La digitalización del sistema sanitario, la utilización del big data y machine learning serán herramientas indispensables en muy poco tiempo. Todas estas herramientas serán claves para mejorar la asistencia sanitaria y los resultados en salud, desarrollar nuevos y mejores medicamentos, así como optimizar la eficiencia del sistema para asegurar la sostenibilidad. El cofundador de Savana, compañía española puntera a nivel mundial en este campo, Ignacio H. Medrano, ha concedido a Diariofarma una entrevista para profundizar en todos estos aspectos.
Pregunta. Savana acaba de cerrar una importante ronda de financiación en la que han conseguido 23 millones de euros. ¿Qué va a suponer para la compañía?
Respuesta. Esta inversión nos permite acelerar, por un lado, en el crecimiento geográfico de nuestro ecosistema de investigación, que actualmente está formado 200 hospitales en 16 países, pero queremos crecer en América y en Europa Occidental y, por otro, también nos permitirá trabajar en mejorar la predicción por la incorporación de nuevas capas de análisis, más allá de las historias clínicas, capas como la genómica, proteómica, etc. con el fin de encontrar nuevos biomarcadores. Esto nos permitirá adelantar a fases precoces de desarrollo nuestra colaboración en drug discovery o incluso procesos regulatorios al facilitar la identificación de biomarcadores gracias a la aplicación del machine learning.
P. Inicialmente la ronda de financiación era para alcanzar 17 millones y se ha conseguido mucho más. ¿Qué supone?
R. Teníamos abierta la posibilidad de incrementar la cuantía, hasta 25 millones de euros, ya que lo importante era quienes teníamos como compañeros de viaje, queríamos smart money que aportara talento, conocimiento y redes.
P. ¿Es un reconocimiento a la trayectoria pasada y a la visión de futuro de Savana?
R. Sí, el mercado con esto nos está diciendo que cree en una medicina basada en datos y en inteligencia artificial (IA) y que somos una de las propuestas más atractivas de la actualidad en Europa gracias a nuestra red de más de 200 centros y haber tenido acceso a leer más de 2.000 millones de documentos clínicos. Además, disponemos de un equipo de más de cien profesionales de distintas disciplinas y con un plan muy bonito para caminar hacia la medicina de precisión. También se nos valora lo bien que nos movemos en toda Europa, especialmente en lugares muy restrictivos en materia de protección de datos como Bélgica, Austria, Suiza o, incluso, Francia, donde es muy difícil obtener autorización para trabajar con sus hospitales. Savana trabaja en inglés, español, francés, alemán y portugués, lo que nos permite centrarnos donde está la mayor parte de investigación clínica.
P. ¿Cuáles son los principales retos que existen para aplicar todo lo que la inteligencia artificial puede aportar a la asistencia sanitaria?
R. Recursos humanos es una limitación ya que ahora mismo hay muchos menos científicos de datos senior de los que hacen falta. Hay una gran pugna entre los distintos sectores económicos por hacerse con estos perfiles. No tenemos ninguna duda de que la medicina basada en IA va a llegar a los hospitales, pero todavía no hay un modelo de mercado detrás. Los hospitales no están listos para pagar por la IA, no se han dado cuenta todavía de que en breve será mala praxis no utilizar IA, ya sea para predecir lo que le va a pasar a un paciente que entra por urgencias o para discernir si se le administra un medicamento o no. Tan malo será no tener IA como no tener resonancia magnética.
P. ¿Y qué hacer mientras llega ese momento?
R. Los presupuestos no fluyen, por lo que, si quieres dedicarte a hacer modelos predictivos, o vas a un modelo deep tech, en el que los recursos se sostienen por los inversores o haces como nosotros, que nos hemos aliado con las empresas farmacéuticas, servimos a 22 de las top 50 farmas, y les haces ver que, posicionarse en ser los que en sus áreas terapéuticas lancen en los hospitales los primeros modelos de IA, no va a tener precio y será un posicionamiento inaudito.
P. Comentó que había retos en recursos humanos. ¿Y en materia legislativa? ¿Queda por avanzar en este ámbito?
R. No, ya no. Ya se superó. En 2014, 2015 no se había aclarado el panorama, pero eso se trabajó en diferentes países y España tuvo un protagonismo puntero, por ejemplo, con la base de datos Bifap de la Agencia Española de Medicamentos. Ahora, la normativa europea es muy clara: si se van a utilizar los datos de pacientes con fines de una investigación no intervencionista y de manera anonimizada es perfectamente legal y ético hacerlo sin consentimiento informado. Tal vez, lo único sobre lo que hay que trabajar es el principio de minimización de datos, que establece que para realizar un estudio se utilicen la menor cantidad de datos posible. Esto va en contra frontalmente del concepto de big data, por lo que se debe hacer una excepción en la investigación clínica.
P. ¿Cree que el ámbito político está ya concienciado en que la IA y el big data es sí o sí una necesidad?
R. En general sí. Hemos tenido desde el principio el apoyo de comunidades autónomas, hospitales, gerencias, etc. Otra cosa es que haya algunos corsés en materia de contratación del sector público o el ámbito de la pugna y la crítica política. En España nos falta la velocidad que ya tienen en Reino Unido, que han avanzado en la elaboración de guías, chatbots de cribado, formación en medicina de precisión a todos los médicos, etc. No obstante, con la covid nos ha hecho espabilarnos. La sensación es buena y de aceleración.
P. Ha mencionado la covid y en este tiempo se puso en marcha RadarCovid que basado en datos pretendía identificar posibles contactos, pero no ha funcionado bien…
R. Innovar es que nos podamos equivocar ya que innovar es asumir que te vas a equivocar tres o cuatro veces. Está todo por hacer. Nunca hemos pasado por dar a las máquinas el poder de elaborar algoritmos de predicción. Se está avanzando y en los últimos años y ya se han publicado guías para validar externamente los algoritmos y sirven para publicar en revistas de alto impacto. Además, la FDA ya ha regulado la IA como medical device, y la EMA también ha sacado un primer documento sobre big data. El covid ha sido un baño de realidad para las sociedades occidentales que hemos visto que no teníamos inteligencia de datos sanitarios y nos ha servido para espabilar y ponernos a ello. Creo que el mensaje ha sido captado por Europa y por España.
P. Precisamente a partir de la covid, el Ministerio de Sanidad ha puesto en marcha la Estrategia de Salud Digital. ¿Cómo la valora?
R. Europa y España ya han decidido que no quieren seguir rezagados. Y eso es muy importante. Ya ha pasado el tiempo en que se veía la IA como cosas de niños y ahora protagoniza casi todos los congresos. Estamos lejos de Corea, Singapur, Estados Unidos, Reino Unido o los países nórdicos, pero lo importante es que empezamos a caminar. A España le falta cultura y apoyo al ecosistema de startup. Aún pensamos que las grande tecnológicas son las que mejor pueden hacer esto, pero los equipos ultra diferenciados, pequeños y especializados en áreas muy concretas son los más dotados para innovar y disrumpir en este campo tan puntero.
P. Ha comentado que tienen acuerdos con 22 empresas farmacéuticas para el desarrollo de medicamentos. ¿Cuál es el objetivo? ¿Nuevas dianas, acelerar los desarrollos…?
R. Hemos desarrollado modelos descriptivos y predictivos que algunos ya están publicados. La mayoría se centran en oncología, oncohematología, cardiovascular, crónicas, degenerativas, etc. Lo que hacemos es sacar a la luz lo que ocurre cuando un paciente es tratado y que son verdades ocultas en la maraña de los datos. Se trata de identificar, por ejemplo, los pacientes que más se benefician. Eso está en las historias clínicas y se pueden elaborar algoritmos predictivos que con matemáticas tradicionales no era posible. También empezamos a analizar las bases de datos de los ensayos clínicos para aprender con machine learning. Otros ámbitos en los que estamos colaborando es en el diseño de protocolos de investigación para que sean inteligentes, así como en el deep screening para identificar a pacientes no diagnosticados, algo muy importante en enfermedades raras, hepatitis o EPOC.
P. Entonces, todo lo que han aprendido de la lectura y análisis de historias clínicas lo han traducido en inteligencia para aplicarlo a la investigación de nuevos medicamentos, identificación de pacientes no diagnosticados, etc.
R. Exactamente.
P. El reposicionamiento de fármacos también será una oportunidad relevante…
R. Es una conversación que en los últimos meses no paramos de tener. Utilizar el real world data para encontrar nuevas indicaciones. Es algo que tienen muy buenas sensaciones las agencias regulatorias.
P. ¿Y qué beneficio obtiene un proveedor de servicios sanitarios, como es el caso de Castilla-La Mancha de la colaboración con Savana?
R. Básicamente les ofrecemos dos ventajas. Por un lado, atraemos muchos estudios de investigación, en algunos lugares hemos revolucionado este ámbito. Por otro lado, les entregamos la información generada, que se puede utilizar para indicadores de calidad y benchmark, registros dinámicos de pacientes, control de gasto farmacéutico, áreas de investigación….
P. ¿A nivel asistencial, con algoritmos de diagnóstico o tratamiento, también?
R. No. Aún hay una gran barrera ya que necesitas ser aprobado como medical device y requiere de un ensayo clínico. Será un ámbito al que iremos a medio plazo, pero no hacerlo solos ni a lo loco.
P. ¿Cree que toda esta tecnología va a ser la herramienta que permitirá la sostenibilidad de los sistemas sanitarios del futuro?
R. Nunca lo he dudado. El cambio sanitario del que se lleva hablando en los foros de gestión 20 años y que nunca se lleva a cabo, sí que llegará de la mano de la digitalización. En cuanto tienes acceso a la información te cambia el comportamiento de los usuarios en relación con el gasto y las ineficiencias. Los modelos que se apliquen a pacientes también van a cambiar la presión asistencial en el sistema.
P. ¿Cómo valora Valtermed?
R. Es una iniciativa estupenda, útil y necesaria. La mejora que tienen que efectuar es dejar de registrar a mano y hacerlo con lo que la tecnología de hace ya unos años posibilita. Estamos rodeados de instrumentos que utilizan IA y machine learning y rellenamos registros igual que lo hubiéramos hecho hace cincuenta años…. No tiene sentido ya que se puede corregir de forma rápida y barata.
P. ¿Cree que a la administración le falta confianza en empresas que le puedan ayudar a poner en marcha esos proyectos?
R. En la administración hay personas con experiencia enorme en medicamentos y tecnologías sanitarias, pero no puede saber de todo. Un hospital que necesite una nevera no se pone a hacer neveras, por ello, si necesitas un desarrollo de sistemas de digitalización o aprendizaje automático habrá que establecer acuerdos con quien lo sepa hacer. El conocimiento core de un sector es inalienable, pero las tecnologías tienen que ir cambiando.
P. Ha comentado que está observando cambios en los reguladores… ¿Puede profundizar más en esta cuestión?
R. No es ético no utilizar la IA. No es ético impulsar un ensayo clínico con niños, cuando con datos sintéticos y datos de vida real se puede sacar un resultado válido. Esto cae por su propio peso ya en la FDA y ahora la EMA también quiere avanzar.
P. ¿Cuáles son las trabas para que estas herramientas se puedan utilizar en asistencia sanitaria?
R. No teníamos hasta ahora una buena guía de calidad de dato. Es decir, la mínima calidad que se va a pedir para considerar una validez igual a la de un estudio tradicional. Ahora se ha publicado en la FDA y en el Reino Unido las suyas.
P. Cuando eso sea una realidad, ¿los médicos serán sustituidos por las máquinas?
R. Yo creo que no. Las máquinas son inteligentes, pero no son conscientes. Son buenas tomando decisiones, pero no son buenas juzgando y eso lo cambia todo. El ser humano tiene un modelo de pensamiento contextual, contrafactual, ¿qué hubiera pasado si…? Cuando salió la resonancia magnética se pensó que ya se iba a diagnosticar todo, pero no es así. Es una herramienta de ayuda. Lo que sí puede pasar es que en determinados niveles socioeconómicos quede una sanidad para pobres solo con inteligencia artificial. Empiezo a pensar que esto es inevitable.
P. Eso no casa con la humanización…
R. No. Ahí tenemos la responsabilidad como sociedad en no desinvertir ya que las máquinas son un apoyo algorítmico. Al igual que el corrector del Word te muestra cambios que tu no hubieras visto, pero te permite elegir y decidir. En medicina debe haber una cadena algorítmica de machine learning y al final de todo debe haber un juez llamado médico que toma las últimas decisiones.
P. Para finalizar. ¿Dónde espera que esté Savana dentro de cinco años?
R. Veo claramente una expansión geográfica. Ya tenemos grandes hospitales de Estados Unidos en proyectos de investigación. También veo que avanzamos hacia ensayos pragmáticos con datos sintéticos, con biomarcadores modelizados que permiten descubrir dianas terapéuticas antes de entrar en el paciente, lo que en términos de ahorro para la industria es incalculable, y en beneficio para el paciente es enorme. Yo no creía que fuéramos a avanzar en esta línea, pero será un salto cualitativo más relevante que la secuenciación del genoma ya que la IA es una metodología que te permite explorar y avanzar mucho más y de forma individualizada para cada paciente. Creía que estaríamos más en línea con lo que comentamos antes sobre el algoritmo de ayuda al médico en consulta, pero ese es un camino más lento y es duro. Llegará, pero está lejos.
Nicolas Gonzalez Casares: