Del chamán al e-chamán: De la Enfermedad al Enfermo

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Del chamán al e-chamán: De la Enfermedad al Enfermo"

Samuel Quintana Salazar
hace 5 años
Vistas:

1 Del chamán al e-chamán: De la Enfermedad al Enfermo Observatorio Dintel Soluciones de Negocio

2 Código Da Vinci 2

3 Visto desde el punto de vista de la salud Hechos Consecuencias +100 parámetros por paciente Dificulta la visión completa Número bajo de casos El paciente impaciente La presión legal Costes sanitarios Protocolos orientados a seguridad Historia Clínica Ómicas Dificulta la modelización Disminuye el tiempo de respuesta Requiere mayor eficacia Requiere optimización Eficaces? Y después? Están ayudando al médico? 3

4 Corrientes que convergen... Herramientas matemáticas (Bayes) -> Donald Berry Systems Biology Medicina basada en la evidencia Ómicas Integración de información Bioinformática 4

5 Sistems biology (o Sistemas Biológicos) Objetivo: De una medicina reactiva a una predictiva/preventiva a nivel individual ( no epidemiológico ) En 2010, en una hora se podrá obtener un genoma personal a un coste de 1000$ Visión: tratar la biología como un sistema Formado en distintos niveles por células, grupos de células, órgnanos, organismos hasta llegar al INDIVIDUO Analizar al paciente desde una perspectiva de relaciones entre variables genéticas, digitales y ambientales Los sistemas biológicos tienen propiedades que se reflejan en la respuesta clínica Especificidad, reconocimiento (anticuerpos, receptores...), autoensamblaje, etc. En definitiva Un sistema es MÁS que la suma de sus componentes 5

6 Cuál es la esencia de esta evolución? Medicina Reactiva Medicina Preventiva Medicina Personalizada Curar Prevenir Predecir Simular Decidir Enfermedad Enfermo Eficacia Control de gasto Mejora del sistema de Salud 6

7 dlife: The Medical Platform Convergencia modelización+predicción+simulación+decisión dlife Modelización de los estadios de patologías y de su relación con los protocolos terapéuticos Clasificación de la intensidad de la correlación entre variables según el paciente Predicción de la evolución en las fases de diagnóstico, tratamiento y seguimiento posterior según paciente y protocolo Simulación de comportamiento ante variaciones en las variables del paciente Modelación y simulación de indicadores médicos sin asistencia de estadísticos y técnicos 7

8 dlife: The Medical Platform Un modelo de una patología NO ES un Silico Médico pero SI ES Una ayuda complementaria, no sustituye nada Una silico herramienta para el médico......de la misma forma que el protocolo no sustituye al médico Un camino hacia la medicina personalizada dato individual introducido en el modelo para simular y analizar las respuestas Es una ayuda para Análisis de datos para predicción Análisis de datos para simulación Análisis de resultados en función de variables objetivo. P.E. Maximización del bienestar del paciente Es una ayuda para toma de decisiones 8

9 Caso real: Hepatitis Crónica C en el Hospital de la Princesa Antecedentes Aproximadamente un 3% de españoles afectados: personas De ellos, el 20% evolucionan a cirrosis hepática Tratamiento basado en interferón pegilado y ribavirina obtienen un resultado se carga viral sostenida entre el 60% y el 85% Este tratamiento presenta un elevado coste Todos los intentos de modelizar esta enfermedad para predecir respuesta favorable al tratamiento han obtenido resultados insatisfactorios La medicina basada en la evidencia se va imponiendo como referencia para cualquier acto médico: diagnóstico, terapéutico o preventivo 9

10 Objetivos Creación de un modelo terapéutico para la HCC Capacidad para predecir la evolución de la enfermedad en relación con la respuesta al tratamiento antiviral Capacidad para prevenir complicaciones a Cirrosis Hemorragia digestiva alta Encefalopatía hepática Hepatocarcinoma... 10

11 Problemática de la modelización Uso de gran número de variables Demografía Epidemiológicos Clínicos Analítica Imagen Guías clínicas sobre HCC Parámetros adicionales clínicos y analíticos no tratados previamente Pocos pacientes para modelizar: 300 a 500 historias clínicas Los algoritmos actuales no manejan bien este tipo de matriz 11

12 Modelo creado con dlife 12

13 Resultados Obtención de un modelo -actualmente en validación- que permite al médico Valorar la situación de cada paciente Evaluar la evolución de la enfermedad para cada paciente Predecir la respuesta al tratamiento Establecer factores útiles y novedosos en el diagnóstico y tratamiento Identificar indicadores clave en la evolución de la HCC como vía a nuevas líneas de investigación Extensión del alcance Caso Brasil 4 millones de afectados Objetivo: optimizar el gasto 13

14 Recordatorio: No hay enfermedades. Hay enfermos 14

Documentos relacionados

dlife: Decidiendo en la Vida

dlife: Decidiendo en la Vida Autor: Manuel Marín Soluciones de Negocio La Empresa: Apara Apara es una empresa de capital 100% español que nace en 2002 como spin off del Grupo Calidad y Tecnología. Apara