Según la Organización Mundial de la Salud, la salud digital es todo aquello que incorpora el uso de tecnologías digitales orientadas a la mejora de la salud. El término salud digital proviene de e-health (uso de la tecnología de la información y las comunicaciones en apoyo a la salud y ámbitos relacionados). La salud móvil (m-health) es un subconjunto de la e-health y se define como el uso de tecnologías inalámbricas móviles para la salud. El uso de ciencias computacionales avanzadas en big data, genómica e inteligencia artificial se considera también salud digital
La
salud digital se está introduciendo en muchos espacios privados y
profesionales. Es una gran oleada que si no la surfeamos nos engullirá. A
menudo es calificada de fuente de progreso e innovación, pero debemos ser
cuidadosos al evaluarla porque podría tener efectos indeseados como el sobrediagnóstico. Ya se ha definido en algún
post publicado con anterioridad qué es el sobrediagnóstico. Tan solo hay que
destacar que el sobrediagnóstico no erra en el diagnóstico, sino en el
pronóstico de la enfermedad diagnosticada.
El
sobrediagnóstico
El
incremento del sobrediagnóstico se produce en parte por el adelanto constante
de la tecnología, con pruebas más nuevas y de mayor sensibilidad. Con los
adelantos que se están desarrollando en big data cabría la
posibilidad teórica de utilizar una gran cantidad de datos generados cada día
en el sistema sanitario para encontrar pistas que puedan orientar a
enfermedades no diagnosticadas.
El
cribaje tradicional ha consistido en realizar tests y pruebas complementarias
que se aplican a personas que a priori se consideran sanas, a fin de detectar
posibles patologías precozmente. Hay bastante controversia en la práctica de
diferentes cribajes poblacionales que han sido analizados en este blog (ver entrada previa
del Dr. Varela).
Pese
a la creencia popular de que el diagnóstico precoz puede mejorar los resultados
de salud de las personas y reducir costes sanitarios, la verdad es que después
de más de veinte años de programas de cribajes los resultados esperados no se
han materializado. Capurro y
colaboradores,
en un artículo de opinión reciente en la revista JAMA, señalan que en
Australia se calcula que se produce entre un 18 y un 24% de sobrediagnóstico en
todos los cánceres.
La
salud digital como fuente de información
A través de la salud digital existirá, en un futuro no muy lejano, la posibilidad de obtener información a través de smartphones y otros dispositivos (relojes con detectores, por ejemplo) que, mediante inteligencia artificial y machine learning, podrían desarrollar estrategias de diagnóstico precoz de enfermedades. Hemos de tener presente que hay dispositivos que realizan lecturas que sacan conclusiones y hacen recomendaciones sobre el estrés, el ritmo cardíaco y/o la saturación de oxígeno del usuario. Las preguntas que hay que plantear, ante un futuro que ya ha llegado, son:
- ¿La vigilancia de la salud tiene que salir de los servicios sanitarios?
- ¿El aparato utilizado es un dispositivo médico? Es decir, ¿permite tomar decisiones clínicas?
- ¿Las sugerencias que emite el dispositivo son más beneficiosas que perjudiciales?
Sobre
el papel, la posibilidad de incrementar determinados diagnósticos precoces a
través de la salud digital no es disparatada. Pero estos diagnósticos precoces,
en muchas circunstancias, podrían producir beneficios limitados y un predominio
de efectos adversos a consecuencia de la práctica de pruebas, exploraciones y
tratamientos innecesarios. El problema está servido. El sistema de salud y la
sociedad han de ser cuidadosos en la definición de medical device y
de enfermedad (a veces definida como la ausencia de salud).
Prevenir
el sobrediagnóstico
Los
ensayos clínicos aleatorizados son la forma óptima de evaluar el diagnóstico
realizado por herramientas digitales calculando parámetros como sensibilidad,
especificidad y probabilidades de predicción.
Estas
métricas nos permiten cuantificar riesgos y beneficios.
La
dificultad radica en que los ensayos clínicos son muy costosos en recursos y
tiempo.
Para
paliar esto, Capurro (citado anteriormente) relata que podrían utilizarse
bancos de datos de información longitudinal del paciente (datos recogidos
durante periodos de tiempo largos) para analizar las trayectorias históricas de
diferentes enfermedades e identificar aquellos subgrupos de pacientes que no se
verán afectados de forma significativa por una enfermedad determinada.
Este
enfoque basado en datos se podría emplear para mejorar las definiciones de la
enfermedad teniendo en cuenta las trayectorias de los pacientes e identificar
los atributos clínicos que en el futuro podrían permitir distinguir con mayor
precisión un diagnóstico de un sobrediagnóstico.
La
inteligencia del análisis de los datos clínicos (ciencia de los datos) es una
necesidad y las agencias de evaluación de las tecnologías sanitarias tienen
mucho que decir al respecto para afinar el uso adecuado de las nuevas
tecnologías, favorecer diagnósticos correctos y evitar convertir en enfermos a
personas que no lo son.
La
salud digital ha venido para quedarse. Hemos de ser cuidadosos en los usos que
le demos y en la definición de algoritmos que generen recomendaciones. Las
estrategias basadas en el análisis de gran cantidad de datos longitudinales
pueden ayudar a prevenir el sobrediagnóstico digital y a entender mejor el
curso de las enfermedades.
Xavier Bayona
Fuente:
Blog Avances en Gestión Clínica
