Desarrollan un software que facilita la recogida y el análisis de datos en la investigación clínica

El grupo de investigación KHAOS de la Universidad de Málaga, que forma parte del Instituto de Tecnología e Ingeniería del Software “Jose María Troya Linero”, ha desarrollado una herramienta web denominada FIMED, capaz de ofrecer nuevas soluciones en el ámbito de la investigación clínica.

Según el estudio,  en los últimos años, los sistemas de gestión de ensayos clínicos se han convertido en instrumentos imprescindibles para la gestión y el análisis de datos en este campo. No obstante, las limitaciones de diseño suponen un inconveniente al que FIMED propone una alternativa, ya que permite gestionar, de manera flexible, los datos de múltiples ensayos y avanzar, de este modo, hacia una medicina más personalizada.

El software puede usarse de manera gratuita y tiene el objetivo de facilitar a investigadores clínicos la recogida de datos y su posterior análisis: “El problema que encuentran estos investigadores es que hay herramientas comerciales que permiten hacer estos procesos, pero limitados a una estructura fija. En el caso de FIMED, el investigador puede decidir qué información quiere recoger de los pacientes de un ensayo clínico, e incluso cambiarla, si fuera necesario”, afirma Ismael Navas, uno de los responsables del estudio (Departamento de Lenguajes y Ciencias de la Computación y miembro de KHAOS).

Para dar forma a este software, ha sido indispensable el uso de las últimas tecnologías en gestión de datos, muy relacionadas con el Big Data. En concreto, se han utilizado las denominadas “bases de datos no relacionales” o NoSQL, ideales para manejar un gran volumen de datos.

Aplicación en ensayos clínicos

En la versión publicada se ofrece la oportunidad de que el personal investigador registre información de los datos de expresión génica de los pacientes: es decir, hace posible que se almacene el comportamiento de ciertos genes en diferentes fases de la enfermedad y el tratamiento. “Este tipo de herramienta permite descubrir qué genes podrían ser indicadores de la eficacia de un tratamiento en un paciente concreto, incluso antes de comenzarlo. Estas soluciones para analizar los datos de expresión de genes han sido probadas, previamente, en un ensayo clínico relacionado con pacientes en tratamiento por melanoma metastásico”, expone el investigador Ismael Navas.

En la actualidad, los investigadores continúan mejorando esta herramienta para lograr incluir más tipos de análisis de datos que puedan resultar de interés en ensayos clínicos, tales como el uso de técnicas de Deep Learning —algoritmos de aprendizaje automático— para descubrir patrones. Este tipo de técnicas poseen una aplicación práctica en múltiples casos, como el reconocimiento del tipo de actividad que realizan pacientes obesos a lo largo de su seguimiento, a través de pulseras de actividad, o la diferenciación automática entre diversos tipos de manchas en la piel.

“En todos estos casos, el reto al que nos enfrentamos es ofrecer a los investigadores clínicos explicaciones de las conclusiones alcanzadas por los algoritmos, para que generen confianza en los mismos. La explicación de los algoritmos de inteligencia artificial es un tema de investigación abierto, en el que las soluciones actuales están, aún, lejos de ser aplicables en la práctica clínica de forma general”, concluye Navas.