En salud digital también hay que prevenir el sobrediagnóstico

Xavier Bayona
Gota a gota

Según la Organización Mundial de la Salud, la salud digital es todo aquello que incorpora el uso de tecnologías digitales orientadas a la mejora de la salud. El término salud digital proviene de e-health (uso de la tecnología de la información y las comunicaciones en apoyo a la salud y ámbitos relacionados). La salud móvil (m-health) es un subconjunto de la e-health y se define como el uso de tecnologías inalámbricas móviles para la salud. El uso de ciencias computacionales avanzadas en big data, genómica e inteligencia artificial se considera también salud digital.

La salud digital se está introduciendo en muchos espacios privados y profesionales. Es una gran oleada que si no la surfeamos nos engullirá. A menudo es calificada de fuente de progreso e innovación, pero debemos ser cuidadosos al evaluarla porque podría tener efectos indeseados como el sobrediagnóstico. Ya se ha definido en algún post publicado con anterioridad qué es el sobrediagnóstico. Tan solo hay que destacar que el sobrediagnóstico no erra en el diagnóstico, sino en el pronóstico de la enfermedad diagnosticada.

El sobrediagnóstico

El incremento del sobrediagnóstico se produce en parte por el adelanto constante de la tecnología, con pruebas más nuevas y de mayor sensibilidad. Con los adelantos que se están desarrollando en big data cabría la posibilidad teórica de utilizar una gran cantidad de datos generados cada día en el sistema sanitario para encontrar pistas que puedan orientar a enfermedades no diagnosticadas.

El cribaje tradicional ha consistido en realizar tests y pruebas complementarias que se aplican a personas que a priori se consideran sanas, a fin de detectar posibles patologías precozmente. Hay bastante controversia en la práctica de diferentes cribajes poblacionales que han sido analizados en este blog (ver entrada previa del Dr. Varela). 

Pese a la creencia popular de que el diagnóstico precoz puede mejorar los resultados de salud de las personas y reducir costes sanitarios, la verdad es que después de más de veinte años de programas de cribajes los resultados esperados no se han materializado. Capurro y colaboradores, en un artículo de opinión reciente en la revista JAMA, señalan que en Australia se calcula que se produce entre un 18 y un 24% de sobrediagnóstico en todos los cánceres.

La salud digital como fuente de información

A través de la salud digital existirá, en un futuro no muy lejano, la posibilidad de obtener información a través de smartphones y otros dispositivos (relojes con detectores, por ejemplo) que, mediante inteligencia artificial y machine learning, podrían desarrollar estrategias de diagnóstico precoz de enfermedades. Hemos de tener presente que hay dispositivos que realizan lecturas que sacan conclusiones y hacen recomendaciones sobre el estrés, el ritmo cardíaco y/o la saturación de oxígeno del usuario. Las preguntas que hay que plantear, ante un futuro que ya ha llegado, son:

1. ¿La vigilancia de la salud tiene que salir de los servicios sanitarios?
2. ¿El aparato utilizado es un dispositivo médico? Es decir, ¿permite tomar decisiones clínicas?
3. ¿Las sugerencias que emite el dispositivo son más beneficiosas que perjudiciales?

Sobre el papel, la posibilidad de incrementar determinados diagnósticos precoces a través de la salud digital no es disparatada. Pero estos diagnósticos precoces, en muchas circunstancias, podrían producir beneficios limitados y un predominio de efectos adversos a consecuencia de la práctica de pruebas, exploraciones y tratamientos innecesarios. El problema está servido. El sistema de salud y la sociedad han de ser cuidadosos en la definición de medical device y de enfermedad (a veces definida como la ausencia de salud).

Prevenir el sobrediagnóstico

Los ensayos clínicos aleatorizados son la forma óptima de evaluar el diagnóstico realizado por herramientas digitales calculando parámetros como sensibilidad, especificidad y probabilidades de predicción. Estas métricas nos permiten cuantificar riesgos y beneficios. La dificultad radica en que los ensayos clínicos son muy costosos en recursos y tiempo. Para paliar esto, Capurro (citado anteriormente) relata que podrían utilizarse bancos de datos de información longitudinal del paciente (datos recogidos durante periodos de tiempo largos) para analizar las trayectorias históricas de diferentes enfermedades e identificar aquellos subgrupos de pacientes que no se verán afectados de forma significativa por una enfermedad determinada. Este enfoque basado en datos se podría emplear para mejorar las definiciones de la enfermedad teniendo en cuenta las trayectorias de los pacientes e identificar los atributos clínicos que en el futuro podrían permitir distinguir con mayor precisión un diagnóstico de un sobrediagnóstico.

La inteligencia del análisis de los datos clínicos (ciencia de los datos) es una necesidad y las agencias de evaluación de las tecnologías sanitarias tienen mucho que decir al respecto para afinar el uso adecuado de las nuevas tecnologías, favorecer diagnósticos correctos y evitar convertir en enfermos a personas que no lo son.

La salud digital ha venido para quedarse. Hemos de ser cuidadosos en los usos que le demos y en la definición de algoritmos que generen recomendaciones. Las estrategias basadas en el análisis de gran cantidad de datos longitudinales pueden ayudar a prevenir el sobrediagnóstico digital y a entender mejor el curso de las enfermedades.