El ‘big data’ permitirá modelos predictivos en fibrosis quística

Herramientas
Madrid
|
07 dic 2018 - 14:04 h
|

La fibrosis quística es una patología hereditaria que afecta a uno de cada 5.000 nacimientos. Aunque sin cura, los tratamientos de los últimos años suponen grandes avances terapéuticos.

La posibilidad de establecer modelos predictivos gracias al big data es uno de los temas que acaparó la atención en el encuentro de BronChiCare celebrado en Madrid.

Amparó Solé, neumóloga responsable de la Unidad de Neuomología y Fibrosis Quística del Hospital Universitario La Fe de Valencia, explica a GM que “la enfermedad evoluciona por brotes y con cada brote se deteriora mas la función pulmonar. Generalmente, cuando tienen un brote tardan mucho en recuperarse y un porcentaje de los pacientes nunca vuelve a tener la misma funcionar pulmonar. Entonces con big data, que analiza absolutamente todo los datos que existen en la historia, se podrían establecer modelos predictivos para ayudarnos a saber cuando un paciente va a tener un exacerbación o si su enfermedad se relaciona con determinados fenotipos ”, resaltó.

Asimismo, el análisis masivo de datos puede ayudar en la elección y rotación de tratamientos.

“Con esta patología puedes mantener al paciente con un antibiótico nebulizado o bien poder rotar los antibióticos. El big data nos podría ayudar a determinar qué perfiles de pacientes puedes tratar con antibióticos continuos, con antibióticos alternantes o cuando rotarlos”, continúa. “Es como llevar a cabo una medicina preventiva de esta patología para evitar que progrese”, añade.

Futuro próximo

Aunque actualmente no tienen las herramientas necesarias, la neumóloga predice que la aplicabilidad del big data llegará en un futuro próximo. “Actualmente no se están integrando todos los datos que se generan en la historia clínica. En otras patologías como oncología está empezando pero en la nuestra queda establecer los patrones para poder empezar”, afirma la especialista quien puntualiza “que en un par de años lo vamos a tener porque los pacientes con fibrosis quística tienen un perfil muy determinado y es fácil que una maquina pueda aprender unos patrones mucho mas fácil que nosotros”, concluye.

Twitter
Suplementos y Especiales