«La IA va a optimizar los ensayos clínicos y va a mejorar los tratamientos»

Eva Aurín es Manager eHealth-Salud y Social en Telefónica España.Apuesta por equipos combinados de tecnólogos y profesionales asistenciales para tener una visión completa y hallar las soluciones, combinando conocimientos técnicos, habilidades clínicas y l

Qué proyectos actuales de inteligencia artificial en salud de Telefónica destacaría?

Una solución pionera, desarrollada junto a la compañía 3M, que permite la optimización del servicio de urgencias hospitalarias: permite predecir con una semana de antelación las visitas diarias de pacientes gracias al uso de la analítica avanzada y el Machine Learning. Otra destacada es la herramienta de detección precoz de deterioro cognitivo desarrollada por Accexible. Está basada en un algoritmo que es capaz de analizar los biomarcadores de la voz que ha sido grabada previamente durante un período de un minuto: el algoritmo ofrece, en menos de 120 segundos, un informe comparativo entre los marcadores biológicos de la persona que ha realizado la prueba y otros realizados y analizados a personas sanas.

¿Cómo enriquece los proyectos la colaboración multidisciplinar?

La colaboración multidisciplinar se ha convertido en un pilar fundamental para el éxito de cualquier proyecto, desde su concepción hasta su implementación. Uno de sus principales beneficios es su impacto en la definición del problema. Porque, al abordar una necesidad desde múltiples perspectivas, conseguimos una visión 360 grados del mismo. Durante la fase de diseño, disponer de un equipo con conocimientos y experiencias diferentes se convierte en un activo fundamental. La variedad de perspectivas aporta soluciones más creativas e innovadoras. La combinación de habilidades técnicas, creativas y analíticas permite explorar diferentes caminos y desarrollar respuestas a la medida del problema identificado. Aunque este hecho no garantiza el éxito, la falta de multidisciplinariedad, por el contrario, sípuede provocar un casi seguro fracaso.

En el sector salud, la creación de equipos que incluyan tanto a tecnólogos como a profesionales asistenciales -e, incluso, a pacientes- proporciona una visión holística del problema y de la solución. La comprensión completa de los problemas de salud y la implementación de soluciones efectivas requieren una combinación de conocimientos técnicos, habilidades clínicas y la experiencia del paciente. La multidisciplinariedad en este contexto no solo es una ventaja, sino una necesidad para garantizar el éxito en la mejora de la atención médica.

¿Cómo cree que mejorará la inteligencia artificial los ensayos clínicos?

tos e ineficientes, debido a diferentes razones como que el diseño del ensayo es poco eficaz y preciso, el reclutamiento de pacientes es costoso, los efectos adversos o que la tasa de abandono de los participantes en un ensayo es elevada.

Por tanto, ¿cómo puede la inteligencia artificial a mejorar los ensayos?

Puede ayudar a optimizarlos, haciéndolos más eficientes y mejorando el uso de recursos, al ser capaz de analizar grandes volúmenes de datos históricos generados por ensayos anteriores y encontrar patrones.

¿Y en cuanto al reclutamiento?

El reclutamiento de pacientes es costoso y es uno de los problemas más importantes y críticos de los ensayos. La inteligencia artificial permite analizar grandes conjuntos de datos, estructurados y no estructurados, e identificar pacientes que cumplen con los criterios de inclusión y exclusión de manera más rápida y precisa que los métodos tradicionales. Además, como apuntó Katie Palmer en un artículo de 2021, las empresas farmacéuticas utilizan criterios arbitrarios para decidir quién es elegible para participar en los ensayos clínicos. Y, en muchas ocasiones, se utilizan criterios de exclusión innecesarios que descartan a mujeres, personas mayores y/o a minorías étnicas. La inteligencia artificial es capaz de analizar ensayos clínicos similares y realizar diversas simulaciones, aplicando diferentes criterios de exclusión, lo que permite ampliar el número de pacientes candidatos sin comprometer su seguridad. Este enfoque estratégico no solo acelera el proceso de reclutamiento, sino que también mejora la representatividad del estudio.

¿Cómo ayuda la inteligencia artificial en los efectos adversos producidos?

Los efectos adversos que producen ciertos medicamentos en los seres humanos obligan a rediseñar dichos medicamentos y volver a pasar tanto la fase preclínica como la clínica, lo que provoca una gran pérdida de tiempo y dinero. Y, sobre todo, pone en riesgo la salud de los pacientes que participan en los ensayos. Gracias al Machine Learning, estos efectos adversos se pueden prever y actuar antes de que se produzcan.

¿Podrá reducir la tasas de abandono?

La tasa de abandono de los participantes en un ensayo es elevada: según un informe de 2010 de la Academia Nacional de Ciencias, a veces pueden superar el 30 %. Este abandono puede deberse a diferentes causas como la falta de implicación del paciente. Gracias al uso de asistentes virtuales, ya sea de voz o de texto, el seguimiento del paciente es mucho más sencillo, lo que favorece la finalización de los ensayos.

En su ponencia destacó que la inteligencia artificial permitirá mejorar los tratamientos, gracias a iniciativas como la paciente ¿en qué consiste?

in silico,

La paciente in silico nos permite simular el comportamiento de una enfermedad como, por ejemplo, el cáncer. Recientemente, la Universidad de Zaragoza ha desarrollado un modelo por ordenador que permite predecir el comportamiento de un tumor ante diferentes tratamientos. Gracias a esto seremos capaces de valorar diferentes tratamientos antes de administrarlo a un paciente real, evaluando el beneficio que obtiene el paciente frente a las consecuencias que le puede conllevar, lo que aumentaría el éxito del tratamiento reduciendo a lo mínimo otros posibles daños colaterales.

Otro de los beneficios que nos aporta es la aceleración de la llegada al mercado de un medicamento. El poder simular el efecto que el medicamento puede provocar en diferentes órganos del cuerpo humano, sobre todo en el sistema coronario, puede descartar medicamentos antes de que se inicie la fase clínica o en etapas iniciales de la misma, lo que conlleva un ahorro de tiempo y de costes, además de mejorar la seguridad del paciente en el ensayo.

¿Qué retos y limitaciones cree que hay en este campo?

Son numerosos. En primer lugar, la falta de interoperabilidad y estandarización de datos porque estos están codificados de manera diferente, lo que dificulta la interoperabilidad de los sistemas. Esto puede limitar la capacidad de acceder y analizar la información. En segundo término, la calidad y confiabilidad de los datos: en muchas comunidades autónomas se dispone de historia clínica electrónica desde antes del 2008, lo que supone millones de datos clínicos. Pero estos datos, la mayoría de las veces, no tienen la suficiente calidad, lo que da lugar a que muchas veces se limite la calidad del algoritmo generado, lo que incluso puede llevar a tener resultados sesgados.

Además, debe tenerse en cuenta la privacidad y seguridad de los datos, un tema crítico que se debe de tener muy en consideración. En Telefónica disponemos de las capacidades y soluciones necesarias para asegurar la privacidad y seguridad de los datos, sobre todo en este sector, en el que la información almacenada es muy sensible, por lo que antes de hacer cualquier entrenamiento sobre los datos, se debe asegurar su privacidad y seguridad.

En cuarto lugar, está el reto de la aceptación y confianza: tanto los profesionales como los pacientes pueden rechazar el uso de la Inteligencia Artificial por falta de confianza. Así que, tanto las administraciones como las empresas deberían fomentar el conocimiento de cómo se ha desarrollado un algoritmo y cuáles son los criterios que el modelo tiene en cuenta para la toma de decisiones. Estos sistemas suelen ser complejos y el no entendimiento de su funcionamiento puede crear desconfianza y desmotivación a la hora de su utilización. Y, por último, por supuesto se debe disponer de un marco regulatorio y ético acorde a los avances que se están produciendo en este campo y que dé respuestas a los desafíos que nos va presentando el uso de esta tecnología.

«La inteligencia artificial es capaz de analizar ensayos clínicos similares y realizar diversas simulaciones»