EmTech, acrónimo en inglés de las palabras tecnologías emergentes, se ha consolidado como un encuentro de referencia para los expertos del Instituto Tecnológico de Massachusetts (MIT). En esta tercera edición europea del congreso, cuyo lema es “No importa cuál sea el problema, la tecnología es parte de la solución”, la ciudad seleccionada para llevar a cabo la experiencia ha sido Valencia, España.

“Los cirujanos no hemos hecho nada que no sea medicina personalizada en los últimos siglos, pero ahora la tecnología permite una medicina basada en las características de cada individuo, no solo genéticas, sino también de comportamiento, deseos y expectativas”, aseguró el director de la unidad de Innovación del Hospital Clínico San Carlos, Julio Mayol, moderador de la conferencia “Genómica, imagen y datos: El futuro de la medicina personalizada”.

El panel, que se realizó el 5 de noviembre, dejó en evidencia que conocer más genes asociados al desarrollo de enfermedades ayudará a mejorar el diagnóstico y tratamiento, y que entender la influencia del transcriptoma y del epigenoma también será clave. En este sentido, Genómica de precisión, Big Data sobre características y evolución de los pacientes, e innovación serán esenciales a la hora de tomar decisiones en la práctica clínica.

Por eso, antes de pensar en las tecnologías que hace falta crear, hay que convertir los problemas actuales de salud en el núcleo de la innovación y analizar cómo impactará solucionarlos.

Ana Conesa, directora de Genómica de la Expresión Génica del Centro de Investigación Príncipe Felipe, explicó la complejidad a la que se enfrenta hoy en día la genómica de precisión: “Secuenciarse se está convirtiendo en algo bastante sencillo que cuesta lo mismo que un lifting facial”. No obstante, destacó que, aunque principalmente se buscan genes asociados a enfermedades, en muchasocasiones son alteraciones de varios genes las que dan lugar a la enfermedad.

Luego de la intervención de Conesa participó Martha Gray, profesora de la división de Ciencias de la Salud y Tecnología de Harvard-MIT, quien argumentó que la innovación en medicina debe estar motivada por las necesidades reales.

Gray explicó que la metodología que ponen en práctica desde el consorcio M+Visión, bautizada como “Idea cubo” (idea3), se basa en pensar problemas cuya solución pueda marcar una gran diferencia. Para ejemplificar la aplicación de este método, la profesora mencionó la creación de un sistema rápido de prescripción de gafas. “Se trata de una de las tecnologías sanitarias más rentables, sin embargo, carece de suficientes profesionales capacitados para prescribir su uso”, detalló.

Durante el cierre del  encuentro, Leo Celi, fundador y director de MIT Sana, advirtió que el paradigma actual en la generación de mejores prácticas no es suficiente: “La práctica de la medicina necesita una transformación radical que podría venir de la mano del correcto manejo de grandes cantidades de datos médicos y del trabajo colaborativo entre médicos y científicos de datos”.

“Nadie está analizando los datos que se colectan de forma rutinaria, y la práctica de la medicina no debe ser basada en evidencia, sino basada en construir evidencia en sí”, aseguró Celi. Y enseguida explicó el funcionamiento de un sistema de monitoreo multiparámetro inteligente, que optimiza la gestión de las unidades de cuidados intensivos cruzando datos procedentes de los laboratorios y de los registros digitales del sistema de salud.

Asimismo, el fundador de MIT destacó el uso de las grandes bases de datos clínicas: “Son fundamentales para personalizar recomendaciones y hacer un cálculo del equilibrio entre riesgos y beneficios para cada prueba o intervención, y para buscar nuevo conocimiento que permita entender de forma más profunda los procesos de la enfermedad”.

En el futuro, según Celi, la prescripción de un tratamiento no debe estar basada en lo que sabe un doctor, sino en lo que hacen cientos de doctores que están monitoreando a otros pacientes y que están buscando el mejor resultado para cada caso.

Por último, el director de MIT respaldó la necesidad de identificar previamente qué pacientes van a reaccionar a una terapia y cuáles no. “La genómica no es suficiente, requiere basarse también en la fenómica, es decir, en el análisis de datos médicos electrónicos para buscar patrones de respuesta a tratamientos -en vez de buscar uno a uno posibles biomarcadores-”, concluyó.