El proyectoFAIR4Health, coordinado por el Grupo de Innovación Tecnológica del Hospital Universitario Virgen del Rocío del Rocío y en el que ha participado la Universidad Carlos III de Madrid (UC3M), ambos en España, ha abierto el acceso al uso de la información ya utilizada en investigación biomédica.[1]
La iniciativa, que forma parte de la convocatoria Science with and for Society de Horizonte 2020 de la Comisión Europea, tenía como objetivo facilitar y promover que los datos científicos utilizados en el área de la salud se rijan por los principios Localizable, Accesible, Interoperable, Reutilizable (FAIR).
Localizable: responde al requisito de que tanto los datos como los metadatos puedan ser, tras su publicación, encontrados por la comunidad mediante herramientas de búsqueda.
Accesible: posibilidad de ser descargados por otros investigadores usando sus identificadores.
Interoperable: intercambio de datos entre diferentes sistemas de información, o diferentes bases de datos,
Reutilizable: los datos y metadatos pueden ser nuevamente usados por otros investigadores.
La interoperabilidad, "es un factor muy importante en las ciencias de datos, ya que es el método que los investigadores aplican para poder conseguir el intercambio de datos de manera efectiva. Compartir datos es importante para el avance de una investigación, pero si hablamos de compartir datos de salud para enriquecer el conocimiento y acelerar el descubrimiento científico es crucial", explicó Celia Álvarez-Romero, ingeniera de la salud, experta en Biomedicina e Investigación Clínica y una de las principales responsables del proyecto.
Para facilitar este intercambio de datos entre diferentes sistemas de información, o diferentes bases de datos, existen diferentes estándares que facilitan este proceso, así como los procedimientos a aplicar para ello. "Por ejemplo, en el desarrollo de la solución FAIR4Health hemos aplicado el estándar extendido en salud para el intercambio de información clínica, analizando previamente que el uso de este estándar puede apoyar la aplicación de los principios FAIR (es decir, la FAIRificación)", especificó la investigadora.
Bajo las anteriores premisas, el equipo de trabajo ha desarrollado herramientas de "fairificación" para los datos sanitarios: aplicaciones de escritorio independientes desarrolladas para la curación y validación de éstos, de forma que puedan compartirse y reutilizarse en un entorno seguro y controlado.
Aumentar la magnitud de las investigaciones, disminuir los costes
Según un análisis de la Comisión Europea, el coste de que los datos producidos en las investigaciones no se rijan por los principios FAIR es de aproximadamente 10.200 millones de euros al año para la Unión Europea. "Los principios FAIR facilitan la compartición y reutilización de los datos, por lo que favorecerían la reproducibilidad de los estudios y aumentarían la magnitud de las investigaciones basadas en las ciencias de datos", aclaró la experta.
FAIR4Health, que ha sido la primera propuesta de traslación a la investigación clínica en Europa, también tendría un fuerte impacto en la asistencia sanitaria y social. De hecho, otro de los objetivos es que los resultados de este proyecto sirvan para guiar la futura estrategia de la Comisión Europea en la gestión de datos generados por iniciativas de investigación con fondos públicos.
El mayor obstáculo que enfrenta la iniciativa es que, como explica Álvarez, "debido a la naturaleza de información en torno a la salud, su intercambio y reutilización para la investigación está limitada por barreras éticas, legales y técnicas". Para abordar las cuestiones éticas del proyecto se crearon unas tareas específicas. "Incluyendo también la creación de un comité asesor externo formado por expertos en aspectos éticos a tener en cuenta durante la investigación. Los datos de salud, los datos biomédicos, son datos sensibles que tenemos que manejar conforme al Reglamento General de Protección de Datos, así como las normas y leyes biomédicas nacionales", indicó la ingeniera del Grupo de Innovación Tecnológica.
Una tecnología para predecir enfermedades y eventos
Con el objetivo de acelerar y mejorar la investigación biomédica, la solución FAIR4Health se validó con dos estudios de caso. El primero consistió en analizar el impacto de patrones de multimorbilidad (tener al menos dos enfermedades crónicas) y polifarmacia (consumir más de 3 fármacos simultáneamente) en la tasa de mortalidad (a los 6 meses) y el deterioro cognitivo en personas mayores. Un ensayo que podría servir como precedente de método predictivo de enfermedades. "Hemos explorado y analizado diferentes patrones de enfermedades crónicas. Si continuamos en esa línea de investigación, y a través de la correcta interpretación de los patrones de comportamiento obtenidos, se podrían descubrir relaciones entre diferentes enfermedades", afirmó Álvarez-Romero.[2]
Para el segundo estudio de caso, los investigadores del Hospital Universitario Virgen del Rocío y de la UC3M crearon, validaron y evaluaron la precisión de una herramienta de apoyo a la decisión clínica para predecir el riesgo de reingreso en pacientes con enfermedad pulmonar obstructiva crónica (EPOC) desde la fecha de alta. "En este caso desarrollamos una herramienta para predecir un evento, no una enfermedad. El sistema FAIR4Health permite trabajar con nuevos casos de usos y se podría plantear la predicción de enfermedades en líneas de trabajo futuras”, añadió la investigadora.
El equipo destacó que el mayor obstáculo que enfrentó a la hora de desarrollar el proyecto fue el alto esfuerzo realizado para la extracción de datos de las Historias de Salud Electrónicas de los hospitales. "Un proceso muy costoso en tiempo también, ya que algunas variables clínicas que fueron seleccionadas no estaban estructuradas en la base de datos sino como texto libre, por lo que en algunos casos se tuvieron que aplicar métodos de procesamiento del lenguaje natural manualmente", aclaró Álvarez-Romero.
Además, la validación clínica fue llevada a cabo durante la pandemia, "por lo que es de agradecer todo el esfuerzo por parte de los investigadores clínicos durante el estudio prospectivo. Ya que los profesionales sanitarios que participaron en el estudio trabajaban en hospitales que sufrían las consecuencias de la pandemia por la COVID-19", reconoció la ingeniera, quien afirma que "ambos casos de uso se llevaron a cabo con éxito, alcanzando los resultados esperados, y demostrando en definitiva el impacto potencial positivo del uso de este tipo de herramientas, tanto para la comunidad científica como clínico-asistencial".
La iniciativa FAIR4Health, formada por 17 socios de 11 países de la Unión Europea y de fuera de ella, y que ha contado con expertos de diferentes ámbitos: investigación en salud, gestión de datos, ciencia de datos, informática médica, desarrolladores de programas informáticos, estándares y abogados, "ya permite que cualquier investigador de la comunidad científica (a nivel global, no solo europea) tenga acceso a nuestras herramientas que son de acceso libre y están en el repositorio GitHub (bajo licencia Apache 2.0)", anunció Álvarez-Romero, quien tras la finalización del proyecto, sigue trabajando junto al resto del equipo en el estudio y aplicación de los principios FAIR para otros proyectos de salud. "Una vez que hemos estudiado y explorado la aplicación de los principios FAIR en este proyecto, estamos intentando aplicarlos en el resto de las investigaciones siguiendo el mismo enfoque. Además, se ha trabajado en la solicitud de algunas propuestas a nivel nacional y europeo que incluye en otros proyectos clínicos", concluyó.
Este contenido fue originalmente publicado en Univadis, parte de la Red Profesional de Medscape.
Para más contenido siga a Medscape en Facebook, Twitter, Instagram y YouTube.
CRÉDITO
Imagen principal: Dreamstime
Medscape Noticias Médicas © 2022
Citar este artículo: FAIR4Health: la reutilización de datos para mejorar la investigación biomédica y predecir enfermedades - Medscape - 14 de marzo de 2022.
Comentario