Cuando se trata de la medicina de precisión, todo se trata de los datos

 

Cuando se trata de la medicina de precisión, todo se trata de los datos

Si bien el crecimiento y el avance de la medicina de precisión ha sido notable, su éxito final depende de la capacidad de los científicos y los clínicos para colaborar y compartir información. El supuesto de larga data de la medicina de precisión es que proporcionaría a los médicos las herramientas y terapias que necesitan para aplicar sistemáticamente el tratamiento adecuado al paciente adecuado y, al mismo tiempo, reduciría los desechos y produciría ahorros de costos para los sistemas de salud. Sin embargo, aunque el ritmo de los descubrimientos en el campo de la medicina de precisión ha sido notable, su éxito final depende de que todas las partes se asocien y distribuyan los datos críticos y los activos de información.

Para tener verdadero éxito, todos los interesados en el ecosistema de la medicina de precisión deben participar en la configuración del modo en que se recopilan, analizan y utilizan los datos, de modo que: los proveedores puedan disponer de la información en el momento de la decisión para poder utilizarla en el contexto de su flujo de trabajo clínico; los pacientes puedan definir sus preferencias sobre el uso y el intercambio de su información genómica específica y otra información relacionada con la salud; los investigadores puedan identificar y adoptar las mejores prácticas para la investigación con información genómica vinculada a las historias clínicas electrónicas; y los sistemas de salud puedan ofrecer herramientas y tecnologías que permitan a todos los interesados tomar decisiones más informadas.

En esta práctica de precisión, la integración de datos de alta calidad en un sistema de atención de salud debe ser una prioridad para garantizar que se disponga de la mejor información posible para la atención de los pacientes y la investigación. A su vez, habrá una comprensión colectiva de cómo las innovaciones de la medicina de precisión afectan a la salud de las poblaciones y a la prestación de cuidados dentro de los sistemas de salud.

¿Prescripción? Todo está en los datos

Para aprovechar plenamente las corrientes de datos multidimensionales de la medicina de precisión se necesitan métodos normalizados de agregación y análisis de datos, así como el aprovechamiento de las tecnologías emergentes, como el aprendizaje de las máquinas, el procesamiento del lenguaje natural y la inteligencia artificial. La aplicación de estos nuevos métodos analíticos permite a los profesionales de la salud reconocer las pautas de la salud y la enfermedad y crear modelos de atención más eficientes y sostenibles. Uno de estos métodos es la preparación de datos.

La preparación de datos en autoservicio apoya la integración y estandarización de grandes conjuntos de datos, a escala, y proporciona a los profesionales de la salud la capacidad de analizar y separar rápida y eficientemente múltiples elementos de datos que la mayoría de las herramientas de biología molecular atiborran en un solo campo. Aprovechando la preparación de datos, las organizaciones pueden combinar, limpiar y dar forma fácilmente a los grandes datos para que puedan ser útiles para el análisis.

Medicina de precisión en acción: Cómo el perfil de precisión aprovecha la preparación de datos

Nuestro cliente, PrecisionProfile, ofrece un ejemplo de cómo una organización aprovechó una combinación de tecnologías para ayudar a oncólogos e investigadores a analizar los perfiles genómicos.

Para avanzar en la investigación y el tratamiento del cáncer, PrecisionProfile ha desarrollado una plataforma de análisis genómico, que proporciona análisis a los investigadores, universidades y oncólogos para descubrir los impulsores de enfermedades compartidas. Lo más importante es que ayuda a los médicos a desarrollar planes de tratamiento basados en protocolos que fueron efectivos para pacientes afectados de manera similar.Dado que muchas secuencias y procesos en la investigación son repetibles, los científicos pueden ahora replicar una secuencia específica para nuevos conjuntos de demografía o drogas a medida que se dispone de nuevos tipos de cáncer, pacientes y datos clínicos.

En este contexto, la tecnología de preparación de datos Paxata se utiliza más específicamente para racionalizar el proceso de investigación de tratamientos permitiendo a los investigadores cargar información específica de los pacientes, normalizar las variaciones de la información y luego hacer corresponder a los pacientes con características genéticas y cánceres similares para encontrar los medicamentos y protocolos de tratamiento más eficaces.

La capacidad de reunir datos genómicos públicos y privados, la información del EHR de un paciente y los registros clínicos de fuentes externas permite a los clínicos centrarse en la investigación de opciones de tratamiento, no en la gestión de los datos. Otros beneficios y resultados incluyen:

– Reduciendo el tiempo de ciclo de un estudio clínico de genoma de 1-3 meses a 2-8 horas.

– Disminuyendo el tiempo entre el diagnóstico del médico y el tratamiento de 2 a 3 semanas a horas.

– Facultar a los oncólogos para que aprovechen los datos para recomendar planes personalizados de tratamiento del cáncer con la mayor probabilidad de éxito.

– Reducir el gasto en drogas que pueden ser ineficaces.

– Permitiendo a los médicos y a las organizaciones de salud aumentar el volumen de pacientes en un 10 por ciento.

Si bien todavía no ha surgido una tecnología específica para la medicina de precisión, es evidente que las organizaciones necesitan conocer y aprender de los datos que tienen, integrarlos y mezclarlos con otras fuentes de información de sus asociados o fuentes públicas, normalizar fácilmente los diferentes formatos y trasladarlos de un entorno clínico a otro. Con el aumento de la cantidad de datos de IO, los conocimientos de Fitbit y de vestimenta, la información médica de los iPhones u otras aplicaciones móviles, todos los que participan en la medicina de precisión tendrán que confiar en algún aspecto de la preparación de datos para digerir fácilmente los datos para su análisis, crear tratamientos personalizados y ofrecer precisión para mejorar los resultados de los pacientes.

Leave a Comment!