#entrevista

br

CARMEN M. LÓPEZ Madrid | viernes, 06 de julio de 2018 h |

La triple capa de datos es un concepto que integra la historia clínica, el genoma humano y los sensores con los que los pacientes acuden ya a la consulta. Ignacio Hernández Medrano, neurólogo y cofundador y CEO de Savana, acerca su visión sobre el presente y futuro de la nueva medicina.

Pregunta. ¿En qué punto está el big data en salud?

Respuesta. Hace años había quien pensaba que el big data era una moda. La razón por la que no lo es, es porque los datos están creciendo muy rápidamente. ¿Qué nos encontramos ahora? Que tenemos alrededor de siete proyectos financiados por el H2020 en big data en salud: enfermedades hematológicas, diabetes y leucemias. Este último, por cierto, lo dirigimos desde Salamanca. Desde el punto de vista de empresas tecnológicas vemos cosas muy llamativas. Por ejemplo, la aparición de seis aprobaciones de la FDA en los últimos nueve meses de sistemas de inteligencia artificial (IA) para utilizar en diferentes ámbitos diagnósticos. Si todos estos casos están aprobados por la FDA es porque son mejores rindiendo que el equipo de humanos contra el que se hizo la validación. —aunque son herramientas de apoyo, nunca son sustitución, la manera de probar que realmente funcionan es hacerlo con grupos control—. Estos sistemas de IA son big data. En realidad la IA no es más que algoritmo que surge cuando analizas mucho big data.

P. Savana es un proyecto ya consolidado…

R. Savana a día de hoy ya trabaja con seis comunidades autónomas, a diferentes niveles. Son más de 40 hospitales y tiene en marcha 15 estudios multicéntricos de RWE. La compañía transforma el texto de las historias clínicas en big data para luego hacer diferentes cosas; desde mejorar la calidad de la gestión hospitalaria, mejorar la atención sanitaria, pasando por generar nuevas hipótesis de investigación, etc. Lo más sonado de Savana es para qué ha demostrado que sirve. Tenemos un caso de éxito reciente en Castilla La Mancha, donde hemos hecho una prueba con Savana y hemos puesto durante cuatro meses el motor a funcionar en atención primaria. El motor ha detectado elementos posibles de mejora entre lo que se estaba haciendo y lo que la evidencia científica decía que iba a hacer. Ha detectado mensajes en tiempo real, y los médicos han reaccionado muy favorablemente. Hemos demostrado ocho recomendaciones de práctica clínica. Que nosotros sepamos es la primera vez en la historia mundial que una IA mejora la práctica asistencial de facto y lo hace con un sistema en tiempo real.

P. Todo ello requerirá de una formación específica…

R. Las herramientas que utilizan los médicos no son muy diferentes a lo que tenían antes. Los modelos matemáticos que hay detrás sí que son diferentes y exigen un pequeño cambio de mentalidad, porque eso de que la máquina encuentre correlaciones que son válidas sin dar una explicación clara, no se entiende. Hay una especia de rechazo mental. Sin embargo, hay que comprender que quien lo va a hacer son los data scientific. Por tanto, deberán aprender también a gestionar esa relación con ellos, al igual que en el pasado aprendieron a relacionarse bien con los bioestadísticos. Seas de un grupo o de otro hay algo inevitable y es que los pacientes van a venir con grandes conjuntos de datos sobre ellos a consulta: con su genoma secuenciado y con sensores. El médico, quiera o no, tendrá que aprender a gestionar la triple capa de datos: historia clínica, el genoma y los sensores.

P. ¿Qué hay después del big data?

R. Si yo te digo el tiempo que va a hacer en Murcia dentro de dos meses, te digo que seguro que serán entre 38 y 42 grados y no te sorprende mi predicción. La razón es porque asumes que tengo muchos datos. Esto es lo que está cambiando en el mundo. Ahora tenemos histórico de datos y vamos a predecir todo. El siguiente gran cambio de paradigma en salud es precisamente este: como vamos a acumular tantos datos vamos a hacer modelos predictivos personalizados, con la capacidad de anticiparse. En Savana ya trabajamos con este tipo de modelos predictivos y tenemos resultados que vienen a ponernos en la línea de que vamos a ser capaces de anticiparnos a un paciente con una gran finura mucho mayor que la que nos daban las escalas de riesgo clásicas. Lo que viene es la medicina predictiva.


“Vamos a ser capaces de hacer modelos predictivos personalizados, con la capacidad de anticiparse”