a lo largo del tiempo y la progresión de la enfermedad. El monitoreo de la salud y la enfermedad se personalizará cada vez más en función de los factores de riesgo, el perfil molecular personal (p. ej., Ómics), las imágenes y otros datos de salud de un individuo8, 9. La construcción de modelos de salud personalizados junto con paneles de salud personales será crucial para la individualización monitoreo y gestión de la salud (figura).

Aunque muchos han aceptado la llamada fiebre del oro de los datos en biomedicina, hay otros que han expresado su preocupación. Algunos críticos sostienen que hay demasiados datos y que la mayoría de ellos son irrelevantes. Además, existe la preocupación de que la información de salud sobrecargue el sistema médico; por ejemplo, más información llevará a más pruebas de seguimiento innecesarias. Estas son importantes preocupaciones actuales, sin embargo, creemos que no deberían servir como barreras para perseguir los beneficios potenciales de los grandes datos en salud. Para abordar los desafíos del diluvio de datos, nuestros estudios de perfiles profundos,1, 2, así como un estudio similar de Price y col.10, están destinados a evaluar la viabilidad de la recopilación de información y determinar qué tipos de información podrían ser más útiles. Estos estudios de investigación también podrían ser útiles para descubrir nuevos biomarcadores potenciales, nuevas vías moleculares que se asocian conjuntamente y cambios no descubiertos previamente que ocurren al inicio de la enfermedad. De hecho, encontramos un marcador candidato, la citocina MIG1, que se siguió de la aparición del linfoma y desapareció después del tratamiento. Solo parte de la información recopilada en estos estudios es relevante para el monitoreo de la salud, particularmente en el estudio de Price y colegas. Sin embargo, los estudios proporcionaron información valiosa sobre qué tipos de información se espera que sean más útiles para la predicción de riesgos y el monitoreo de la salud, desde una perspectiva técnica, económica y científica combinadas. Estas ideas serán valiosas a medida que estas tecnologías se trasladen a la atención médica general y se comercialice el enfoque de big data. Los datos inteligentes y relevantes, no solo los datos por los datos, serán cruciales para la adopción de los servicios de salud.

Otra preocupación importante relacionada con el advenimiento de los grandes datos en la atención médica es la privacidad de los datos. A muchas personas les preocupa que estos datos sean adquiridos por organizaciones que los utilizarán para discriminarlos. Actualmente, en los EE. UU, es ilegal discriminar en el empleo y el seguro de salud en base a la información genética, pero dicha información puede considerarse en los contratos de seguro de vida y discapacidad a largo plazo. Además, actualmente se debate sobre la protección de la capacidad de las personas con afecciones de salud preexistentes para obtener una cobertura de seguro de salud asequible. Debido a que uno de los objetivos de la salud de precisión es identificar el riesgo temprano para gestionar mejor la salud, es crucial garantizar una atención médica asequible para las personas con afecciones preexistentes.

Un aspecto importante de estas tecnologías de salud de precisión, especialmente los wearables y la secuenciación del genoma, es que pueden proporcionar información valiosa sobre las personas cuando están sanas. Pueden ayudar a definir la salud de un individuo y proporcionar información procesable relacionada con la reducción de los riesgos de enfermedades personales de un individuo9. Estas tecnologías permiten un mayor enfoque en la preservación de la salud, en lugar del enfoque actual en el diagnóstico, monitoreo y tratamiento de la enfermedad. Además, la información de salud altamente personalizada proporcionada puede motivar a las personas a tomar las medidas necesarias para ayudar a preservar su propia salud, como se demostró en nuestro estudio1, 2, 4, 9.

Cuando se establece un sistema de atención de salud principalmente para financiar proveedores de servicios posteriores, como el diagnóstico y tratamiento de enfermedades o lesiones, en lugar de la preservación de la salud, el beneficio social completo de las tecnologías de salud de precisión puede no ser eficaz. Necesitamos encontrar formas creativas para incentivar la adopción amplia de salud de precisión, lo que requerirá la participación de aseguradores, proveedores de atención médica, empleadores y consumidores. El cambio transformacional también requiere evidencia, que se está acumulando rápidamente. Pruebas sólidas de los beneficios para la salud de Big Data junto con incentivos financieros harán que la salud de precisión sea una realidad.
MS informa de subvenciones de los Institutos Nacionales de Salud de EE. UU.

MS es cofundador y asesor científico de Personalis, SensOmics, Qbio, January, Mirvie, Filtricine y Protos. MS es asesor de Júpiter y Genapsys.