Tendencias Científicas
Fuente: e-Magine Art/ Flickr
La irrupción de Internet trajo consigo la aparición de una nueva enfermedad. Quienes la padecen se conocen como cibercondríacos, o lo que es lo mismo, internautas que utilizan la red para informarse sobre síntomas o enfermedades, pero que acaban magnificándolas o asumiendo la percepción errónea de que sufren algo más grave de lo que realmente tienen. Sólo en España, por ejemplo, Internet es la principal fuente de información sanitaria. El 85 por ciento de los pacientes consulta en la red sobre temas de salud antes de acudir al médico.
El problema es que Internet está abierto a infinidad de fuentes de información, y no todas son igual de válidas. No comprobar esa validez, pasando por el uso de terminología compleja y la predisposición de algunas personas a ponerse en lo peor, puede tener consecuencias nefastas. Sin embargo, el uso de la red como herramienta de consulta no siempre tiene efectos negativos.
De hecho, un equipo de investigadores repartido entre la ciudad de Nueva York y Jerusalén se ha dedicado durante más de una década a extraer mensajes de foros médicos sobre experiencias de pacientes con diferentes medicamentos. A partir de ahí han desarrollado un algoritmo que, aseguran, podría detectar reacciones adversas no descubiertas por ensayos clínicos, años antes de que la alerta llegue a la administración sanitaria.
Y es que muchas veces ciertos medicamentos o dispositivos médicos tienen efectos secundarios inesperados, incluso después de largos periodos de estudio y pruebas. La administración sanitaria norteamericana (FDA) cuenta con un sistema que permite a pacientes, médicos y empresas informar sobre sus incidencias, y ha puesto a prueba un plan para extraer registros médicos oficiales.
Sin embargo, los científicos de la Universidad de Columbia y sus compañeros de la Universidad Hebrew, se plantean si podrían detectar signos de reacciones negativas a posteriori, simplemente analizando mensajes previos en foros de discusión.
El problema es que Internet está abierto a infinidad de fuentes de información, y no todas son igual de válidas. No comprobar esa validez, pasando por el uso de terminología compleja y la predisposición de algunas personas a ponerse en lo peor, puede tener consecuencias nefastas. Sin embargo, el uso de la red como herramienta de consulta no siempre tiene efectos negativos.
De hecho, un equipo de investigadores repartido entre la ciudad de Nueva York y Jerusalén se ha dedicado durante más de una década a extraer mensajes de foros médicos sobre experiencias de pacientes con diferentes medicamentos. A partir de ahí han desarrollado un algoritmo que, aseguran, podría detectar reacciones adversas no descubiertas por ensayos clínicos, años antes de que la alerta llegue a la administración sanitaria.
Y es que muchas veces ciertos medicamentos o dispositivos médicos tienen efectos secundarios inesperados, incluso después de largos periodos de estudio y pruebas. La administración sanitaria norteamericana (FDA) cuenta con un sistema que permite a pacientes, médicos y empresas informar sobre sus incidencias, y ha puesto a prueba un plan para extraer registros médicos oficiales.
Sin embargo, los científicos de la Universidad de Columbia y sus compañeros de la Universidad Hebrew, se plantean si podrían detectar signos de reacciones negativas a posteriori, simplemente analizando mensajes previos en foros de discusión.
Seguimiento de publicaciones
Como relata un artículo publicado en la revista New Scientist, los investigadores rastrearon los mensajes publicados desde 1999 tanto en cuatro foros médicos populares como en WebMD, una aplicación sobre salud general que orienta sobre los mejores pasos a seguir en cada caso y ofrece pautas médicas basadas en estilos de vida saludable, entre otras cosas.
Entrenaron un algoritmo para entender los mensajes publicados y para unir todas las marcas bajo las que se puede administrar un mismo fármaco. También se preparó para comprender la ambigüedad del lenguaje en ciertas ocasiones. Por ejemplo, cuando alguien escribe "Me dio dolor de cabeza", se puede referir a sí mismo, a la consecuencia de tomar uno o varios medicamentos, o algo completamente distinto.
El algoritmo dio buenos resultados. En una prueba detectó, a raíz del seguimiento de publicaciones escritas durante varios años, signos de pérdida de memoria y confusión asociados con estatinas, un grupo de medicamentos usados para reducir el colesterol, ya en el año 2003. La FDA no alertó de estos riesgos en el prospecto del medicamento hasta 2012.
En otro experimento, los mensajes sobre el antidepresivo Wellbutrin –cuyo prospecto se modificó en 2009 para incluir advertencias sobre la agitación y hostilidad como posibles efectos secundarios- también alertaron de estos problemas varios años antes que la FDA.
Los resultados de la investigación se darán a conocer en la KDD, conferencia sobre minería de datos que se celebra a mediados de agosto en Sydney, Australia. Su aplicación podría acabar con los métodos de presentación de informes tradicionales e incluso permitiría utilizar la literatura médica como recurso.
Como relata un artículo publicado en la revista New Scientist, los investigadores rastrearon los mensajes publicados desde 1999 tanto en cuatro foros médicos populares como en WebMD, una aplicación sobre salud general que orienta sobre los mejores pasos a seguir en cada caso y ofrece pautas médicas basadas en estilos de vida saludable, entre otras cosas.
Entrenaron un algoritmo para entender los mensajes publicados y para unir todas las marcas bajo las que se puede administrar un mismo fármaco. También se preparó para comprender la ambigüedad del lenguaje en ciertas ocasiones. Por ejemplo, cuando alguien escribe "Me dio dolor de cabeza", se puede referir a sí mismo, a la consecuencia de tomar uno o varios medicamentos, o algo completamente distinto.
El algoritmo dio buenos resultados. En una prueba detectó, a raíz del seguimiento de publicaciones escritas durante varios años, signos de pérdida de memoria y confusión asociados con estatinas, un grupo de medicamentos usados para reducir el colesterol, ya en el año 2003. La FDA no alertó de estos riesgos en el prospecto del medicamento hasta 2012.
En otro experimento, los mensajes sobre el antidepresivo Wellbutrin –cuyo prospecto se modificó en 2009 para incluir advertencias sobre la agitación y hostilidad como posibles efectos secundarios- también alertaron de estos problemas varios años antes que la FDA.
Los resultados de la investigación se darán a conocer en la KDD, conferencia sobre minería de datos que se celebra a mediados de agosto en Sydney, Australia. Su aplicación podría acabar con los métodos de presentación de informes tradicionales e incluso permitiría utilizar la literatura médica como recurso.
Incluir las redes sociales
De momento, la FDA ha dado el visto bueno al algoritmo, apostando por la minería de datos como una herramienta útil para la búsqueda de posibles efectos adversos de medicamentos. De hecho, el gobierno inició el pasado año el programa piloto Mini-Sentinel, para rastrear bases de datos de registros médicos oficiales en busca de pistas.
Con todo, uno de los miembros del equipo de investigación, Oded Netzer, de la Universidad de Columbia, considera que el estudio se queda corto con los foros de opinión y medios especializados, y que las redes sociales deben añadirse a las listas de búsqueda, por tratarse de una herramienta de control y supervisión “muy poderosa". Y es que son muchos los tipos de pacientes que utilizan estos medios de comunicación para hablar libre y voluntariamente sobre su estado o sobre el uso de diferentes medicamentos.
"Las redes sociales son como un grupo de opinión a lo grande”, señala Netzer. "No pedimos nada, sólo escuchamos. Somos como una mosca en la pared, escuchando lo que opinan consumidores y pacientes", añade. En la misma línea se manifiesta Trevor Cohen, del Centro de Ciencias de la Salud de la Universidad de Texas en Houston (UTHealth), quien define las redes sociales como "la voz de los pacientes en estado salvaje".
Quizá el algoritmo sea capaz de verificar las fuentes con mayor precisión que los internautas, para evitar dar por válida información errónea o de baja calidad de la que tanto abunda en Internet.
De momento, la FDA ha dado el visto bueno al algoritmo, apostando por la minería de datos como una herramienta útil para la búsqueda de posibles efectos adversos de medicamentos. De hecho, el gobierno inició el pasado año el programa piloto Mini-Sentinel, para rastrear bases de datos de registros médicos oficiales en busca de pistas.
Con todo, uno de los miembros del equipo de investigación, Oded Netzer, de la Universidad de Columbia, considera que el estudio se queda corto con los foros de opinión y medios especializados, y que las redes sociales deben añadirse a las listas de búsqueda, por tratarse de una herramienta de control y supervisión “muy poderosa". Y es que son muchos los tipos de pacientes que utilizan estos medios de comunicación para hablar libre y voluntariamente sobre su estado o sobre el uso de diferentes medicamentos.
"Las redes sociales son como un grupo de opinión a lo grande”, señala Netzer. "No pedimos nada, sólo escuchamos. Somos como una mosca en la pared, escuchando lo que opinan consumidores y pacientes", añade. En la misma línea se manifiesta Trevor Cohen, del Centro de Ciencias de la Salud de la Universidad de Texas en Houston (UTHealth), quien define las redes sociales como "la voz de los pacientes en estado salvaje".
Quizá el algoritmo sea capaz de verificar las fuentes con mayor precisión que los internautas, para evitar dar por válida información errónea o de baja calidad de la que tanto abunda en Internet.
Inicio
Enviar a un amigo
Versión para imprimir
Compartir
La Inteligencia Artificial habla sobre la legalización del cannabis
CIENCIA ON LINE