Xavier BayonaGota a gota
Segons l'Organització Mundial de la Salut, la salut digital és tot allò que incorpora l'ús de tecnologies digitals orientades a la millora de la salut. El terme salut digital prové d'e-health (ús de la tecnologia de la informació i les comunicacions en suport a la salut i àmbits relacionats). La salut mòbil (m-health) és un subconjunt de l'e-health i es defineix com l'ús de tecnologies sense fil mòbils per a la salut. L’ús de ciències computacionals avançades en big data, genòmica i intel·ligència artificial es considera també salut digital.
La salut digital s’està introduint en molts espais privats i professionals. És una gran onada que si no la surfegem ens engolirà. Sovint és qualificada de font d’avenç i innovació, però hem de ser curosos a avaluar-la perquè podria tenir efectes indesitjats com ara el sobrediagnòstic. Ja s’ha definit en algun post publicat amb anterioritat què és el sobrediagnòstic. Només cal remarcar que el sobrediagnòstic no erra en el diagnòstic, sinó en el pronòstic de la malaltia diagnosticada.
El sobrediagnòstic
L’increment del sobrediagnòstic es produeix en part per l'avenç constant de la tecnologia, amb proves més noves i més sensibles. Amb els avenços que s’estan duent a terme en big data hi hauria la possibilitat teòrica d'utilitzar una gran quantitat de dades generades cada dia en el sistema sanitari per trobar pistes que puguin orientar a malalties no diagnosticades.
El cribratge tradicional ha consistit a fer tests i proves complementàries que s’apliquen a persones que a priori es consideren sanes, a fi de detectar possibles patologies de manera precoç. Hi ha força controvèrsia en la pràctica de diferents cribratges poblacionals que han estat analitzats en aquest blog (vegeu entrada prèvia del Dr. Varela).
Tot i la creença popular que el diagnòstic precoç pot millorar els resultats de salut de les persones i reduir costos sanitaris, la veritat és que després de més de vint anys de programes de cribratge els resultats esperats no s’han materialitzat. Capurro i col·laboradors, en un article d’opinió recent a la revista JAMA, assenyalen que a Austràlia es calcula que es produeix entre un 18 i un 24% de sobrediagnòstic en tots els càncers.
La salut digital com a font d’informació
A través de la salut digital hi haurà la possibilitat, en un futur no gaire llunyà, d’obtenir informació a través de telèfons intel·ligents i altres dispositius (rellotges amb detectors, per exemple) que, mitjançant intel·ligència artificial i machine learning, podrien desenvolupar estratègies de diagnòstic precoç de malalties. Cal tenir present que hi ha dispositius que fan lectures que treuen conclusions i fan recomanacions sobre l'estrès, el ritme cardíac i/o la saturació d’oxigen de l’usuari. Les preguntes que cal fer, davant d’un futur que ja ha arribat, són:
- La vigilància de la salut ha de sortir dels serveis sanitaris?
- L’aparell utilitzat és un dispositiu mèdic? És a dir, permet prendre decisions clíniques?
- Els suggeriments que emet el dispositiu són més beneficiosos que perjudicials?
Sobre el paper, la possibilitat d’incrementar determinats diagnòstics precoços a través de la salut digital no és forassenyada. Però aquests diagnòstics precoços, en moltes circumstàncies, podrien produir beneficis limitats i un predomini d’efectes adversos a conseqüència de la pràctica de proves, exploracions i tractaments innecessaris. El problema està servit. El sistema de salut i la societat han de ser curosos en la definició de medical device i de malaltia (de vegades definida com l’absència de salut).
Prevenir el sobrediagnòstic
Els assajos clínics aleatoritzats són la forma òptima d’avaluar el diagnòstic portat a terme per eines digitals calculant paràmetres com sensibilitat, especificitat i probabilitats de predicció. Aquestes mètriques ens permeten quantificar riscos i beneficis. La dificultat rau en el fet que els assajos clínics són molt costosos en recursos i temps. Per pal·liar això, Capurro (citat anteriorment) relata que es podrien utilitzar bancs de dades d'informació longitudinal del pacient (dades recollides durant períodes de temps llargs) per analitzar les trajectòries històriques de diferents malalties i identificar aquells subgrups de pacients que no es veuran afectats de manera significativa per una determinada malaltia. Aquest enfocament basat en dades es podria emprar per millorar les definicions de la malaltia tenint en compte les trajectòries dels pacients i identificar els atributs clínics que en el futur podrien permetre distingir amb més precisió un diagnòstic d'un sobrediagnòstic.
La intel·ligència de l’anàlisi de les dades clíniques (ciència de les dades) és una necessitat i les agències d’avaluació de les tecnologies sanitàries hi tenen molt a dir per afinar l’ús adequat de les noves tecnologies, afavorir diagnòstics correctes i evitar convertir en malalts persones que no ho són.
La salut digital ha vingut per quedar-se. Hem de ser curosos en els usos que li donem i en la definició d’algoritmes que generin recomanacions. Les estratègies basades en l’anàlisi de gran quantitat de dades longitudinals poden ajudar a prevenir el sobrediagnòstic digital i a entendre millor el curs de les malalties.
