Repte 4. Trajectòries predictives per a l’evolució de diferents patologies

Cada cop és més important la prevenció de malalties complexes i que cursen amb comorbiditats. A través de dades reals de pacients, que permetin la creació de trajectòries de machine learning, es pot predir l’evolució d’un pacient i donar suport a les decisions clíniques per una atenció més personalitzada.

Situació actual

Actualment, les malalties tenen un tractament concret que es va modificant segons l'evolució del pacient i els possibles símptomes que va desenvolupant. Però no hi ha opcions de predir si respondrà millor o pitjor a un tractament, o les probabilitats que desenvolupi una comorbiditat o una altra. Això no permet anticipar-se a l'evolució del pacient i ser proactiu en la presa de decisions.

Situació desitjada

La creació de trajectòries basades en machine learning permetrà predir la possible evolució d'un pacient segons el seu perfil clínic concret. D'aquesta manera, no només podem anticipar-nos en el seu tractament i l'aparició de possibles comorbiditats, sinó que es podran desenvolupar guies clíniques específiques pels perfils de pacients, aconseguint així una medicina semipersonalitzada. Aquestes guies, desenvolupades per clínics experts en la patologia, són una eina de suport a la presa de decisions clíniques.

Requeriments específics / tècnics el repte a destacar

L’eina desenvolupada ha de ser capaç d'agafar la informació clínica del pacient (CMBD, proves de laboratori i imatge, etc.), i crear les trajectòries evolutives basades en la informació de tots els pacients d’aquella patologia a traves d’eines d’IA. També ha de poder incorporar guies clíniques i recomanacions per a cada estat de la trajectòria i proporcionar dades estadístiques.