¿La investigación médica es ineficiente? Si es así, ¿cómo puede hacerse más eficiente?

En California, los patólogos en una docena de hospitales en todo el estado son parte de un proyecto piloto en curso, el primero de su tipo en los Estados Unidos, en el que informan diagnósticos de cáncer en tiempo real al Registro de Cáncer de California. Para garantizar que la información que se recopila es precisa y se compila de manera coherente, los médicos que participan en el proyecto están utilizando formularios digitales estandarizados para informar los datos del paciente.

Los informes en tiempo real en los registros de cáncer podrían facilitar que los médicos obtengan información importante sobre sus pacientes, especialmente en los casos en que los pacientes reciben atención de diferentes especialistas o cambian de médico u hospital. A partir de ahora, sin embargo, los datos recopilados por el Registro de Cáncer de California no están vinculados a las identidades de los pacientes debido a la naturaleza confidencial de la información médica y las preocupaciones sobre la privacidad del paciente.

Dentro de la comunidad científica, el intercambio de datos es un tema divisivo.

Actualmente, los datos médicos de pacientes con cáncer son como la expansión suburbana: este tipo de datos no está consolidado en ningún centro o biblioteca centralizada. La información clínica y genética de los pacientes con cáncer continúa almacenándose en una variedad de lugares: centros médicos académicos, hospitales comunitarios, compañías de biotecnología y compañías farmacéuticas, fundaciones específicas de enfermedades y agencias gubernamentales, entre otros. Estas instituciones rara vez comparten estos datos e información entre sí, a pesar de que el intercambio de datos es propicio y ventajoso para fines de investigación.

El Registro de Cáncer de California vale su peso en oro para investigar científicos. Desde su creación en 1988, la base de datos ha servido como un recurso valioso para los investigadores biomédicos y los médicos que usan la base de datos para buscar tendencias, confirmar posibles grupos de cáncer e identificar las disparidades en los resultados de los pacientes.

Aunque el intercambio de datos es una valiosa herramienta de investigación que agiliza el proceso de investigación biomédica, la práctica no está exenta de críticas. De acuerdo con CardioBrief, el New England Journal of Medicine (NEJM) en 2016 publicó un total de cuatro artículos que defendían el intercambio de datos y dos artículos muy obstinados y destacados que criticaron la práctica.

Los artículos que criticaron el intercambio de datos no fueron escritos por extremistas. Los autores, que son muy reconocidos y respetados dentro de su campo de investigación de ensayos clínicos, quieren imponer límites y salvaguardas en el intercambio de datos; los límites que proponen retrasarían el progreso de la investigación y restringirían significativamente el impacto potencial del intercambio de datos.

Desde mi punto de vista, cualquier preocupación sobre el intercambio de datos, por legítima que sea, se ve eclipsada por el potencial del intercambio de datos para catalizar avances notables en la forma en que tratamos el cáncer y entendemos la enfermedad. En solo la última década, la participación de los pacientes en “big data” ha contribuido a avances y avances en el tratamiento del cáncer que de otro modo podrían haber quedado sin descubrir (la inmunoterapia es un ejemplo). Los ensayos clínicos también han jugado un papel importante en la identificación de tratamientos personalizados para ciertos tipos de tumores.

A medida que el valor científico del análisis de datos se hace más evidente, los datos de ensayos clínicos representarán mucho más que un recurso singular. El progreso tecnológico y la disponibilidad futura de una mayor potencia informática permitirá “usos cada vez más creativos e informativos de los datos de ensayos clínicos”, explican los doctores Daniel P. Petrylak y Tom Coburn en un artículo de opinión que fueron coautores de STAT. La situación actual se complica por “silos [que] mantienen los datos atrapados en repositorios de ensayos clínicos, en los registros médicos electrónicos de los pacientes y en escáneres tumorales o notas médicas que no están en formatos digitales. Al romper estos silos, podemos dar saltos cuánticos en la lucha contra el cáncer “.

O, como lo expresó recientemente el vicepresidente Joe Biden: “Si podemos compartir datos, podemos encontrar respuestas”.

Esta es una pregunta cebada. Cualquiera que responda que la investigación médica es eficiente es falsa o está mal informada. En el meollo de esto es que el objetivo principal de la investigación médica es que aumenta nuestra comprensión de cómo funcionan los procesos normales y patológicos y cómo el cuerpo responderá a las intervenciones con fines de diagnóstico o terapéuticos. La noción de eficiencia en dicha investigación supone que, al comienzo de la investigación, existe un objetivo específico y, de hecho, hay criterios para toda investigación médica seria, pero con diversos grados de especificidad. La investigación médica convencional (y, para el caso, todos los tipos de investigación) a menudo plantea una hipótesis, que cierta condición es verdadera (por ejemplo, que la proteína producida por un determinado gen juega un papel específico en el crecimiento celular, o que la denervación renal puede ser un medio eficaz para controlar la presión arterial, o que dos objetos de diferente masa caídos desde la misma altura caerán a la misma velocidad (se entiende) o realiza un proceso para medir los efectos para comprender mejor la naturaleza de el proceso (por ejemplo, cuáles son los componentes, ingredientes y procesos necesarios para hacer que una célula madre indiferenciada se diferencie a un tipo celular específico y diferenciado). Desde una consideración a priori , el diseño de la investigación médica, el método para probar la hipótesis, debe ser capaz de producir resultados claros, comprensibles y reproducibles en la opinión de aquellos cuyas opiniones son más importantes (es decir, “pares”; por lo tanto, la investigación revisada por pares es clave). Los experimentos más eficientes son aquellos que minimizan el uso de recursos (potencialmente muy) escasos y de tiempo al tiempo que aumentan la claridad de los resultados. Una de las formas en que esta experimentación o investigación se hace más eficiente es mediante el uso de modelos, en los que un organismo, célula o proceso se reduce, de alguna manera fiel al conjunto, a un organismo, célula o proceso simulado (por ejemplo, una prueba ficticio o una forma biosintética de una célula que opera de manera importante, como el aspecto de una verdadera célula en estudio, o una formulación in vitro [por ejemplo, en una placa de Petri] del proceso utilizando ingredientes introducidos artificialmente) que permite un costo más seguro -condiciones efectivas y / o más fáciles de controlar de lo que es posible con el tema original de estudio. De hecho, algunas de las formas más eficientes e ingeniosas en las que se han realizado algunas investigaciones es tanto en la imaginación de los científicos al diseñar experimentos que demuestran de manera simple, rápida y clara los resultados que alcanzan el punto final de la comprensión del deseo. Otro aspecto crítico de la investigación médica que se hace más eficiente es el grado en que se han analizado los resultados de la experimentación para proporcionar comprensión, a veces considerando resultados completamente inesperados (muchos descubrimientos se hacen por accidente). El análisis de resultados también ha adquirido un significado más amplio mediante el uso de métodos de “metanálisis” en el que los investigadores analizan los resultados generados previamente de múltiples estudios relacionados de alguna manera significativa en el tema de estudio para obtener datos estadísticamente significativos que pueden No ha sido el foco de la investigación original. Tal metaanálisis, de hecho, mejora la eficiencia de la investigación original, ya que produce resultados adicionales sin el costo de la experimentación adicional.

Un último punto clave que se debe hacer es que la investigación médica a menudo se dirige no a alcanzar un punto final de comprensión sino a eliminar las posibilidades para reducir el enfoque de la investigación. La investigación básica también tiende invariablemente a producir respuestas y muy buenas preguntas nuevas, y es difícil asignar un juicio de “eficiencia” en tales resultados.

More Interesting

¿Qué tiene de especial el cerebro de personas geniales como Einstein y otros? ¿Qué parte de su cerebro es diferente en las personas comunes y geniales?

¿Es posible reprogramar el ADN para detener la muerte?

Si el tamaño de un efecto es significativo, ¿cuánto es significativo?

¿Cómo tratan los ensayos clínicos doble ciego con la falta de adherencia al tratamiento entre ciertos sujetos? ¿Cómo se puede detectar, medir y compensar esto?

¿Será posible algún día cultivar nuevos dientes a partir de células madre?

¿Cuáles son algunos de los mayores desafíos médicos que enfrenta la humanidad hoy en día?

¿Qué es la monitorización remota en la investigación clínica?

Investigación médica: ¿Cuál es el poder de gasto estimado de más de 800,000 médicos en los Estados Unidos?

Si suficientes pacientes con una afección (y parientes que no sufren) fueron secuenciados genéticamente con 23andme, ¿podría el análisis de datos ayudar a determinar una causa?

¿Qué recursos existen para evaluar las ventajas, desventajas y dificultades de las técnicas de investigación biológica?

¿Cuándo se realizó por primera vez la investigación con células madre y para qué se utilizó inicialmente?

¿Tenemos una cantidad fija de células madre?

¿Para qué debo estudiar en relación con la investigación médica humana: medicina, biología, MD / PhD u otro?

¿Alguien puede decirme qué es una célula madre?

¿Quiénes son los investigadores más importantes de células madre?