Médicos y pacientes con copiloto 

Las promesas de la medicina de precisión, que utiliza datos genéticos y moleculares para crear tratamientos personalizados y más eficaces, con menos pruebas invasivas y efectos secundarios, son notables, y las herramientas tecnológicas actuarán de copilotos de los médicos en la aplicación práctica de esta revolución, como apuntan los expertos consultados por el Megatrends 2024 de la Fundación Innovación Bankinter.  

La tecnología, de hecho, tiene el potencial de transformar la medicina, con la combinación de secuenciación del genoma, edición genética, nanotecnología e inteligencia artificial (IA) que permitirá diagnósticos más precisos y acelerará el descubrimiento de nuevos medicamentos. Todo ello, preservando la sostenibilidad económica del sistema sanitario.  

Dicho esto, aún estamos lejos del médico virtual infalible, capaz de replicar la habilidad humana de empatizar con el paciente para realizar lo que en la jerga médica se llama anamnesis. Sin embargo, la alianza entre humanos y tecnología permitirá reducir las tasas de error, mejorar la productividad y, en general, proporcionar una atención mejor y menos costosa para los pacientes.  

Las tecnologías habilitadoras 

La evolución data-driven, el Big Data y las técnicas de análisis avanzadas son los principales facilitadores de la medicina de precisión que, de hecho, se basa en la valorización de enormes volúmenes de datos genéticos, ómicos, clínicos y ambientales. Las fuentes de estos datos pueden ser análisis biomoleculares complejos y análisis clínicos, pero también sensores portátiles y diagnóstico por imágenes.  

La inteligencia artificial y el machine learning (ML), por su parte, son fundamentales para procesar eficazmente los grandes volúmenes de datos procedentes de los sistemas bioinformáticos, ayudando, por ejemplo, a identificar correlaciones entre factores de riesgo (genéticos) y condiciones de salud específicas. El aprendizaje automático también es valioso en el desarrollo de modelos predictivos de respuesta a tratamientos, mientras que la IA aplicada sobre datos biológicos puede ayudar a combatir bacterias resistentes a los antibióticos, facilitando la creación de nuevos fármacos. 

Por otro lado, las técnicas avanzadas de análisis de imágenes radiológicas (por ejemplo, tomografía computarizada y resonancia magnética) pueden revolucionar no solo el diagnóstico sino también la gestión de la enfermedad. La radiómica, en particular, utiliza análisis avanzados para extraer información cuantitativa y cualitativa de las imágenes radiológicas, enriqueciendo la comprensión de la patología con información que va mucho más allá de la visible al ojo del radiólogo.  

La impresión 3D y los biomateriales permiten, en cambio, crear fármacos ad hoc, pero también órganos, tejidos y dispositivos personalizados que mejoran la eficacia de los trasplantes y reducen el riesgo de rechazo. Por último, los dispositivos wearables juegan un papel fundamental a la hora de abrir una perspectiva personalizada en los ámbitos preventivo, diagnóstico y terapéutico. Algunas de estas herramientas proporcionan un flujo continuo de datos, convirtiéndose en un pilar de la actividad de seguimiento, pero también de la definición de tratamientos personalizados.  

Ejemplos de éxito 

Todas estas tecnologías mejorarán la monitorización de la salud y proporcionarán consejos en tiempo real, favoreciendo la prevención y detección temprana de enfermedades, al tiempo que reducirán los costos y extenderán el acceso a cuidados personalizados, alargando la vida saludable de las personas. En general, la tecnología está transformando la medicina en una disciplina más predictiva, preventiva, personalizada, equitativa y participativa y los ejemplos de éxito ya son varios.  

El Hospital Universitario La Paz de Madrid lidera la integración de la inteligencia artificial en la sanidad en España. La institución cada año atiende a más de un millón de consultas, 230.000 urgencias y 49.000 ingresos, y la IA automatiza los procesos rutinarios mejorando la eficiencia en la atención al paciente, por ejemplo a través de la generación de pre informes de TACs y de un proyecto para reducir el tiempo de diagnóstico de enfermedades raras que alcanza una precisión del 80-90%. 

El hospital también utiliza la IA en diagnósticos por imagen, medicina personalizada, genómica avanzada, y neurotecnología. Además, en neurología, se desarrollan herramientas para el análisis del movimiento y la recuperación del lenguaje en pacientes con afasia, mientras que en oncología, La Paz ha creado modelos predictivos de supervivencia para trasplantes hematopoyéticos y la IA se emplea para determinar la patogenicidad de variantes genéticas en el cáncer y predecir tratamientos específicos. 

Las perspectivas de la medicina de precisión son muy esperanzadoras; sin embargo, sólo la colaboración y el compromiso conjunto de los actores públicos y privados permitirán transformar esta visión en una realidad y, sobre todo, en una práctica accesible a todos. De hecho, todas estas innovaciones unidas tienen el potencial de reducir los costes asociados a un cuidado de la salud hiper personalizado y, por tanto, de extenderlo al máximo número de personas en todo el mundo. 

Por supuesto, aprovechar la IA para maximizar el valor de la atención médica implica garantizar la calidad de los datos y la ética en la implementación de algoritmos, involucrando a los profesionales de la salud en el diseño de soluciones tecnológicas, que bien pueden mejorar el diagnóstico, personalizar los tratamientos y respaldar las decisiones clínicas, pero siempre en el papel de copiloto y con el criterio final de los médicos. Una transformación de este calibre genera inevitablemente cierta resistencia, que debe abordarse de forma gradual, progresiva y continua.