El móvil no cura… pero nos ayuda a mejorar los sistemas de salud y nuestra calidad de vida

En el ámbito de la salud, la velocidad de la revolución digital se ralentiza a la hora de implementar soluciones que garanticen la privacidad, la protección de datos o la seguridad

El móvil no cura… pero nos ayuda a mejorar los sistemas de salud y nuestra calidad de vida

Joan Cornet, Director del mHealth Conpetence Center de Mobile World Capital

Ratio: 0 / 5

Inicio desactivadoInicio desactivadoInicio desactivadoInicio desactivadoInicio desactivado
 

La revolución digital continúa transformando nuestra sociedad. A diferentes ritmos, la digitalización está cambiando cada sector de nuestra economía, así como la forma en la que se prestan servicios. El reto está en la gestión del cambio organizacional que supone implementar estas tecnologías.

 

En el ámbito de la salud, dada su complejidad y sus numerosos interlocutores, la velocidad de esta transformación se ralentiza a la hora de implementar soluciones que garanticen la privacidad, la protección de datos o la seguridad, y que sean  homologadas, interoperables, así como con estándares que permitan una conectividad, sea cual sea la tecnología de las plataformas o de los dispositivos médicos.

La progresiva implementación de la Historia Clínica Electrónica, la imagen médica digital, la Receta Electrónica y la Telemedicina, han significado un cambio importante en la gestión de la información y de los datos de los pacientes. Sin lugar a duda, estos procesos han creado una serie de retos tecnológicos y organizacionales, que se han ido superando con un  extraordinario trabajo y  el buen diálogo entre clínicos, tecnólogos y, sobre todo, con  el liderazgo de los CIOs. 

Gracias a metodologías como la EMR Adoption Model (EMRAM), elaborada por HIMSS, se ha podido evaluar los progresos en la implementación de la HCE en los Hospitales durante los últimos años. Los siete niveles de EMRAM consisten en una validación de diferentes etapas y, en especial, una forma de motivar a los Hospitales a superar su propio nivel tecnológico.

Si la digitalización de los datos y de la información ha significado un cambio importante en la gestión de los servicios de salud, en la actualidad nos encontramos con un nuevo paradigma derivado de lo que denominamos salud móvil (mHealth). Diversos estudios muestran que una gran mayoría de ciudadanos ya disponen de un dispositivo móvil. Al mismo tiempo que su adopción ha ido en aumento, también lo han hecho las soluciones asociadas: en la actualidad ya existen más de 100.000 aplicaciones de salud (Bienestar y Clínicas). (Solo en iTunes de Apple hay más de 165.000 apps http://www.medscape.com/viewarticle/851226)


https://gsmaintelligence.com/

Simplificando un poco, podríamos decir que hasta la llegada de las tecnologías móviles, los datos y la información del paciente solo estaba depositada y era accesible para los clínicos en los HIS (Health Information Systems). Gracias a las aplicaciones de salud los ciudadanos/pacientes tienen wearables, sensores, monitores, tejidos inteligentes y, en especial acceso a más datos e información en sus dispositivos móviles.

En este sentido, el reto es decidir cómo los clínicos pueden tener acceso a los datos del paciente/ciudadano obtenidos a través de los dispositivos móviles. La (principal) finalidad es que puedan diagnosticar, indicar o modificar tratamientos, conocer el grado de adherencia a la toma de medicamentos así como aconsejar dietas y conductas a sus pacientes, entre otros. 

En la actualidad existen diferentes grados de comunicación médico/enfermera/paciente a través de medios ya tan habituales como pueden ser los correos electrónicos,  “WhatsApps” y  similares, incluso por Skype. Medios que no garantizan la seguridad requerida por las leyes de protección de datos. Si a ello añadimos la transmisión de datos clínicos obtenidos con un dispositivo móvil, el problema puede agudizarse. (1)

Los resultados en el campo de la salud se pueden incrementar con: el conocimiento de la respuesta del paciente a un determinado tratamiento; la captura de datos directos del paciente para guiar a las decisiones clínicas; y el análisis de los datos obtenidos por un grupo de pacientes con el objetivo de mejorar la calidad asistencial en el diagnóstico y tratamiento de una determinada enfermedad.

A pesar de que los beneficios de usar dispositivos móviles son evidentes, existen una serie de dificultades prácticas que requieren diferentes intervenciones tanto a nivel tecnológico como clínico y organizacional. Es necesario que las aplicaciones y los sensores o monitores tengan garantías técnicas en cuanto a la fiabilidad de los datos obtenidos,  que los resultados y las soluciones sean homologables o interoperables con otros datos obtenidos en un hospital o centro de salud. Igualmente, teniendo en cuenta que una parte importante de pacientes crónicos padecen varias enfermedades a la vez es complejo gestionar datos provenientes de diferentes aplicaciones. 

Por ello es absolutamente necesario que se puedan realizar agregación y análisis de datos que permitan tanto al profesional como al paciente comprender toda esta información. La falta de agregación, a su vez, dificulta las metodologías de investigación clínica.

Desde la experiencia, es bastante improbable que los HIS existentes permitan recoger los datos obtenidos mediante dispositivos móviles. Primero, por el problema de seguridad que pueden crear en el sistema de información de salud (miles de entradas por parte de miles de pacientes); segundo por la falta de fiabilidad de los datos obtenidos, ya sea por mal uso de los dispositivos, los wearables o monitores de datos o por aplicaciones sin homologar o sin la validación clínica necesaria; y tercero por la dificultad de obtener un retorno por parte de los clínicos a través de los datos obtenidos. 

Todo ello nos lleva a la necesidad de una plataforma middleware que actúe de intermediario entre los dispositivos móviles y el sistema de información de salud. Esta plataforma requiere de una serie de estándares que permitan el acceso desde cualquier sistema de integración de datos (SAP, Oracle, etc.),  y de una gran interoperabilidad entre los diferentes proveedores de aplicaciones y los sistemas de información de salud. 

En la práctica, se trata de que el paciente pueda enviar los datos de su monitorización a la plataforma middleware, donde estos datos quedan almacenados con la seguridad adecuada y que permiten su acceso al clínico que está a cargo del paciente. Este acceso puede ser puntual para ver el estado del paciente y actuar de acuerdo con estos datos, o puede ser una actuación más continuada para ver la evolución del paciente, por ejemplo bajo el efecto de un determinado fármaco. A su vez estos datos deben ser accesibles de forma inmediata en la Historia Personal de Salud (Personal Health Record), con el objetivo que el paciente pueda conocer su estado.

En esta plataforma se pueden establecer alarmas, a partir de algoritmos, que permitan actuar rápidamente en función de los datos obtenidos. Para ello es importante la centralización de datos, especialmente cuando el paciente sufre varias enfermedades crónicas. Para alcanzar este objetivo son necesarios datos clínicos estandarizados y validados, medios de recolección de datos en períodos de tiempo (análisis de series), y el uso de “ n—of-trial”, estructura para reducir el sesgo. Además los resultados del uso de “n-of-1 trial” usando métodos Bayseanos,  que permitan agregar niveles de evidencia personales para obtener niveles de evidencia de la población.

Es necesario que este tipo de plataformas sean “open source” y permitan la interoperabilidad necesaria, y que  integren los estándares que garanticen su accesibilidad tanto por parte del profesional clínico como del paciente. Como ejemplo es el modelo propuesto por Connie Chen (2), en el que propugna el Open mHealth donde los silos de información se convierten en un flujo de datos integrado a través de “open interfaces” o APIs (Application Programming Interfaces).

Este tipo de plataforma “middleware” (Open mHealth) posibilita el proceso de datos con seguridad y facilita el acceso inmediato a estos datos al paciente, al médico o la enfermera. En una gran mayoría de pacientes con enfermedades crónicas puede ser una forma eficaz de gestionar el arsenal terapéutico prescrito,  así como darle mayor seguridad y confianza. También en un futuro no muy lejano, puede convertirse en una herramienta clave para analizar información agregada que permita desarrollar proyectos de investigación con sistemas de Big Data. 

Todo ello será insuficiente si no se desarrolla y se estructura un  sistema homologado de validación de las soluciones mHealth. La medicina occidental ha incrementado su impacto en la salud de los ciudadanos gracias a la investigación en múltiples dominios que permiten acciones diagnósticas y terapéuticas basadas en la evidencia. Cuando tratamos de implementar soluciones digitales, es necesario también que se puedan comprobar las evidencias del impacto de estas soluciones. No se trata de copiar el modelo existente que se utiliza para los dispositivos médicos, ni de los “clinical trials” con los que se evidencia el impacto de los fármacos. Es necesaria una nueva metodología, que defina criterios de validación clínica en un contexto diferente, donde las aplicaciones de salud, a diferencia de los fármacos o los dispositivos médicos, sufren modificaciones (up grade)  en función de la experiencia con el usuario, así como a partir de nuevas evidencias. Podríamos decir que son soluciones “vivas” que evolucionan, con lo que los procesos de validación tienen que ser ágiles y rápidos, adaptados a los diferentes niveles de complejidad de los datos obtenidos.

Existen tímidos intentos por parte de la FDA (US) o el NHS (NIH), entre otras iniciativas como myhealthapps.net, que recoge opiniones y recomendaciones de los propios pacientes. Desde Mobile World Capital Barcelona mHealth CC  y la “Agència de Qualitat i Avaluació Sanitàries de Catalunya (AQuAS)” estamos dinamizando y coordinando un grupo de trabajo con expertos de siete países de la UE y la Comisión Europea con el fin de diseñar un modelo de validación que llegue a ser una herramienta que, de forma consensuada, sea válida en todos los países o regiones que se adhieran a este modelo. 

Las tecnologías móviles permiten, por un lado, una mayor participación del ciudadano, que de forma fácil puede planificar su propio “plan de salud personal” para seguir sano, o puede gestionar de forma más eficiente y segura las pautas terapéuticas prescritas por un profesional clínico. Las nuevas tecnologías digitales están en una fase de maduración acelerada, con lo cual la oferta no cesa de aumentar tanto en cantidad como en cualidad. El reto está en la gestión del cambio organizacional que supone implementar estas tecnologías. Cambio que sólo es posible si existen alianzas entre los diferentes actores del sistema y de las organizaciones de la salud.

 

1. Adhikari, R., Richards, D., & Scott, K. (2014). Security and Privacy Issues Related to the Use of Mobile Health Apps. ACIS.

2. Chen, C., Haddad, D., Selsky, J., Hoffman, J. E., Kravitz, R. L., Estrin, D. E., & Sim, I. (2012). Making sense of mobile health data: An open architecture to improve individual- and population-level health. Journal of Medical Internet Research, 14(4)

 

 
Figure 1. Stovepipe versus open architectures: mHealth apps (left) are built independently with little sharing of data, methods, or learning. In contrast, the Internet has an hourglass architecture (right), in which a common protocol, transmission control protocol/Internet protocol (TCP/IP), acts as a simple point of commonality at the narrow waist that allows innovation to flourish through open application programming interfaces (APIs) both above and below the waist. Open mHealth aims to catalyze the mHealth ecosystem from a siloed architecture to an hourglass architecture to increase the scale and effectiveness of mHealth

 

Por Joan Cornet, Director del mHealth Conpetence Center de Mobile World Capital