Cuídat-e, medicina personalizada e inteligencia artificial

La primera fase del proyecto MPDB (Cuídat-e) incluye el desarrollo de 5 ámbitos de estudio facilitadores del cuidado de la salud y contribuye a mejorar el trabajo de los profesionales sanitarios

comunicación-desarrollo-corporativo

Dr. Fernando Mugarza, director de desarrollo corporativo y comunicación (Fundación IDIS)
Estamos en los prolegómenos de lo que puede ser la inteligencia artificial aplicada a la medicina y más en concreto a la personalización, prevención y gestión corresponsable de la propia salud. En este contexto de actuación, la tecnología digital puede llegar a ser un elemento determinante en la mejora de la salud individual y poblacional, y por lo tanto ser uno de los ejes de control del gasto e inversión crecientes asociados a la enfermedad.

Cada día está más cerca la medicina personalizada asociada al desarrollo y desempeño del big data en el sistema sanitario y para contribuir a hacerlo realidad, la comunidad autónoma de Canarias y la Generalitat Valenciana han puesto en marcha el proyecto MPBD (medicina personalizada big data) con tecnología de la multinacional tecnológica GMV, un proyecto cofinanciado por el Fondo Europeo de Desarrollo Regional Feder, desarrollado en el marco del Programa FID Salud (Fomento de la Innovación desde la Demanda) del Ministerio de Ciencia e Innovación (MCIN), un instrumento para la promoción de iniciativas de Compra Pública Innovadora.

La comunidad autónoma de Canarias y la Generalitat Valenciana han puesto en marcha el proyecto MPBD (medicina personalizada big data)

El proyecto MPBD tiene una finalidad asistencial y persigue ofrecer recomendaciones y propuestas saludables personalizadas y orientadas a la prevención de enfermedades y a mejorar la atención personalizada de los pacientes mediante herramientas de soporte a la decisión clínica. Por otro lado, la iniciativa contribuye a la sostenibilidad del sistema sanitario, incrementando su eficiencia”.

El proyecto MPBD consta de dos fases. La primera (Cuídat-e) incluye el desarrollo de 5 ámbitos de estudio facilitadores del cuidado de la salud y contribuye por lo tanto a mejorar el trabajo de los profesionales sanitarios.

En primer lugar, Cuchara inteligente, que incorpora el registro de los hábitos nutricionales de los voluntarios con propuestas de dietas y menús equilibrados, adaptados a la persona, registrando información nutricional de la persona e incorporando avisos acerca de interacciones de alimentos con medicamentos entre otros. Mediante el procesado y análisis de los datos se extraerán pautas de consumo nutricional que puedan correlacionarse para la mejor asistencia por parte del profesional sanitario.

En segundo lugar, Contamos contigo, que registra la actividad física, movilidad y ejercicio de la persona, ofreciendo información de tipo general como gasto calórico, tipología de ejercicio aeróbico y anaeróbico, pautas de entrenamiento y progresión. Mediante el procesado y análisis de los datos propondrá pautas de entrenamiento de diferente intensidad, vídeos de entrenamiento y estimaciones de resultados a determinados plazos para la superación del sedentarismo y el sobrepeso.

El proyecto MPBD persigue ofrecer recomendaciones y propuestas saludables personalizadas y orientadas a la prevención de enfermedades y a mejorar la atención personalizada

En tercer lugar, Sonrisa saludable, que registra el estado de ánimo, el afrontamiento positivo de retos y dificultades de la vida, la superación del estrés, los sentimientos de pertenencia, utilidad y plenitud, el descanso, el sueño y la organización del tiempo. Ofrecerá información de tácticas y estrategias de optimismo, planteamientos positivos de percepción del concepto, afrontamiento saludable del estrés, automotivación, auto gratificación, relajación y meditación. El procesado y análisis de los datos registrados identificará posibles riesgos y síntomas de alarma, así como  estimaciones de resultados a determinados plazos para la superación de la tristeza, el hastío persistente y el estrés prolongado.

En cuarto lugar, Tabaco, alcohol y otras adicciones, que registra adicciones incluyendo tanto el consumo de sustancias adictivas como la práctica de apuestas, dependencia de tecnologías digitales, videojuegos y otras adicciones. Ofrecerá información de tipo general relacionada con las sustancias adictivas, ingredientes, impactos a corto, medio y largo plazo de las capacidades cognitivas, en patologías específicas y en la salud en general; inclusive aspectos legales. La aplicación calculará el consumo de sustancias y el tiempo dedicado a las prácticas adictivas, así como las restricciones y deficiencias detectadas en el resto de las actividades diarias. Extraerá pautas de consumo y comportamiento.

Finalmente, Mejor en compañía, que registra situaciones de soledad no deseada, aislamiento social y experiencias de alienación, para su superación y mejora en el ámbito de las relaciones interpersonales, lúdicas, afectivas y de contacto social. Ofrece tácticas de socialización, empatía, estrategias de promoción del contacto social, etc. Incluye estimaciones de resultados a determinados plazos para la superación del aislamiento social y las sensaciones de soledad y abandono.

Además, el proyecto, durante esta primera fase, contempla tres ámbitos de estudio “para diseñar el sistema analítico-predictivo que dé soporte a la decisión clínica y a la investigación”: aplicación de procesamiento de lenguaje natural en el dominio de informes clínicos, fisiopatología del dolor lumbar y técnicas analítico-predictivas en imagen médica con resonancia magnética y predicción del número de ingresos en urgencias en relación con la concentración de partículas en el aire.

Durante la primera fase el proyecto MPDB contempla tres ámbitos de estudio “para diseñar el sistema analítico-predictivo que dé soporte a la decisión clínica y a la investigación”

La fase II del proyecto MPBD incluye los siguientes ámbitos de estudio: preconsulta inteligente, monitorización domiciliaria de las situaciones crónicas y de las altas hospitalarias, optimización terapéutica y detección de oportunidades de desprescripción, segmentación de pacientes en las patologías de mayor relevancia, modelo de medida y predicción de la eficiencia de las unidades funcionales de atención primaria; impacto del clustering de enfermedades crónicas no comunicables (ECNC) selección de pacientes para ensayos clínicos, selección de pacientes para búsqueda activa de enfermedades raras, dictáfono inteligente para transcripción automatizada, PHARMAIA-Covid (análisis en tiempo real de la efectividad del tratamiento farmacológico frente al Covid-19) y predicción de reingresos no programados en el mes siguiente al alta.

Opinión

Multimedia

Especiales

Atención primaria

Sanidad privada

iSanidadental

Anuario

Accede a iSanidad

Síguenos en