En este Libro Digital presentamos los resultados de un proyecto cuyo objetivo principal fue la identificación y mapeo de fuentes y tecnológias que pueden generan y analizar datos de vida real (RWD), con el fin de convertirse en insights y evidencia.
Los resultados presentados aquí son datos de toda España que muestran la fuerza de la innovación en tecnologías disruptivas clave y en RWD en oncología, hematología, oncohematología, neurología, dermatología, cardiovascular y reumatología.
¿Qué son los datos de vida real (RWD)?
Datos del mundo real (Real World Data o RWD por sus siglas en ingles) son datos relacionados con el estado de salud de un paciente y/o la prestación de atención médica recopilados de forma rutinaria de una variedad de fuentes, como registros de pacientes, registros médicos electrónicos, datos hospitalarios y estudios de observación.
El uso de dispositivos móviles, relojes inteligentes y biosensores para recopilar y almacenar grandes cantidades de datos relacionados con la salud se ha acelerado rápidamente. Estos datos tienen el potencial de permitirnos diseñar y realizar mejor los ensayos y estudios clínicos en el ámbito de la atención médica para responder preguntas que antes eran inviables. Además, con el desarrollo de capacidades analíticas nuevas y sofisticadas, podemos analizar mejor estos datos y aplicar los resultados de nuestros análisis al desarrollo y aprobación de productos médicos.
La evidencia obtenida del análisis de RWD respalda los estudios clínicos tradicionales y ha crecido significativamente en los últimos años. Ha sido la principal fuente de evidencia durante la pandemia de COVID-19, informando sobre los síntomas, la influencia de las características del paciente, el riesgo de morbilidad y mortalidad.
Mensajes claves
El mayor foco de innovación está en Cataluña con el 19% de los proyectos
El área terapéutica con más proyectos innovadores es la oncología, concretamente en cáncer de mama y pulmón
Más del 60 % de los proveedores identificados desarrollan y aplican herramientas de aprendizaje de IA/Machine learning en las áreas terapéuticas
El 37 % de las fuentes de datos usan NGS, 34% usan AI/machine learning y un 19% usan m-health o telemedicina. Este dato excluye registros clínicos ninguno de los cuales contaba con tecnología propia
Sin contar los registros y estudios clínicos que suponen casi el 28% de las iniciativas identificadas, otro 20% de los proyectos innovadores tienen su origen en hospitales, seguidos de cerca por los departamentos de investigación universitarios
Visión general
En este Libro Digital presentamos los resultados de un proyecto cuyo objetivo principal fue la identificación y mapeo de fuentes y tecnológias que pueden generan y analizar datos de vida real (RWD), con el fin de convertirse en insights y evidencia.
Los resultados presentados aquí son datos de toda España que muestran la fuerza de la innovación en RWD en varias áreas terapéuticas y tecnologías disruptivas clave.
Iniciativas RWD por área terapéutica
Iniciativas basado en la aplicación de tecnología en RWD
Cuando hablamos de inteligencia artificial aquí, no nos referimos solo a una tecnología, sino a una colección de ellas, incluido el aprendizaje automático, las redes neuronales, el procesamiento del lenguaje natural (PLN), Big Data y ciencias de datos. El aprendizaje automático es una técnica estadística para ajustar modelos a datos y "aprender" entrenando modelos con datos y es una de las formas más comunes de IA. Las redes neuronales son una forma más compleja de ML, están vinculadas a la forma en que las neuronas en nuestro cerebro procesan las señales y requieren entradas, salidas y pesos que asocian entradas con salidas. El procesamiento del lenguaje natural incluye aplicaciones como reconocimiento de voz, análisis de texto, traducción y otros objetivos relacionados con el lenguaje.
La secuenciación de próxima generación (NGS, por sus siglas en inglés) se utiliza para determinar el orden de los nucleótidos en genomas completos o regiones objetivo de ADN o ARN y lo hace utilizando una tecnología de secuenciación paralela masiva que ofrece un rendimiento ultraalto, escalabilidad, y velocidad
La telemedicina o telesalud se refiere a la prestación de servicios de atención médica mediante el uso de tecnología moderna. mHealth, un subconjunto de telemedicina o telesalud, es la práctica de la medicina y la atención médica a través de dispositivos móviles, tabletas y computadoras. En estos términos también incluimos e-health, que es un término que abarca todo, pero también incluye dispositivos electrónicos o software que se utiliza para el apoyo administrativo en los sistemas de salud.
Esta es una prueba que se realiza en una muestra de sangre para buscar células cancerosas de un tumor que están circulando en la sangre o fragmentos de ADN de células tumorales que están en la sangre. La naturaleza no invasiva de las biopsias líquidas significa que son mucho más fáciles de tolerar y el procedimiento es más rápido que una biopsia quirúrgica. Luego, la muestra de sangre se 'centrifuga' para obtener 2 mililitros de plasma que se pueden analizar en busca de ADN tumoral. Se puede usar una biopsia líquida para ayudar a encontrar el cáncer en una etapa temprana.
Tecnología
La tecnología más común utilizada es la inteligencia artificial (38%) seguida por NGS (20%); entre los proveedores de tecnología, el 35 % aplica IA en oncología, seguido del 13 % en neurología.
Inteligencia Artificial
Next generation sequencing
Mhealth y telemedicina
Biopsia líquida
Áreas terapéuticas
Neurología
Todas las áreas terapéuticas
Dermatología
Oncología
Hematología
Reumatología
Cardiovascular
Oncohematología
Stakeholders
Proveedores de datos
Registro
Hospital
Universidad
Servicio Autonomico de Salud
Estudio
Biobanco
PPP
Industria
Proveedores de tecnología
Industria
Universidad
PPP
Hospital
Servicio Autonómico de Salud
Metodología
La información presentada en este Libro Digital se basa en los datos recopilados entre septiembre de 2021 y mayo de 2022. Los resultados se obtuvieron a través de una revisión de literatura científica, una búsqueda de literatura gris a través de Google y entrevistas telefónicas con expertos independientes.
Los resultados proporcionados aquí no son exhaustivos, sino que brindan una instantánea de la innovación dentro del RWD en España. Se pueden encontrar más detalles sobre el alcance, las limitaciones y la metodología aquí.
Los resultados presentados aquí son datos de toda España que muestran la fuerza de la innovación en RWD en varias áreas terapéuticas y tecnologías disruptivas clave.
Metodología de búsqueda
El algoritmo de búsqueda consistió en palabras clave en tecnología (IoT, Big Data / data analytics / ciencia de datos, Inteligencia artificial / IA, aprendizage automatico, telemedicina, Realidad virtual / VR /AR, NGS) en cinco áreas terapéuticas (Oncología, Neurología, Hematología, Dermatología, Reumatología). Además, para la búsqueda de literatura gris se utilizaron palabras clave como “innovación”, “startups” y “pymes” junto con las áreas terapéuticas y tecnologías. La búsqueda se realizó tanto en español como en inglés.
Identificación
Estudios inicialmente identificados a través de la búsqueda en EMBASE sin duplicados (n=590) y de otras fuentes (n=18)
Exploración
Resúmenes inicialmente explorados (n=608)
Estudios excluidos tras la exploración de resúmenes (n=507)
Objetivo diferente: n=290
Otra área terapéutica: n=128
No incluye España: 60
Artículo de revisión / opinión: n=17
Tecnología para evitar factores de riesgo: n=7
No disponible: n=5
Elegibilidad
Textos completos explorados sobre la búsqueda inicial (n=101)
Textos completos finalmente excluidos de la búsqueda inicial (n=21)
Objetivo diferente: n=3
Artículo de revisión / opinión: n=3
Tecnología no disruptiva: n=12
No incluye España: n=1
Duplicados: n=2
Inclusión
Estudios finalmente incluidos para la síntesis cualitativa n=115 Científica: n=72 Gris: n=43
Textos completos adicionales extraídos de literatura gris (n=12) o recuperados manualmente (n=1) o resultado de entrevistas con expertos (n=22)
Para cubrir las brechas entre la literatura gris y la literatura científica, entrevistamos a expertos independientes que identificaron algunas iniciativas que no se habían identificado anteriormente.
Limitaciones y consideraciones técnicas
Para la búsqueda hemos investigado diversas fuentes de información con el fin de cubrir el máximo de iniciativas de diferente tipo.
La búsqueda de la literatura gris se realizó a través de Google Search, seleccionando los primeros 50 resultados.
Se han capturado en primer lugar iniciativas que cuentan con alguna publicación, completando después la búsqueda bibliográfica con entrevistas a expertos para ampliar la potencia de búsqueda.
Las clasificaciones de las iniciativas están abiertas a interpretación. Con el cambio exponencial y la evolución de la tecnología, es difícil clasificar las tecnologías sin superposiciones. por ejemplo, la IA se utiliza como herramienta en el análisis de imágenes, pero ambas pueden clasifcarse por separado y algunos argumentarían que el análisis de imágenes es una aplicación más que una tecnología. Asimismo con la clasificación de los actores. Varias fundaciones e institutos de investigación se agruparon en hospitales porque en la mayoría de los casos están asociados a un hospital. Sin embargo, en algunas iniciativas, los institutos de investigación aparecen sin el hospital. De manera similar, cuando clasificamos los estudios clínicos realizados por asociaciones científicas, sabíamos que en algunos casos no estaba claro si estas organizaciones estaban combinando los datos de un registro existente o si se trataba de un estudio independiente. Sin embargo, sentimos que reclasificar registros, estudios clínicos y biobancos bajo asociaciones científicas habría devaluado nuestros resultados.
Dentro de las limitaciones y alcance del proyecto, se ha intentado captar el mayor número posible de iniciativas innovadoras en España. Sin embargo, somos plenamente conscientes de que hay iniciativas que no han sido captadas. Este documento está activo y se actualiza constantemente y esperamos incluir iniciativas relevantes en el futuro.
Proyecto Coordinado por HIRIS en impulsado por Bristol Myers Squibb
