Reto 3: Información inteligente

Tenemos pendiente el desarrollo de la inteligencia del sistema: aprender y producir conocimiento real y directamente aplicable. Detectar y entender fenómenos críticos. Explorar su valor predictivo.

El fenomenal avance de las herramientas bigdata pone sobre la mesa una oportunidad inexcusable para avanzar en este terreno. En Aragón ya se están dando los pasos necesarios para su adopción con la creación de la plataforma BIGAN, capaz de integrar y procesar los datos procedentes de los distintos sistemas de información.

Los datos individuales debidamente anonimizados permiten el uso simultáneo de un abanico de variables amplísimo (profundidad de la información) para toda la población y los proveedores del sistema (universo completo), a lo largo de todo el periodo que alcanzan las sistemas de información sanitarios, un par de décadas atrás en muchos casos (dimensión longitudinal retrospectiva y prospectiva muy potente).

Una vez sentadas las bases tecnológicas, se trata de desplegar toda la metodología de análisis de la variabilidad en los resultados de salud, en el acceso a servicios efectivos, en la exposición a servicios de bajo valor, evaluación de impacto de programas, efectividad comparada de procesos… Campos que en este momento son solamente incipientes están experimentando una aceleración que hace verosímil su predominio en menos de una década:

• La epidemiología digital – sistemas de vigilancia de la resistencia antimicrobiana a partir de los datos de los centros asistenciales y laboratorios; monitorización de las enfermedades no transmisibles para tratar de entender los mecanismos subyacentes; analizando en detalle toda la información del conjunto de la población tratar de identificar retrospectivamente factores de riesgo o de protección de la evolución de las dolencias crónicas y modelizarlo prospectivamente para valorar el riesgo individual y mejor curso de acción ante un paciente concreto.
• La generación de evidencia a partir de dato clínico real (incluyendo datos genómicos y proteómicos) tiene potencial para sustituir costosos ensayos o estudios diseñados ad hoc. El despliegue de estas herramientas dará paso a estudios de efectividad comparada en condiciones reales de uso y con acceso a una estructura de datos (real world data -RWD) infinitamente más completa -toda la información sobre el universo de estudio- y por periodos tan largos como la actividad asistencial rutinaria registrada.