Resumen ejecutivo

Desde hace mucho tiempo, gracias a la capacidad de generación, almacenamiento, procesamiento y análisis de todo tipo de datos, se está produciendo una revolución tecnológica que afecta a distintos ámbitos y, en concreto, está siendo esencial para el progreso de la biomedicina. La tendencia en el campo de la salud consiste en incorporar cada vez más datos que provengan de fuentes muy diversas, de manera que ofrezcan información que puede resultar de gran relevancia para los investigadores, profesionales sanitarios y, sobre todo, para los pacientes.

Los datos que se manejan actualmente en salud son altamente complejos, heterogéneos y deben mantener siempre su carácter confidencial. Actualmente, pueden obtenerse grandes volúmenes de datos a gran velocidad relacionados con diferentes aspectos que condicionan la salud de los individuos. Estos datos, gracias a los avances tecnológicos, pueden integrarse con otros datos que antes o bien no se tenían en cuenta o bien no era posible analizarlos. Por tanto, el diseño de futuras estrategias en salud estará ligado a la integración de los datos provenientes de distintas fuentes, desde historias clínicas a sensores de monitorización, pasando por los datos ómicos. Como consecuencia, se ha impulsado el diseño y mejora de herramientas e infraestructuras computacionales que tengan capacidad de hacer uso de estos datos con la mínima intervención humana.

Estas herramientas para el análisis de los datos, como la minería de datos o la inteligencia artificial (IA), destacando por su aplicabilidad en el campo de la salud lo que se conoce como aprendizaje automático o machine learning, tienen un gran potencial como vehículo para impulsar un cambio real en la práctica clínica.

El análisis de los datos en salud, desde historias clínicas a datos ómicos, con herramientas de IA y el conocimiento derivado de los mismos previsiblemente jugarán un papel fundamental en la configuración de la medicina del futuro, ya que dan lugar a nuevas oportunidades y aplicaciones en todas las áreas, desde la investigación biomédica y traslacional hasta la práctica clínica y salud pública. El reposicionamiento de fármacos basado en la identificación de nuevos marcadores, el descubrimiento de multimorbilidades ocultas, el diseño de nuevos modelos de ensayos clínicos, la identificación de patrones y predicción de riesgos asociados a enfermedades a través de redes sociales y los Sistemas de Apoyo a la Decisión Clínica, son algunos ejemplos de las aplicaciones de los datos en salud que están impulsado el desarrollo de lo que se conoce como Medicina Personalizada de Precisión.