La multinacional tecnológica GMV ha concluido los desarrollos tecnológicos que permitirán a los servicios de salud de Canarias y Valencia impulsar una medicina personalizada y de precisión, utilizando big data e inteligencia artificial (IA) en la atención sanitaria y la promoción de la vida saludable.
GMV ha trabajado en el proyecto Medicina Personalizada Big Data (MedP-Big Data *) en sus dos fases. En la primera, de dialogo competitivo con otras dos empresas, se desarrollaron ocho casos de uso. Tres centrados en analizar las capacidades de la analítica predictiva, tanto basada en procesamiento de lenguaje natural (PLN) como en procesamiento de imágenes y datos. Los otros cinco están centrados en la promoción de hábitos saludables mediante el desarrollo de una App denominada Cuidat-e que ha contado con la participación de más de 4.000 ciudadanos voluntarios de Canarias y la Comunitat Valenciana.
Esta App recopila información sobre sus hábitos de alimentación, actividad física, estado emocional, posibles adicciones o soledad no deseada con el objetivo de personalizar las recomendaciones de hábitos y pautas saludables para cada perfil de usuario. Además, permite el acceso a menús y recetas saludables, actividades físicas o recomendaciones adaptadas, controla la evolución de la alimentación, ejercicio o estado de ánimo.
Los grandes volúmenes de datos (o técnicamente denominado big data) procesados en el proyecto, constituyen un valioso activo del que poder extraer evidencia aplicando IA, ayudando así a los facultativos en la toma de decisiones clínicas. En concreto, esta tecnología resultará vital para adelantar el diagnóstico de pacientes con patologías de mayor prevalencia o con enfermedades raras. Asimismo, para ayudar a la atención directa y remota por profesionales de salud y sistemas alternativos de asistencia virtual.
Cabe destacar que, en la segunda fase, ya con GMV como única adjudicataria, se ha continuado desarrollando el proyecto abarcando hasta 10 casos de uso adicionales y ampliando algunos de los de la fase anterior, como el caso de Cuidat-e, siguiendo el mismo objetivo: mejorar la atención personalizada mediante el uso de la inteligencia artificial y el big data.
El desarrollo de bots para preconsulta o seguimiento telefónico de pacientes, el soporte a los pacientes con prescripción clínica de reducción en el consumo de medicamentos, herramientas para agilizar la preselección de candidatos a estudios o ensayos clínicos, o la transcripción de consultas mediante el dictáfono inteligente, son ejemplos significativos de las tecnologías y casos de uso innovadores de esta segunda fase.
Algunas aplicaciones de la inteligencia artificial y big data
Con motivo de la finalización del proyecto, la Consellería de Sanitat Universal i Salut Pública, junto al Servicio Canario de la Salud y el Barcelona Supercomputing Center, organizaron recientemente un Infoday sobre inteligencia artificial para presentar los resultados de MedP-Big Data. Se profundizó en las herramientas desarrolladas, como la App para monitorizar pacientes crónicos, capaz de mantener una conversación en tiempo real por texto o voz mediante un chatbot o bot telefónico que incluye consejos tanto para usuarios como para profesionales. Cabe destacar que aplicar la inteligencia artificial en el contacto de las personas con el sistema sanitario facilita una mayor accesibilidad y mejor orientación en las tareas desarrolladas por los profesionales de la salud.
Otra de las aplicaciones, la preconsulta inteligente, permite al facultativo disponer de datos de la anamnesis u obtención de información del paciente, antes de que éste acuda a la consulta. Previamente a la misma, el paciente asistido con un chatbot facilita al facultativo datos relevantes, lo que permite que el médico disponga de más tiempo y pueda realizar una mejor anamnesis. Por su parte, el dictáfono inteligente o sistema de transcripción automatizada desarrollado por GMV le ofrece la posibilidad de centrarse en el paciente y no de tomar notas, ya que las conversaciones mantenidas en la consulta se transcriben automáticamente. Así, finalizada la consulta, el médico solo tendrá que revisar la transcripción y verificar en caso necesario antes de aprobarla para su volcado en la historia clínica del paciente.
Inmaculada Pérez Garro, directora de Salud digital en GMV, declaró al respecto en su participación durante el Infoday que «la aplicación al entorno sanitario de las tecnologías de procesamiento del lenguaje natural (PLN) es un medio para agilizar los procesos asistenciales entre ciudadanos-pacientes y profesionales. Esta tecnología va a mejorar la accesibilidad a los servicios asistenciales y por tanto contribuye a la sostenibilidad de los servicios de salud, especialmente en Atención Primaria».
Otro de los casos de uso desarrollados por GMV se ha centrado en el análisis de imágenes médicas mediante IA. El procesado automático con IA de radiografías simple de tórax y de resonancia magnética lumbar, ha conseguido resultados útiles tanto para realizar el despistaje, con el fin de identificar personas con un riesgo elevado de adquirir una enfermedad o trastorno, así como para disponer de una segunda opinión. Asimismo, las herramientas analíticas desarrolladas para identificar pacientes de mayor riesgo de ingreso o de reingreso tras el alta hospitalaria contribuirán a una atención sanitaria de mayor calidad y la gestión optima de recursos. También resultan de gran utilidad para hacer los cribados en urgencias.
En la aplicación de inteligencia artificial desarrollada para la detección de enfermedades raras se han logrado identificar combinaciones de signos y síntomas que, de forma aislada no llevaban al diagnóstico temprano, pero sí con determinadas secuencias y asociaciones realizada con analítica avanzada. Con ello se permitirá adelantar tanto el diagnóstico como el tratamiento, a la vez que se optimizarán y se conseguirán pruebas con mayor precisión.
Igualmente, Inmaculada Pérez Garro incidió en su presentación durante el Infoday en que «los servicios de salud deben apoyarse en el análisis de los datos de los ciudadanos y pacientes para prescribir servicios dirigidos a una medicina más personalizada y precisa, y al mismo tiempo que sean sostenibles gracias a la transformación digital». El proyecto MedP-Big Data ha resultado, en su opinión, de gran utilidad para establecer el ciclo de desarrollo e implementación de la IA dentro de los servicios actuales de salud. Considera esencial para todo ello la cooperación mantenida entre las dos comunidades autónomas y sus sistemas de salud con las empresas de tecnología y profesionales especializados: equipos tecnológicos, profesionales de la salud (médicos, enfermeras, psicólogos, nutricionistas) y profesionales del deporte, etc., siendo ejemplo de un proyecto PAIS. «La digitalización de los centros implica que los profesionales hagan uso de sistemas inteligentes de apoyo a la decisión y puedan realizar un seguimiento continuo a los pacientes tanto dentro como fuera de los centros. Y por supuesto, en prevención ser una escuela de promoción de la salud hacia los ciudadanos en general».
El proyecto ha reunido bastantes casos de uso que ahora toca determinar la conveniencia de su despliegue. El Servicio Canario de Salud y la Conselleria de Sanidad Universal y Salud Pública de la Generalitat Valenciana están muy interesados en compartir los resultados obtenidos en otras comunidades. Así, el Barcelona Supercomputing Center (BSC), coordinadamente con la Secretaría de Estado de Digitalización e Inteligencia Artificial promueven la realización de Infodays en las distintas comunidades autónomas para difundir las oportunidades que brindan las herramientas basadas en PLN para la mejora de la calidad y la eficiencia sanitarias.
********
(*) El proyecto Medicina Personalizada Big Data de Compra Pública de Innovación a través del Programa FID Salud, ha sido cofinanciado por el Fondo Europeo de Desarrollo Regional (FEDER) en un 85 % por los 3.833.774 de euros presupuestados para el Servicio Canario de Salud, y en un 50 % por los 2.000.000 de euros presupuestados para la Generalitat, a través de una ayuda concedida por el Ministerio de Ciencia e Innovación de 4.258.707,90.