Imagina a una paciente con cáncer de mama, a quien se le ha recetado un tratamiento estándar de quimioterapia. La paciente completa el tratamiento solo para descubrir que el cáncer todavía se está propagando. Tras más pruebas genéticas, se descubre que la paciente tiene alguna mutación rara que la hizo resistente al tratamiento estándar. La medicina de precisión, adaptada a su perfil genético específico, es entonces introducida. Se desarrolla una terapia dirigida que ataca con éxito las células cancerosas sin dañar los tejidos sanos. ¿No lo querríamos todos si estuviéramos luchando contra el cáncer? Ese es el poder de la medicina personalizada o medicina de precisión, como algunos la llaman.
Durante demasiado tiempo, los profesionales médicos han estado recetando tratamientos y medicamentos que son los más adecuados para una persona promedio. Por lo general, no aborda los matices individuales que podrían estar ayudando a mejorar o dificultar el tratamiento. La medicina personalizada (PM) tiene como objetivo solucionar esto asegurando que el tratamiento correcto se administre a la persona correcta en el momento correcto. Aunque hay muchos avances en la atención reactiva para los pacientes, la PM también abre muchas oportunidades en la atención preventiva para los pacientes. Pero incluso con todas sus promesas, la PM aún no se ha vuelto convencional y hay muchas barreras de entrada.
La base principal de la PM es la prueba genómica, que es intensiva en datos y históricamente ha sido muy difícil de realizar a gran escala.
La necesidad de volver a capacitar a los profesionales médicos para ser más centrados en el paciente que centrados en la enfermedad.
La actualización de los sistemas de atención médica para acomodar medicamentos adicionales + enfermedades + combinaciones de tratamientos es una importante revisión regulatoria y operativa.
Sin embargo, con los avances tecnológicos específicamente en el campo de la inteligencia artificial, hay una clara visión para hacerla convencional con instituciones médicas más grandes que ya adoptan estas prácticas en ciertas áreas, así como nuevas startups de salud tecnológica que ofrecen soluciones innovadoras y disruptivas para hacer que la PM sea más convencional. Aquí hay algunas formas en que la IA está ayudando a acelerar la adopción de la PM:
Análisis de vastos conjuntos de datos: Procesando y analizando cantidades masivas de datos de pacientes, incluida la información genética, historial médico y resultados de ensayos clínicos, para identificar patrones y tendencias que pueden no ser aparentes para los humanos y secuenciarlos en conjuntos de datos consumibles que pueden ser analizados posteriormente por profesionales médicos. Sin IA y los últimos dispositivos informáticos, esta es una tarea casi imposible de hacer a gran escala y es una gran ayuda para promover la causa de la PM.
Predicción del riesgo de enfermedad: Utilizar algoritmos de aprendizaje automático para predecir el riesgo de que un paciente desarrolle ciertas enfermedades en función de sus características individuales, factores de estilo de vida y composición genética se está convirtiendo en un gran cambio para la atención preventiva. Los médicos pueden crear planes personalizados para individuos de alto riesgo y recomendar cambios en el estilo de vida, dieta, etc. La integración de las fuentes de datos de dispositivos de monitoreo de pacientes como monitores de ritmo cardíaco, monitores de diabetes, máquinas CPAP, etc., también permite a los médicos obtener datos valiosos de forma centralizada y realizar cambios en tiempo real a cualquier recomendación preventiva.
Desarrollo de tratamientos dirigidos: Al analizar los datos del paciente, la IA puede ayudar a los investigadores a desarrollar nuevos medicamentos y terapias que sean más efectivos y tengan menos efectos secundarios para poblaciones de pacientes específicas. Especialmente en el área de descubrimiento de medicamentos, los medicamentos diseñados por IA se están volviendo más convencionales, lo que ayuda a mejorar significativamente la probabilidad de éxito de los ensayos clínicos, que históricamente han sido muy bajos debido al alto costo y tiempo requerido para obtener buenos datos de ensayo representativos.
Optimización de planes de tratamiento: La IA puede ayudar a los proveedores de atención médica a seleccionar las opciones de tratamiento más apropiadas para pacientes individuales en función de sus características únicas y las últimas investigaciones médicas.
Recuperación asistida por IA: Con asistentes personalizados, la mayoría de los pacientes pueden tener un proceso de recuperación que es más supervisado de cerca y se realizan intervenciones adecuadas en el momento adecuado a través de alertas activadas, etc.
Seguimiento del progreso del paciente: Los sistemas alimentados por IA pueden seguir el progreso del paciente con el tiempo, identificar posibles complicaciones tempranamente y ajustar los planes de tratamiento según sea necesario.
Un factor importante en el uso de la IA para la PM también será la gobernanza y los controles de privacidad que se establezcan para la adopción a gran escala. Es posible que sea necesario revisar las regulaciones actuales junto con hacer que los datos sean compartibles y accesibles a nivel global. Inicialmente, el costo de las pruebas genómicas y otros recursos intensivos en computación también deberá ser subsidiado para que esto no se convierta solo en la medicina de los ricos, sino que también pueda superar las barreras económicas. Las políticas de datos apropiadas junto con el mantenimiento de una implementación ética de los modelos de ML también serán críticas para el éxito masivo.
La PM no es ciencia ficción … es realidad.
Lo que quizás sea más emocionante acerca de la PM es que no es demasiado bueno para ser verdad y está impulsando una verdadera innovación hoy. Por ejemplo, las nuevas empresas de biotecnología ya están utilizando la IA para revolucionar el análisis de proteínas y reducir la reducción en los tiempos de predicción.
Además, los equipos están utilizando la IA para revolucionar la forma en que detectamos células cancerosas. Por ejemplo, actualmente, el proceso de detección de células cancerosas es increíblemente lento y requiere que equipos médicos calificados escaneen cada muestra bajo un microscopio, creando retrasos en las pruebas y el tratamiento de los pacientes como resultado. Sin embargo, a través de la IA, se está volviendo posible automatizar la determinación de la normalidad celular, utilizando coincidencias de similitud para comparar rápidamente células normales y anormalidades con una base de datos de lesiones conocidas, reduciendo drásticamente el tiempo que se tarda en detectar células potencialmente cancerosas.
Estos son solo un par de ejemplos de lo poderosa que puede ser la PM. Y si se invierten los recursos adecuados en el espacio y se establecen las protecciones adecuadas, el potencial de la PM para redefinir la atención al paciente es simplemente asombroso.
Foto: MF3d, Getty Images
Vrinda Khurjekar es Jefa de Negocios de AMER en Searce. Una técnica convertida en líder empresarial, Vrinda está apasionada por impulsar la transformación liderada por la tecnología y ayudar a las empresas a futurificar aprovechando las últimas tecnologías. Vrinda ha desempeñado varios roles durante los últimos 15 años en Searce, siendo miembro clave del equipo ejecutivo global de Searce. Vrinda ha participado personalmente en el liderazgo de muchos clientes importantes a través de sus viajes de transformación digital. Vrinda cree en el poder de la empatía hacia el cliente, escuchar a los clientes y socios, y ser un socio de confianza para cualquier persona con la que trabaje. Esta publicación aparece a través del programa MedCity Influencers. Cualquiera puede publicar su perspectiva sobre negocios e innovación en salud en MedCity News a través de MedCity Influencers. Haz clic aquí para averiguar cómo.