Resultados del proyecto Medicina Personalizada Big Data
La Conselleria de Sanitat Universal i Salut Pública, con motivo de la finalización del proyecto de Compra Pública Precomercial Medicina Personalizada Big Data, ha coorganizado junto con el Servicio Canario de la Salud y el Barcelona Supercomputing Center, un encuentro sobre inteligencia artificial en proyectos de salud durante el que se presentan resultados.
El proyecto Medicina Personalizada Big Data (Cuidat-e), de Compra Pública de Innovación a través del Programa FID Salud, ha sido cofinanciado por el Fondo Europeo de Desarrollo Regional (FEDER) en un 85 % por los 3.833.774 de euros presupuestados para el Servicio Canario de Salud, y en un 50 % por los 2.000.000 de euros presupuestados para la Generalitat, a través de una ayuda concedida por el Ministerio de Ciencia e Innovación de 4.258.707,90.
La Conselleria de Sanitat Universal i Salut Pública presenta los resultados del proyecto Medicina Personalizada Big Data
La actividad cuenta con tres focos principales: los logros obtenidos, las expectativas para los próximos pasos (definición de objetivos, metodologías y fuentes de financiación) y, a la vista de la naturaleza bilingüe del proyecto -castellano y valenciano- explorar la posibilidad de extenderlo a otras como portugués y francés; e incluso, con la adaptación de la tecnología, a otros entornos socioeconómicos.
En concreto, la APP Cuídate constituye una herramienta de promoción de salud y de prevención de enfermedades para facilitar la adopción de hábitos de vida saludable alineada con la estrategia de promoción de salud del Sistema Nacional de Salud, de forma amigable y sin esfuerzo, personalizada para cada sujeto. Además, integra contenidos virtuales con propuestas del mundo real como recetas de productos de temporada, eventos de actividad física y de bienestar emocional, entre otros; también la posibilidad de conectar con dispositivos ‘fit’ como los cuentapasos.
Otra línea de actividad es la monitorización de pacientes crónicos, con una APP que funciona en formato ‘chatbot’ escrito y por voz, incluyendo advertencias tanto para personas usuarias como para profesionales.
A estas funcionalidades se añade la preconsulta inteligente, que comienza la anamnesis antes de entrar a la consulta, lo que permite al profesional contar con una orientación previa e ir más directo hacia el diagnóstico.
De otro lado, el dictáfono inteligente, que también se contempla en el proyecto, ha demostrado consistencia entre la conversación en la consulta y su transcripción a texto, que se incorpora a la historia clínica una vez validado por el personal sanitario.
Por su parte, el procesado automático de imágenes de radiología simple de tórax y de resonancia magnética lumbar ha conseguido resultados útiles tanto para el despistaje como para disponer de una segunda opinión.
Además, las herramientas analíticas permiten identificar pacientes de mayor riesgo de ingreso o de reingreso tras el alta hospitalaria, a los que se debe hacer un seguimiento más estrecho que prevenga esos ingresos o reingresos no programados.
Para el diagnóstico de las enfermedades raras, se han identificado combinaciones de signos y síntomas que de forma aislada no llevaban al diagnóstico, pero sí con determinadas secuencias y asociaciones, lo que permitirá adelantar el diagnóstico, ahorrar pruebas y adelantar los tratamientos.
