Laboratorio de Inteligencia Artificial y Ciencia de Datos Traslacionales

Gracias a la Data Science, es posible proponer tratamientos de salud más específicos y personalizados, teniendo en cuenta diferencias sutiles entre cada uno de nosotros para lograr tratamientos más eficaces.

La ciencia de datos en salud, también conocida como “salud digital” o “ciencia de datos médicos”, es una disciplina que combina conocimientos de ciencia de datos, estadísticas, informática y dominio de la salud para extraer información útil y conocimiento a partir de datos médicos y de salud. Su objetivo principal es mejorar la atención médica, la toma de decisiones clínicas, el diagnóstico, la prevención de enfermedades y la gestión de la salud de los pacientes.

Los datos en la era de la medicina personalizada de precisión

Desde hace mucho tiempo, gracias a la capacidad de generación, almacenamiento, procesamiento y análisis de todo tipo de datos, se está produciendo una revolución tecnológica que afecta a distintos ámbitos y, en concreto, está siendo esencial para el progreso de la biomedicina. La tendencia en el campo de la salud consiste en incorporar cada vez más datos que provengan de fuentes muy diversas, de manera que ofrezcan información que puede resultar relevante para los investigadores, profesionales sanitarios y, sobre todo, para los pacientes.

Los datos que se manejan actualmente en salud son altamente complejos, heterogéneos y deben mantener siempre su carácter confidencial. Grandes volúmenes de datos pueden obtenerse a gran velocidad, relacionados con diferentes aspectos que condicionan la salud de los individuos. Estos datos, gracias a los avances tecnológicos, pueden integrarse con otros que antes o bien no se tenían en cuenta o bien no era posible analizar. Por tanto, el diseño de futuras estrategias en salud estará ligado a la integración de los datos provenientes de distintas fuentes, desde historias clínicas a sensores de monitorización, pasando por los datos ómicos¹. Como consecuencia, se ha impulsado el diseño y mejora de herramientas e infraestructuras informáticas que tengan capacidad de hacer uso de estos datos con la mínima intervención humana.

Estas herramientas para el análisis de los datos, como la “minería de datos” o la “inteligencia artificial” (IA), destacadas por su aplicabilidad en el campo de la salud en lo que se conoce como “aprendizaje automático” o “machine learning”, tienen un gran potencial como vehículo para impulsar un cambio real en la práctica clínica.

El análisis de los datos en salud, desde historias clínicas a datos ómicos, con herramientas de IA; y, el conocimiento derivado de los mismos, jugarán un papel fundamental en la configuración de la medicina del futuro, ya que dan lugar a nuevas oportunidades y aplicaciones en todas las áreas, desde la investigación biomédica y traslacional hasta la práctica clínica y salud pública. El reposicionamiento de fármacos basado en la identificación de nuevos marcadores, el descubrimiento de multimorbilidades ocultas, el diseño de nuevos modelos de ensayos clínicos, la identificación de patrones y predicción de riesgos asociados a enfermedades a través de redes sociales y los Sistemas de Apoyo a la Decisión Clínica, son algunos ejemplos de las aplicaciones de los datos en salud que están impulsado el desarrollo de lo que se conoce como Medicina Personalizada de Precisión.

¹. El término “Ómicas” se refiere a un nuevo campo de investigación en el que todos los datos biológicos obtenidos a partir de varios estudios, incluyendo la genómica, transcriptómica y proteómica están ampliamente recogidos, integrados y analizados para descifrar la naturaleza biológica de los organismos vivos.