¿Qué es la Medicina 5P y cómo las nuevas tecnologías ayudan a que sea una realidad?

Gracias al avance y al desarrollo tecnológico, numerosas disciplinas, entre las que se encuentra la medicina, están evolucionando e incorporando nuevas herramientas y tecnologías que están a disposición de la sociedad. Esto ha supuesto un cambio de paradigma de lo que entendemos como medicina tradicional, o reactiva, hacia un nuevo modelo de medicina denominado Medicina 4P, por ser personalizada, predictiva, preventiva y participativa. Mientras que la medicina tradicional actúa en el momento del diagnóstico proporcionando soluciones una vez aparecidos los síntomas de la enfermedad, esta nueva realidad no solo se enfoca en curar, sino también en mejorar la calidad de vida de las personas a través de la prevención de enfermedades, la predicción del transcurso de estas, la personalización de tratamientos e intervenciones, y haciendo al paciente partícipe de la información relativa a su salud. 
Recientemente, a este nuevo concepto se le ha añadido una quinta P, la de poblacional, renombrándose como Medicina 5P y definiendo cada una de las P de la siguiente manera: 

  • Personalizada: la medicina personalizada o de precisión se apoya en las necesidades de cada paciente, utilizando la información genética y el entorno del individuo para ofrecer un tratamiento único basado en los parámetros que cada individuo muestre. En este sentido, la genómica juega un papel fundamental en el desarrollo de esta práctica. El perfil genético permite hallar las diferencias entre distintos individuos que padecen la misma enfermedad y, de este modo, ajustar las dosis o los tratamientos a las necesidades del paciente. 
  • Predictiva: la medicina predictiva se apoya en las nuevas tecnologías para acumular datos de relevancia sobre pacientes y hallar patrones que permitan predecir posibles enfermedades. 
  • Preventiva: el objetivo de la medicina preventiva es, a partir de los datos recopilados del paciente y su entorno, y del uso de modelos predictivos, poder prevenir posibles enfermedades y modificar hábitos perjudiciales antes de que la enfermedad se manifieste.  
  • Participativa: en la medicina participativa es el paciente el que nutre de datos al sistema de forma activa con el objetivo de obtener mejores diagnósticos y más personalizados.  
  • Poblacional: tiene como finalidad conseguir atender a un mayor volumen de población de manera más eficiente y menos costoso a través del uso de nuevas tecnologías como, por ejemplo, el Big Data. 

Para hacer realidad este modelo de medicina es imprescindible el desarrollo y la implementación de nuevas tecnologías en auge como el Big Data, la inteligencia artificial o la robótica en el sector de la salud. Este análisis recoge un estudio de las aportaciones y los retos a los que estas tecnologías emergentes se enfrentan en su aplicación a la medicina.    

La Medicina 5P y el Big Data  

El desarrollo tecnológico a lo largo de los siglos XX y XXI ha hecho posible la digitalización de dispositivos tanto en la práctica clínica como en la vida cotidiana, generando cantidades enormes de datos e información, directa o indirectamente, relacionada con la salud. Estos grupos de datos, que por volumen, velocidad y variedad no pueden ser procesados y analizados de forma tradicional, hacen referencia a lo que se conoce como Big Data
El término Big Data engloba datos que pueden clasificarse como estructurados (datos definidos y estandarizados o que han sido previamente medidos) o no estructurados (aquellos provenientes de notas clínicas, archivos audiovisuales, informes, pruebas diagnósticas, etc.). El manejo de un conjunto tan grande de datos en procesos clínicos nos permite formar un sistema sanitario más personalizado para el individuo o la población en concreto, permitiendo así una atención más precisa y de mayor calidad.  

Hoy en día, el Big Data tiene dos principales aplicaciones en el sistema sanitario, la investigación y desarrollo, y la asistencia. Mientras que la medicina tradicional se ha basado siempre en la evidencia y el ensayo clínico, el Big Data puede utilizarse para analizar datos en la vida real y utilizarlos en ensayos clínicos, acercando así la realidad al laboratorio. Además, existen proyectos e iniciativas de salud que aplican la tecnología el Big Data en el tratamiento de datos con el fin de proporcionar una atención específica para cada paciente. Un caso de éxito es OCARIoT, un proyecto financiado por la Unión Europea en el que participa el Hospital Clínico de San Carlos enfocado en combatir la obesidad infantil corrigiendo hábitos alimenticios y trastornos físicos en niños de 9 a 12 años. Aquí, se hizo el uso de una solución de coaching personalizada basada en el Internet de las Cosas (IoT, del inglés Internet of Things) como guía para ayudar a los niños a adoptar hábitos saludables de alimentación y actividad física. De este modo, el IoT permite utilizar la tecnología Big Data conectando múltiples dispositivos para observar patrones de actividad infantil de la vida diaria, la evolución de la salud, parámetros fisiológicos y conductuales y los datos del entorno que proporcionan información de calidad sobre la nutrición y actividad física. A estos datos se le suma información biométrica y sanitaria lo que, en su conjunto, permite proporcionar planes personalizados para combatir la obesidad implicando a los niños, padres y tutores.  
La tecnología Big Data está siendo cada vez más empleada en sistemas predictivos que combinan esta gran cantidad de datos con inteligencia artificial. Además, dado el gran volumen de datos, se puede obtener información con relevancia médica de diferentes zonas geográficas, permitiendo así la predicción de epidemias. 

Todo esto pone de manifiesto que el uso de tecnologías digitales como el Big Data, el IoT y la inteligencia artificial pueden ayudar notablemente al avance hacia una Medicina 5P mediante sistemas tecnológicos que ayuden en la toma de decisiones saludables, prevención y predicción de enfermedades y personalización en la atención sanitaria  

Sin embargo, aún existen algunos desafíos y limitaciones relacionados con la implementación del Big Data en la medicina. En primer lugar, la brecha tecnológica especialmente en países menos desarrollados a nivel tecnológico dificulta el uso de Big Data. Igualmente, la falta de inversión en este tipo de proyectos, el coste del almacenaje de datos o la legislación relacionada con la privacidad y seguridad de los datos suponen barreras que frenan el avance y la implementación de esta tecnología.  
Desde un punto de vista más tecnológico, los desafíos a los que nos enfrentamos son los siguientes: 

  • Almacenamiento: además del uso de servidores propios, muchas instituciones optan por tener la infraestructura en la nube debido a su menor coste y creciente fiabilidad, aunque también se apuesta por un formato híbrido debido a su flexibilidad. 
  • Limpieza: la limpieza de los datos es indispensable para garantizar la exactitud, corrección y coherencia sea o no un proceso automatizado 
  • Formato: la unificación de formatos es clave para facilitar la codificación de la información. 
  • Precisión: la exactitud del volcado de los datos influye en la calidad del ciclo de procesado de los datos. 
  • Visualización: la reducción de la potencial confusión en la interpretación visual de los datos acerca al objetivo de hacer una sanidad más accesible al paciente. 
  • Intercambio de datos: las colaboraciones entre proveedores de datos pueden llevar al aprovechamiento máximo de recursos sanitarios. Para ello es también necesario regular el flujo de información. 
  • Seguridad: la relativa vulnerabilidad de los sistemas informáticos supone que la seguridad de los datos sea prioritaria para el sistema sanitario. Las reglas HIPAA guían a las instituciones para llevar a cabo protocolos de seguridad y control en prevención de ataques informáticos y filtración de datos. 

La Medicina 5P y la inteligencia artificial  

La inteligencia artificial (IA) es una tecnología que va de la mano del Big Data, ya que se nutre de estos datos procesados y aprende de ellos, creando y reconociendo patrones para desarrollar soluciones sofisticadas a partir de métodos computacionales y algoritmos para su posterior análisis y manipulación de dichos datos.  
Entre estos métodos computacionales destaca el llamado machine learning (ML), una rama de la IA que mediante algoritmos busca generar procesos lógicos por parte del sistema informático 

La principal aplicación de la IA en la medicina es en la disminución de la incertidumbre que existe en los procesos sanitarios. De esta forma, los algoritmos de ML ayudan a clasificar los síntomas de los pacientes, estudiar el desarrollo de enfermedades, proponer posibles tratamientos y predecir posibles efectos que estos tratamientos puedan ocasionar en el paciente. El uso de estos algoritmos ya está implementado en la clínica. un grupo de científicos en Madrid ha desarrollado un método de ML para generar Big Data y producir así más información que pueda ser utilizada en fututos estudios predictivos.  

El ML ya se está implementando en estudios médicos. Un grupo de investigadores de la unidad de innovación del Hospital Clínico de San Carlos, en Madrid, ha desarrollado un método que involucra el ML para generar Big Data y producir así más información que pueda ser utilizada en futuros estudios que utilicen métodos predictivos.  
La estructura de su modelo es la siguiente: un sistema de predicción basado en ML proporciona recomendaciones de diagnóstico, terapia, etc., a partir de los datos del paciente y una base de datos. Estas sugerencias son validadas por los especialistas y el personal sanitario, que utilizan su juicio para valorar si el programa está proporcionando una respuesta correcta. En caso afirmativo, esta información producida pasa a la base de datos, aumentando así la información con la que trabaja el sistema y produciendo nuevos paquetes de Big Data, lo que puede ayudar a entidades sanitarias avanzar hacia una Medicina 5P y una salud basada en valor.  

Sin embargo, existen retos que afrontar para el correcto funcionamiento de la aplicación de la IA en nuestros sistemas sanitarios. En primer lugar, se corre el riesgo de automatizar en exceso los diagnósticos, pudiendo así sustituir la capacidad de decisión o la iniciativa del personal sanitario. Además, debido a la clasificación de diferentes perfiles de pacientes, se puede caer en una toma de decisiones que sea discriminatoria o estigmatizadora. 
Por otro lado, en muchas ocasiones es complicado comprender la manera en la que la IA aporta una respuesta, haciendo extremadamente complicado el control de validación que es necesario realizar con este tipo de programas para asegurar una respuesta correcta. Por último, es necesario construir un marco legal en el que esté incluida cualquier tipo de incidencia que pueda haber relacionada con la IA en el sector sanitario. 

La Medicina 5P y la Robótica 

La robótica es otro campo que ha despertado curiosidad en el sector sanitario, ya que ofrece un gran potencial para uso en distintas áreas de la medicina. De hecho, hace más de 30 años de la presencia de robots en la clínica, como, por ejemplo, los robots quirúrgicos, robots de terapia física o rehabilitación, o sistemas de laboratorio robotizados.  

Los beneficios que los robots pueden aportar al paciente y a los diferentes procesos clínicos son varios. Por un lado, pueden proveer atención sanitaria de alta calidad a través de servicios personalizados para distintos tipos de pacientes con procedimientos mínimamente invasivos. Además, los robots también ofrecen asistencia en la gestión de la carga de trabajo de los profesionales sanitarios. 
Del mismo modo, los robots autónomos simplifican las tareas rutinarias reduciendo determinadas labores humanas. Destacan los que se ocupan del inventario y la cadena de suministro de equipo y material médico y los de limpieza y desinfección, entre otros. 
También pueden fomentar un entorno de trabajo seguro realizando ciertas labores que evite al personal clínico la exposición a ambientes de riesgo, o facilitando labores físicas relativas a la movilidad de los pacientes.   

De forma general, se puede hacer una distinción y clasificación de los robots en tres grandes categorías:  

  • Los robots de asistencia quirúrgica: ayudan a los cirujanos a desempeñar labores de alta precisión en operaciones complejas gracias a la IA y a la visión por ordenador. Otra función muy común es la de realizar operaciones siendo dirigidos por los cirujanos mediante una consola. 
  • Los robots modulares: tienen la posibilidad de ser configurados para realizar múltiples tareas ya sean protésicas o terapéuticas para rehabilitación. Un ejemplo de ello puede ser el brazo robótico sobre una silla de ruedas desarrollado por investigadores de la Universidad Abierta de Israel, Intel, Accenture, y el hospital ALYN. 
     
  • Los robots móviles autónomos: tienen una gran aplicación en labores rutinarias como pueden ser desinfección, teleasistencia, y entrega de suministros. Para este tipo de labores, la Computer Vision es un soporte necesario en este tipo de robótica puesto que permite al robot interactuar con el medio e interpretar las necesidades del momento. 

Gracias a los avances tecnológicos en distintos ámbitos se espera que la robótica evolucione hacia unos sistemas más autónomos y eficientes. Un claro reflejo de esto son las colaboraciones que Intel mantiene con distintas empresas tecnológicas e investigaciones para desarrollar nuevas aplicaciones para las tecnologías de IA e IoT. Estas contribuciones son de gran relevancia ya que apoyan las innovaciones que permiten impulsar la automatización de los robots, su eficiencia y enfrentarse a desafíos médicos. 

Por ejemplo, Intel Labs China mantiene una colaboración con el Instituto de Investigación de Robótica Médica de Innovación Colaborativa de Suzhou para instaurar una incubadora de robótica médica para emprendedores e inventores. 
Por otro lado, la tecnología robótica de Siemens aportó una seguridad adicional a los profesionales sanitarios durante la pandemia de COVID-19, permitiéndoles realizar operaciones quirúrgicas sin la habitual exposición a patógenos externos. En este sentido el futuro de la robótica pasa por implementarse en los protocolos de seguridad, así como de, por ejemplo, mejorar la capacidad de diagnóstico de lesiones coronarias gracias a una precisión submilimétrica. 

Es innegable que las nuevas tecnologías están marcando el presente y el futuro de la medicina. Se estima que de aquí a diez años podremos ver más avances médicos que en todo el siglo pasado. La irrupción de la inteligencia artificial, el Big Data, el IoT y la robótica, entre otras tecnologías disruptivas, en la medicina ofrece una infinidad de aplicaciones en este sector, desde ensayos clínicos hasta diagnósticos preventivos, modelos computacionales predictivos, tratamientos personalizados y la transformación del papel del paciente en el cuidado de su salud y bienestar.  

Finalmente, es importante mencionar que la intervención humana en la supervisión y control de los proyectos que conlleven un componente tecnológico será esencial para la correcta aplicación de estas nuevas tecnologías a nuestros sistemas de salud y prácticas médicas.  

¿Quieres conocer nuestros próximos artículos?

Al enviarnos tu email y/o registrarte en nuestra plataforma estarás aceptando nuestro Aviso Legal y la Política de Privacidad.

Seguir leyendo...

Miembros DIH·bio
Ion Arocena, director general de AseBio en Innovaspain: «Queremos que el nuevo Gobierno reconozca a la industria biotecnológica como un sector estratégico»
Extracto del artículo de Ion Arocena, director general de AseBio (Asociación Española de Bioempresas)
eHealth
Nanomedicina: la medicina del futuro
La irrupción de la nanotecnología en las ciencias de la salud ha abierto la
Miembros DIH·bioNota de prensa
DIH·bio participa como socio fundador en la primera reunión del clúster CITT-BIO
El pasado mes de julio se celebró la primera reunión con todos los miembros