¿Pueden la Inteligencia Artificial o el Machine Learning trabajar sin datos de calidad?

imagen autor
Rocío Rodríguez. Consultant. Cegedim Healthcare Spain.

¿Pueden la Inteligencia Artificial o el Machine Learning trabajar sin datos de calidad?

01/4/2024
851

La Inteligencia Artificial y el Machine Learning están de moda. Las empresas y cualquier sector de la sociedad comentan las bondades de esta tecnología innovadora. Pero ¿qué es la Inteligencia Artificial (IA)? La IA es una tecnología que muestra la culminación de la inteligencia humana y el procesamiento informático. Fundamentalmente lo que se hace es recopilar información de varias fuentes y utilizar los algoritmos adecuados para gestionar la información requerida y posteriormente presentar los posibles resultados y procesos simulando el comportamiento humano.

En el sector sanitario es bien sabido, que la Inteligencia Artificial es capaz de analizar datos médicos complejos. Se conoce su potencial para poder identificar y diagnosticar enfermedades, para mejorar el tratamiento de las mismas y para identificar pacientes para ensayos clínicos. Se puede utilizar para fabricar los medicamentos adecuados en composición y cantidad, con respecto a los diagnósticos actuales y lo que es más importante, puede realizar pronósticos predictivos, con lo que se aproxima a conocer los diagnósticos futuros y por ende los medicamentos necesarios, en composición y coste a corto y medio plazo. Y es precisamente la reducción de costes relacionada con la fabricación y distribución de fármacos, lo que se ve como una de las principales ventajas de la Inteligencia Artificial.

La Inteligencia Artificial y el Machine Learning no necesitan presentaciones como herramientas tecnológicas indispensables en la industria farmacéutica. A continuación, vemos algunos ejemplos de cómo se está utilizando la IA con diferentes propósitos dentro de la industria farmacéutica:

Identificación de los posibles candidatos para ensayos clínicos
La IA puede analizar la información genética, para identificar la población de pacientes adecuada para un ensayo y determinar el tamaño de muestra óptimo, utilizando análisis predictivos avanzados.

Además, algunas tecnologías de inteligencia artificial pueden leer libremente el texto que los pacientes ingresan en las solicitudes de ensayos clínicos, así como datos no estructurados, como notas médicas y documentos de admisión.

Enfermedades Raras y Medicina Personalizada
La IA se está utilizando para desarrollar tratamientos farmacológicos personalizados basados en los resultados de las pruebas de un individuo, las reacciones a medicamentos anteriores y el historial de reacciones a medicamentos del paciente.

Reutilización de medicamentos
Reutilizar medicamentos previamente conocidos o candidatos a medicamentos en etapa avanzada hacia nuevas áreas terapéuticas es una estrategia deseada por muchas compañías biofarmacéuticas, ya que presenta menos riesgo de toxicidad inesperada o efectos secundarios en ensayos en humanos y probablemente menos gasto en I+D.

Adherencia y dosis del medicamento
La IA puede a través del monitoreo remoto o de los resultados de las pruebas de algoritmos, detectar qué participantes del estudio están tomando la dosis requerida del fármaco estudiado en los horarios prescritos.

¿Y qué es lo que une a estos ejemplos o aplicaciones de la IA en la industria farmacéutica?
Los datos y los algoritmos utilizados sobre los mismos, y es aquí donde volvemos a la pregunta que da título a este artículo. ¿Puede la IA funcionar correctamente sin datos de calidad? Y la respuesta es clara, no, no puede.

La disponibilidad de datos de alta calidad es la base de una IA productiva y exitosa.

La industria farmacéutica es una industria rica en datos multidisciplinares, de muchas fuentes diferentes en su ecosistema (por ejemplo, médicos, farmacéuticos, hospitales, organizaciones de salud, gobierno, proveedores, competidores y pacientes). Considerar los datos como uno de los activos corporativos esenciales de la industria puede desempeñar un papel crucial en la maximización de la generación de ganancias. El objetivo principal del análisis de datos en el sector farmacéutico es explotar el valor agregado para la empresa, mejorar sus capacidades en la gestión de crisis y desarrollar opciones estratégicas. Además, los datos pueden mantener la autosostenibilidad de la empresa, que indica principalmente la introducción continua de innovación para alimentar la fábrica de innovación organizacional con nuevos productos, procesos y tecnologías. Este desarrollo dinámico de la innovación permite a la empresa ser pionera y disminuir la capacidad de los competidores para imitar este tipo de sostenibilidad. Además, el análisis de datos desempeña un papel esencial en la creación de competencias distintivas al proporcionar, a quien toma las decisiones, conocimientos únicos para descubrir las tendencias de comportamiento de los pacientes, las preferencias de los farmacéuticos y las elecciones de los médicos.

Los datos pueden considerarse un activo si están estructurados de acuerdo con los principios FAIR (Encontrables-Accesibles-Interoperables-Reutilizables) como sugiere la Comisión Europea (2018). Los datos que residen en varios sistemas, en diferentes formatos y ontologías, o que carecen de atributos clave (como identificadores únicos), no son un activo. Si el activo de datos no es reutilizable, cada actividad, cada algoritmo, que se deba aplicar sobre ellos, será un ejercicio de IT separado y posiblemente de gran escala. El principio de “construir una vez y usar muchas” es fundamental para maximizar el valor de los activos de datos.

La realidad es que no existe una varita mágica para que las empresas farmacéuticas utilicen la IA con éxito, sin embargo, se sabe que un paso ineludible es contar con la información necesaria y de calidad. Y en este sentido existen unos “imprescindibles” a tener en cuenta en el uso de los datos:

Integrabilidad de la información
La información utilizada puede ser interna de la empresa o externa. En cualquier caso, debe poder ser integrada con otras fuentes de información, para un posterior análisis. El utilizar un formato estándar, como por ejemplo puede ser OMOP, que esté debidamente certificado, por ejemplo, por Edhen, garantiza la integrabilidad de los datos y facilita su uso posterior

Accesibilidad de la información
Que el acceso a los datos sea sencillo y rápido facilitará, y mucho, la eficiencia de la empresa. Por ejemplo, a través de plataformas de acceso a los datos, sin intermediación humana.

Actualización de la información
De nada nos sirve una fuente de información con datos obsoletos, todo evoluciona muy rápido y la empresa se debe asegurar de tener no sólo la información actualizada, sino de la frecuencia posterior de actualización.

Cumplimiento de condiciones legales
El uso de la mayoría de los datos interesantes para la industria farmacéutica está regulado por altos niveles de privacidad. Es fundamental poder contar con datos multidisciplinares, preparados para su uso con diferentes propósitos, de investigación, médicos, de acceso al mercado, etc, cumpliendo siempre con la regulación vigente.

Persigue la eficiencia
Este punto es el último, pero no el menos importante y está más relacionado con la gestión, que con los datos en sí mismos. Para mantener la eficiencia, en muchas ocasiones, es fundamental contar con un socio especializado en la gestión de los datos, que ofrezca no solo los datos en sí mismos, sino que esté especializado en el asesoramiento y servicios relacionados, tales como análisis de datos, investigación científica, publicación, etc, mientras la empresa se dedica a innovar en el modelo de negocio o procesos involucrados.

La IA es una herramienta única con gran potencial y este mismo potencial hace que debamos ser especialmente cuidadosos con lo que se le ofrece como alimento.

European Commission. (2018). Turning FAIR data into reality. European Commission Expert Group on FAIR Data. https://op.europa.eu/en/publication-detail/-/publication/7769a148-f1f6-11e8-9982-01aa75ed71a1


Más sobre CEGEDIM HEALTH DATA


Cegedim Health Data es la división de datos relativos a la salud del Grupo Cegedim, un innovador grupo de tecnología, servicios y datos del mundo real especia...

Saber más

Servicios:

Real world data
Market intelligence
Farmacoeconomía
Patient intelligence

Articulos relacionados:

Logo
Alicia López de Ocariz. Directora Médica Corporativa. Cinfa.
Espacio europeo de datos sanitarios: un reto y una oportunidad

La pandemia de COVID-19 dejó una serie de enseñanzas en la Unión Europea que han desencadenado tanto revisiones como nuevas estrategias relacionadas con la salud. La Comisión adoptó una nueva Estrategia en materia de salud, señalándola como un pilar esencial de la política exterior de la UE, un sector crítico desde el punto de vista geopolítico y un factor fundamental para la autonomía estratégica de la UE. La Estrategia presenta...

Abr. 2024
Logo
Alejandro García Guzmán. Experto CSV/CSA/DI. GLASPE (Global Association for Professional Development), México.
El presente y futuro de la Validación de Sistemas Computarizados y la Inteligencia Artificial en el sector farmacéutico

El sector farmacéutico ha sido históricamente pionero en la adopción de avances tecnológicos, y esta tendencia se mantiene en la actualización de equipos, sistemas e instrumentos basados en inteligencia artificial (IA). Estas tecnologías abarcan desde el descubrimiento de nuevos fármacos hasta la optimización de procesos de fabricación y la gestión mejorada de datos en diversas etapas de la producción de medicamentos. La IA se ha...

Mar. 2024