Redacción
Mejorar el conocimiento clínico y contribuir a una toma de decisiones sanitarias más precisa y eficiente son los objetivos de GSK con su apuesta por incorporar tecnologías de inteligencia artificial (IA) y procesamiento del lenguaje natural (NLP, por sus siglas en inglés) en proyectos de generación de evidencia en vida real. Gracias a su capacidad para procesar grandes volúmenes de datos procedentes de fuentes no estructuradas, como el texto de las historias clínicas o los informes médicos, la IA permite acceder a información clínica anonimizada que hasta ahora no podía analizarse en detalle mediante métodos tradicionales.
A través de tres proyectos en los que colabora con diferentes áreas terapéuticas, GSK ha permitido enriquecer de forma anonimizada la información clínica de más de 20.500 pacientes, ampliando significativamente el conocimiento disponible sobre la práctica asistencial en el entorno real. En estos proyectos participan el Hospital Universitario 12 de Octubre de Madrid, el Hospital de Sant Pau (Barcelona), el Hospital del Mar de Barcelona, el Hospital Universitari Son Espases (Mallorca), el Hospital Universitario Fundación Alcorcón (Madrid), el Hospital Universitario Marqués de Valdecilla (Santander), el Hospital General Sierrallana (Torrelavega, Cantabria), el Cancer Center Clínica Universidad de Navarra, el Hospital de Laredo (Cantabria) y la Fundació Althaia (Manresa).
Horion analiza el impacto del herpes zóster y sus complicaciones en más de 16.500 pacientes con tumores sólidos y hematológicos
Uno de estos proyectos es el estudio Reveal-MN, centrado en el mieloma múltiple, que ha permitido profundizar en los datos clínicos de aproximadamente 3.400 pacientes. La incorporación de la IA y el procesamiento del lenguaje natural supone un avance en la generación de evidencia en vida real sobre esta enfermedad hematológica. “Estas tecnologías permiten extraer y analizar de forma automatizada grandes volúmenes de datos clínicos de múltiples pacientes, algo que hasta hace poco era impensable”, señala el Dr. Joaquín Martínez López, jefe del Servicio de Hematología del Hospital Universitario 12 de Octubre (Madrid). “Gracias a ello es posible explorar de manera más ágil aspectos relacionados con el uso de fármacos, los perfiles de los pacientes, la eficacia de los tratamientos o las toxicidades asociadas”, añade.
Asimismo, el especialista considera que esta innovación puede tener un impacto importante tanto en la toma de decisiones clínicas como en la atención a los pacientes oncohematológicos, especialmente porque permite “desarrollar estudios clínicos de fase IV virtuales y reforzar los estudios de vida real”.
Por su parte, el estudio Tatiana, centrado en el cáncer de endometrio, ha contribuido a ampliar el conocimiento sobre la enfermedad a partir de los datos de 546 pacientes en estadio avanzado o en recaída. En palabras de la Dra. Cristina Martín, oncóloga médica del Hospital de la Santa Creu i Sant Pau de Barcelona, “hemos podido analizar por primera vez en España un gran volumen de historias clínicas electrónicas y describir las características demográficas y clínicas de las pacientes, así como los biomarcadores y patrones de tratamiento en cáncer de endometrio avanzado o en recaída en un entorno de práctica clínica real, antes de la incorporación de la inmunoterapia”.
Reveal-MN ha permitido analizar información clínica de aproximadamente 3.400 pacientes con mieloma múltiple
Además, la especialista destaca que estas tecnologías permiten generar evidencia de gran valor sobre el manejo de la enfermedad en condiciones reales, ampliar el conocimiento clínico e identificar necesidades aún no cubiertas.
Por último, el estudio Horion se centra en determinar el impacto del herpes zóster y sus complicaciones en pacientes con tumores sólidos y hematológicos. El proyecto ha incluido información clínica de más de 16.500 pacientes. “La IA y el procesamiento del lenguaje natural están suponiendo una auténtica revolución en la forma en que generamos evidencia en vida real en medicina, ya que nos permiten analizar de forma automatizada miles de historias clínicas electrónicas y extraer grandes volúmenes de información narrativa presente en el texto libre de las notas médicas”, explica el Dr. Rodrigo Sánchez-Bayona, oncólogo médico del Hospital Universitario 12 de Octubre.
Asimismo, asegura que “esta tecnología está permitiendo entender mejor, por ejemplo, el comportamiento del herpes zóster en pacientes de riesgo, lo que nos ayuda a comprender el comportamiento real del virus y la efectividad de las estrategias preventivas a una escala y velocidad que de otro modo serían imposibles”.
El especialista subraya que el análisis de datos no estructurados permite recuperar variables clínicas “cruciales” que los códigos estándar a menudo pasan por alto. “Es posible identificar matices y detalles sobre la gravedad real de la enfermedad y detectar complicaciones a largo plazo”, añade.
El estudio Tatiana ha ampliado el conocimiento sobre el cáncer de endometrio avanzado o en recaída a partir de 546 pacientes
En esta línea, el Dr. Sánchez-Bayona señala que “este enfoque facilita analizar cohortes más amplias y representativas, reducir los tiempos de estudio y avanzar hacia estrategias de prevención más personalizadas en aquellos pacientes con mayor vulnerabilidad frente a complicaciones graves”.
Por su parte, Leticia de Luján, directora médica de GSK en España, explica que “estas herramientas nos permiten generar conocimiento clínico de mayor calidad y aportar valor al sistema sanitario en su conjunto, siempre atendiendo a la más estricta confidencialidad. Los hospitales garantizan en todo momento la privacidad de las historias clínicas de sus pacientes, en línea con nuestro compromiso con el uso ético y responsable de la inteligencia artificial en los estudios de evidencia en vida real”.
Más allá del volumen de datos analizados, el valor diferencial de estas tecnologías radica en su capacidad para identificar variables clínicas relevantes y ofrecer una visión más completa de las enfermedades. Esto contribuye a mejorar la calidad de la evidencia científica e impulsar estrategias sanitarias más eficientes y centradas en el paciente.






