EL FUTURO DE LA MEDICINA: CÓMO

LA DATA TRANSFORMA LA SALUD

 

 

Dos nuevos estudios del Departamento de Biomedicina Computacional de Cedars-Sinai están demostrando cómo el uso de la inteligencia artificial y el análisis de grandes bases de datos (big data) pueden mejorar la atención médica y la investigación. Ambos trabajos fueron publicados en la revista científica Patterns.

     Identificación de Medicamentos que Afectan el Azúcar en la Sangre: En el primer estudio, los investigadores de Cedars-Sinai analizaron los historiales médicos electrónicos de casi cien mil hospitalizaciones. Gracias a técnicas avanzadas, lograron identificar medicamentos que, de manera inesperada, estaban relacionados con el aumento o la disminución del nivel de azúcar en la sangre de los pacientes hospitalizados.

El Dr. Jesse G. Meyer, profesor asistente en Cedars-Sinai, explicó que estos hallazgos ayudarán a los médicos a prever y manejar los cambios en el azúcar en la sangre causados por medicamentos, mejorando la seguridad de los pacientes.

     Un Método Seguro para Combinar Datos de Múltiples Hospitales: En el segundo estudio, los investigadores crearon un método seguro para combinar datos de pacientes de varios hospitales sin comprometer la privacidad. En lugar de compartir información individual de los pacientes, los hospitales ahora pueden enviar resúmenes estadísticos. Esto permite que los investigadores analicen los datos en un lugar central, reduciendo el riesgo de exponer información delicada.

Según el Dr. Ruowang Li, profesor asistente en Cedars-Sinai, este método abre la puerta a estudios más grandes y diversos que protegen mejor la privacidad y, al mismo tiempo, permiten desarrollar tratamientos más efectivos.

 

         EL FUTURO DE LA MEDICINA BASADO EN DATOS

 

El Dr. Jason Moore, director del departamento, destacó que ambos estudios reflejan la visión de Cedars-Sinai de usar la inteligencia artificial y el big data para mejorar la atención al paciente y la investigación. La meta es que la medicina esté cada vez más impulsada por datos, lo que permitirá cerrar brechas en los resultados de salud y crear vidas más sanas.

     Primer estudio: Otros autores de Cedars-Sinai: Amanda Momenzadeh, PharmD; Caleb Cranney, MS; So Yung Choi, MS; Catherine Bresee, MS; Mourad Tighiouart, PhD; Roma Gianchandani, MD; Joshua Pevnick, MD, MSHS; y Jason H. Moore, PhD.

Agradecimientos: Los autores agradecen a Edward Kowalewski, Kevin Japardi y al Honest Enterprise Research Broker por los servicios de extracción de datos de historiales clínicos electrónicos (EHR). Esta investigación fue financiada por el Centro Nacional para el Avance de las Ciencias Traslacionales (NCATS) del NIH y por el subsidio UL1TR001881 del Instituto de Ciencias Traslacionales Clínicas (CTSI) de la UCLA.

Declaración de intereses: Amanda Momenzadeh y Jesse G. Meyer tienen una patente provisional relacionada con este trabajo. Jason H. Moore es miembro de la Junta Asesora de la revista Patterns.

     Segundo estudio: Otros autores de Cedars-Sinai: Jason H. Moore.

Otros autores: Luke Benz, Rui Duan, Joshua C. Denny, Hakon Hakonarson, Jonathan D. Mosley, Jordan W. Smoller, Wei-Qi Wei, Thomas Lumley, Marylyn D. Ritchie y Yong Chen (coautor correspondiente).

Agradecimientos: Las fuentes de financiación incluyeron los subsidios del NIH R01 LM010098, AG066833, GM148494, LM014344, LM012607, LM013519, AI130460, AG073435, RF1AG077820, R56AG069880, R56AG074604, U01TR003709, R21AI167418 y R21EY034179. MDR fue financiado por R01HG010067 y R01HL169458.

Red de eMERGE (Fase III): Esta fase de la Red eMERGE fue iniciada y financiada por el NHGRI a través de los siguientes subsidios: U01HG8657 (Group Health Cooperative/University of Washington); U01HG8685 (Brigham and Women’s Hospital); U01HG8672 (Vanderbilt University Medical Center); U01HG8666 (Cincinnati Children’s Hospital Medical Center); U01HG6379 (Mayo Clinic); U01HG8679 (Geisinger Clinic); U01HG8680 (Columbia University Health Sciences); U01HG8684 (Children’s Hospital of Philadelphia); U01HG8673 (Northwestern University); U01HG8701 (Vanderbilt University Medical Center en calidad de Centro de Coordinación); U01HG8676 (Partners Healthcare/Broad Institute); y U01HG8664 (Baylor College of Medicine).

Biobanco del Reino Unido (UK Biobank): Todos los datos de esta cohorte pertenecen al proyecto 32133: "Integración de fenotipos de imágenes multiorgánicas, fenotipos clínicos y datos genómicos".

Declaración de intereses: Jason H. Moore es actualmente miembro de la junta asesora de la revista Patterns. Los demás autores no informan conflictos de intereses.