La inteligencia artificial en el sector de la salud: la colaboración puede mejorar el uso de los datos en los ensayos clínicos

Aprovechar el potencial de una red de intercambio masivo de datos

Última actualización: marzo 11, 2020 8:07AM

de Mark Aiello y April Crehan

¿Por qué compartir datos?

Sin duda alguna, el combustible de la inteligencia artificial son los datos. Para desarrollar una inteligencia artificial, necesita datos limpios y variados con los que alimentar su sistema, con independencia de lo elaborada o avanzada que sea su solución. Conseguir las enormes cantidades de datos de alta calidad que hacen falta para entrenar la inteligencia de las máquinas no es tarea fácil. Y es aún más difícil en el ámbito médico.

Los pacientes, como es natural, vacilan ante la idea de compartir la información que les concierne (es decir, sus datos) con personas distintas de sus médicos. Estos, por su parte, están obligados por la ley y su código deontológico a mantener esa privacidad. Esas limitaciones hacen que los conjuntos de datos que existen sean aún más valiosos. ¿Que podría llevar entonces a una empresa o institución a compartir la información de los pacientes y conjuntos de datos que posee?

Las ventajas para la sociedad son enormes. En el mundo de los ensayos clínicos, también se beneficiarán todos directamente de la mejora de la productividad, la agilización de la reproducción de resultados y la reducción de duplicaciones que el intercambio de datos puede aportar.

Aumento de la productividad

Los estudios muestran una y otra vez que la colaboración mejora el trabajo de todos los que participan.  El intercambio de los datos propios con otros grupos de interés (pacientes, médicos, desarrolladores de medicamentos, investigadores, etc.) puede ayudar a los propietarios de los datos a alcanzar sus objetivos de forma más rápida y rentable. En un informe, Elsevier señaló que el intercambio de datos de investigación «puede acelerar el ritmo de esta». El informe demostró la importancia de la colaboración con un metaanálisis que concluyó que todos los antidepresivos son más efectivos para el tratamiento a corto plazo de una depresión aguda de una persona adulta que los tratamientos con placebo. El análisis (que Elsevier define como «la evaluación más exhaustiva de antidepresivos hasta la fecha») surgió de una combinación de estudios publicados y conjuntos de datos no publicados previamente. Los investigadores, los organismos reguladores y las empresas farmacéuticas que accedieron a la petición de compartir su trabajo hicieron posible este metaanálisis y los autores publicaron los conjuntos de datos íntegros para que se pudieran volver a reproducir y usar más adelante. Esto significa que la colaboración original podría tener un efecto dominó positivo en futuras investigaciones.

Duplicación y mitigación de riesgos

Ya conoce los costes desorbitados del desarrollo de un nuevo medicamento. En casi siete de cada ocho casos, los medicamentos que llegan a las fases de pruebas no llegan a aprobarse nunca. Imagine las ventajas de saber de antemano si otra empresa ya ha recorrido el mismo camino y ha fracasado. Al compartir información sobre los éxitos y los fracasos, podría reasignar sus recursos a otra vía, molécula o enfermedad. Podría incluso pasar directamente a mejorar algo que estaría disponible pronto. El ver esos errores en fases tempranas y aumentar la transparencia puede evitar también daño a los pacientes. En más de una ocasión, la ocultación de resultados negativos o incluso de los no concluyentes ha provocado efectos adversos (incluso muertes) tras un uso continuado de los fármacos.

Prueba de eficacia

Cuanto más transparentes son la investigación y las prácticas clínicas, más fácil es para los demás apoyar (o rebatir) su trabajo. La reproducibilidad es clave para el progreso científico y se simplifica cuando los datos se hacen públicos. En el ámbito de la inteligencia artificial, el intercambio de conjuntos de pruebas puede facilitar que otros intenten mejorar sistemas de inteligencia artificial existentes. Cuanto antes descubran los investigadores áreas de mejora, más rápido podrán avanzar.

Qué datos compartir

A pesar de las evidentes ventajas, sigue habiendo una dificultad: los pacientes se resisten a la idea de compartir sus datos médicos. ¿Cómo pueden los investigadores y los promotores de ensayos resolver este problema? Una de las claves para compartir datos y, por ende, impulsar la creación de la inteligencia artificial y su aplicación al sector de la salud es anonimizarlos, aliviando así algunas de las preocupaciones de los pacientes en torno a su privacidad. La organización de pequeños grupos de investigadores que ofrezcan compartir datos anonimizados en un contexto de reciprocidad puede ser una forma eficaz de promover el intercambio de información. Algunos gobiernos y publicaciones ya exigen ciertos niveles de intercambio de datos para financiar o publicar trabajos científicos. Esto, a su vez, anima a los investigadores a compartir datos.

Entonces, ¿qué es exactamente lo que está en juego?

Conjuntos de datos

Compartir conjuntos de datos de aprendizaje, el programa del sistema de inteligencia artificial, podría poner en peligro la IP. ¿Por qué no comparte al menos las pruebas que utiliza para probar si su sistema funciona? Si cree realmente en el sistema de inteligencia artificial que utiliza, debería permitir que otros puedan poner a prueba sus propios sistemas con los datos de su prueba para ver si son capaces de superar el rendimiento que usted ha alcanzado.

Resultados

A todo el mundo le enorgullece compartir los éxitos. Ahora bien, los fracasos pueden ser igual de ilustrativos. Necesitamos crear una cultura en que la gente esté abierta a compartir lo que no ha funcionado y lo que sí. Sus colegas pueden aprender de sus errores tanto como usted y quizá sean capaces de descubrir por qué los cometió. Y, como ya hemos señalado, el intercambio de malas noticias puede incluso salvar vidas.

Grupos de pacientes

Una de las aplicaciones más potentes de la inteligencia artificial en el sector de la salud es la selección y determinación de idoneidad de los pacientes para los ensayos clínicos. A medida que la inteligencia artificial ayuda a identificar a los candidatos perfectos para un determinado ensayo, desciende la presión para proteger a los posibles participantes de «cazas furtivas». Con la ayuda de la inteligencia artificial, puede descubrir que tiene pacientes en el grupo de su ensayo clínico que son perfectos para un ensayo de la competencia, y viceversa.

Al final, el uso de la inteligencia artificial en los ámbitos de la salud tiene el potencial de crear un mundo mejor para los pacientes. Al aumentar un poco el intercambio en el mundo de los ensayos clínicos es posible acelerar el ritmo de las innovaciones que podrían cambiar vidas de verdad.

¿Desea saber más sobre cómo la inteligencia artificial está revolucionando el mundo de los ensayos clínicos? Puede encontrar más información con solo hacer un clic.

#ensayos clínicos #IA #sector biomédico #sector de la salud #sector de la sanidad

Mark Aiello
AUTOR
Mark Aiello