El uso de sistemas de información, big data y su análisis mediante técnicas de inteligencia artificial (IA) está empezando a cuajar en el Ministerio de Sanidad en áreas más allá de las puramente regulatorias. Más concretamente, en la Dirección General de Cartera Común de Servicios del SNS y Farmacia (DGCCSF), en el ámbito de los procedimientos de precio y reembolso de los medicamentos, se están desarrollando diferentes proyectos de utilización de la IA.
Tal y como explicó el vocal asesor de la DGCCSF, Carlos Martín Saborido, durante la ponencia inaugural que ofreció en el 42 Symposio de la Asociación Española de Farmacéuticos de la Industria (AEFI), desde el Ministerio se está trabajando en grandes aplicaciones de la IA para la gestión de la prestación farmacéutica, como es el caso del horizon scanning, el seguimiento de resoluciones; el establecimiento de escenarios a largo plazo mediante modelos predictivos.
Analítica Farmacia
Para lograr estos objetivos, la DGCCSF ha desarrollado ‘Analítica Farmacia’, una herramienta que genera modelos predictivos a largo plazo acerca del potencial impacto de las nuevas tecnologías sanitarias por llegar. El origen de Analítica Farmacia se remonta a la pandemia y se basa en los sistemas desarrollados para la monitorización de la evolución de la covid-19. “El objetivo es obtener información para apoyar la toma de decisiones de forma más ágil y con menos incertidumbre” gracias al uso de la IA para el análisis de toda la información disponible, explicó Martín Saborido.
Esta herramienta toma información de horizon scanning, bases de datos de literatura médica e información científica y de ensayos clínicos, también incorpora datos ‘no formales’, procedentes de literatura gris, presentaciones en congresos, informes, notas de prensa o reportajes en medios de comunicación, entre otras. Con todo ello se busca “combinar la evidencia clínica y procesarla con la información económica para obtener escenarios de impacto económico”, detalló el vocal asesor de la DGCCSF. Esta información, que puede ser filtrada en función de diversas variables, se puede presentar en forma de listados de información con un semáforo que indique el nivel de evidencia, los riesgos de sesgos y dónde hay mayores incertidumbres. Una ves seleccionada toda la información relevante, entra a participar un módulo basado en ChatGPT que elabora una redacción inicial de la información disponible. Este último aspecto, no recibe todas las bendiciones de Martín Saborido.
Para este experto, no cabe duda de que “las posibilidades de la utilización de IA en acceso a los medicamentos son enormes” y, por ello, hay que explorar su “gran potencialidad” aunque sea un campo en el que la negociación entre partes sea “algo importante”. A este respecto, también destacó que la industria farmacéutica ha utilizado modelos de escenarios a largo plazo, por lo que se hace necesario que la administración “copie esa utilización de analítica predictiva para sus tomas de decisiones, ya que es lo que le ha permitido a la industria tomar decisiones estratégicas”. A este respecto, consideró que, si la utilización de IA ha permitido el desarrollo de la medicina de precisión, también se debe avanzar hacia “reembolso de precisión”.
Para llevar a cabo el desarrollo de escenarios por Analítica Farmacia, se utilizan diferentes fuentes de datos como el horizon scanning; datos de consumo, procedentes de Seguimed; gasto, obtenidos por cálculo interno o del Ministerio de Hacienda; datos epidemiológicos, etc. Y el resultado es obtener escenarios de impacto presupuestario, análisis por condición clínica, área o grupo terapéutico.
A este respecto, Martín Saborido explicó que el Centro de Coordinación de Alertas y Emergencias (CCAES) asumió tras la covid la gestión de la base de datos de enfermedades raras. Mensualmente la DGCCSF remite la información sobre nuevos medicamentos en desarrollo para obtener información sobre epidemiología y posible futura demanda.
Además, esta información permite preparar los sistemas para el gasto que tendrán que asumir a medio y largo plazo por la llegada de nuevos medicamentos. En Reino Unido, el National Health Service (NHS) ha desarrollado la herramienta AI Roadmap, que permite conocer los cambios en materia de recursos humanos (número, formación,etc.), así como los cambios en las guías clínicas, que serán necesario para asumir la llegada de nuevas tecnologías.
Cuando, por el contrario, se quieren realizar análisis a corto plazo, se utilizan los datos de los registros disponibles como Darwin o el Espacio Europeo de Datos Sanitarios, así como los datos de consumo y gasto, e información epidemiológica.
Seguimiento de resoluciones
Otro ámbito en el que el Ministerio de Sanidad está trabajando con la ayuda de las IA es en el seguimiento de las resoluciones de financiación y precio de nuevos medicamentos, que “a veces son muy complejas”, según Martín Saborido. Gracias al análisis de toda la información disponible, “mediante el procesamiento de la información con técnicas de machine learning, se pueden implementar las de reglas de gasto y consumo” en relación con un medicamento.
Con este sistema se ofrece a las comunidades autónomas una mayor predictibilidad, con sistemas de alarma para avisar de cambios de escenario y poder preparar los cambios en las condiciones de venta de un medicamento (Precio, etc).
A este respecto, Martín Saborido explicó que también hay soluciones comerciales, como una desarrollada por Lyfegen, con la que el Gobierno de Navarra ha alcanzado un acuerdo recientemente.
Otros ejemplos de utilización de la IA es la gestión de los fondos específicos de financiación para determinados medicamentos o enfermedades. Martín Saborido explicó que en Reino Unido se están utilizando para el Innovative Medicine Fund. La IA permite una mayor agilidad en la entrada y salida de medicamentos, con los que se acelera todo el proceso. La dificultad para llevarlo a cabo reside en la necesidad de contar con datos a nivel de paciente, algo que en España está retrasado, pero que en países como Finlandia, ya tienen en marcha ya que obligan a establecer esos registros. Para Martín Saborido, “esto será un futuro cercano ya que hay países que lo están estudiando”.
Para hacer reales todos estos proyectos, el representante de la DGCCSF explicó que es necesario pasar de que el dato “esté”, a que sea tratado y pueda transformarse en un metadato que aporte mucha más información. “Se necesita un nivel granular de digitalización de datos” que permita su procesamiento para aportar más información y se presente en un cuadro de mandos que permita tomar decisiones.
Con la intención de avanzar en todo esto, el Plan de Recuperación Transformación y Resiliencia (PRTR) dotó a las comunidades autónomas de fondos para trabajar en esta cuestión y facilitar el intercambio de información a través de una API que conecta las diferentes herramientas de historia clínica.
