Més de 24.000 persones ingressen cada any i unes 4.000 moren a causa de la sèpsia a Catalunya; una malaltia greu resultant d’una infecció que es complica i afecta d’altres òrgans. Al món, la sèpsia és la desena causa de mortalitat al món amb 288 casos per cada 100.000 persones.
Davant el gran impacte que té aquesta malaltia, que actualment provoca més morts que l’infart de miocardi o l’ictus, el Servei Català de Salut (CatSalut) va posar en funcionament al 2015 el codi sèpsia. Es tracta d’una iniciativa per millorar la coordinació i la resposta del servei sanitari català en la gestió d’aquesta patologia, donat que la seva detecció precoç i l’inici immediat del tractament, és clau per estabilitzar el pacient i evitar que la infecció derivi en un xoc sèptic o un fracàs multiorgànic que acaba, en molts casos, amb la mort.
Tot i comptar amb un protocol d’actuació davant la malaltia, encara en falta molt coneixement per tal de millorar-ne el tractament i aconseguir, en última instància, reduir la mortalitat associada. Per això, Eurecat ha unit esforços amb l’Institut de Recerca Vall d’Hebron dins el marc del projecte Health Forecast 2.0 per desenvolupar una metodologia per millorar el coneixement sobre l’evolució de la malaltia a l’organisme i la resposta al tractament.
Vicent Ribas, cap de la línia Data Analytics in Medicine de la Unitat d’e-Health d’Eurecat, ens explica en aquesta entrevista de què tracta aquesta metodologia i què pot suposar per a la medicina moderna.
Com esteu desenvolupant aquesta metodologia?
Vam detectar que calia investigar més en el coneixement de la sèpsia i el xoc sèptic, revisar les definicions actuals de la malaltia i desenvolupar una metodologia per a l’estratificació a escala múltiple de pacients amb sèpsia. Per això, estem utilitzant les dades clíniques associades al Banc de Sèpsia del Biobanc de l’Hospital Universitari Vall d’Hebron i les estem filtrant i analitzant segons diferents variables per estudiar i poder descobrir nous biomarcadors de la malaltia, és a dir, aquells agents biològics que en provoquen els símptomes o desencadenen conseqüències de la malaltia.
Aquesta anàlisi no és gens fàcil ja que el volum de dades i les múltiples interrelacions entre variables fa impossible que puguin ser tractades amb eines de Big Data i hem hagut de desenvolupar les nostres pròpies eines d’anàlisi.
Què permet la vostra eina que no us permeti el Big Data?
És cert que el Big Data permet analitzar i processar un gran volum de dades de molts usuaris. En el nostre cas, però, hi ha el valor afegit de comptar amb cents de milers de variables per a cada malalt, per la qual cosa hem desenvolupat algorismes d’intel·ligència artificial per destriar entre les més representatives.
En segon lloc, estem construint una metodologia per classificar-les i extreure’n coneixement a partir de l’estudi de l’evolució dels biomarcadors identificats. Amb aquesta tècnica, podem comprendre els processos associats a la malaltia i avançar cap a la possibilitat de desenvolupar tractaments personalitzats per a cada pacient.
Quins avenços generarà la metodologia a nivell de diagnòstic, tractament i investigació de la sèpsia?
La utilització de la metodologia porta a un millor coneixement de la patologia, fet que resulta en un millor tractament i maneig del malalt, una millora en la seva qualitat de vida, un impacte en la reducció de la mortalitat i una millor eficiència en la despesa dels malalts de sèpsia. Per altra banda, estem intentant millorar el coneixement de les vies metabòliques de la disfunció orgànica i poder oferir als clínics uns millors indicadors de pronòstic.
Creus que aquestes eines podran ser utilitzades per a altres malalties?
Sí, evidentment. Volem crear una metodologia que sigui transversal i d’utilitat en altres patologies amb l’objectiu de proporcionar al sector sanitari eines ajustables de les quals se n’extregui coneixement. Dins del mateix projecte Health Forecast, per exemple, també hem treballat amb eines avançades d’anàlisi de dades similars per a l’estudi de correlacions entre variants genètiques de malalties comunes com el càncer, les malalties cardiovasculars o malalties metabòliques com l’obesitat.
Més informació
