Esta realidad justifica que la Unión Europea, a través de sus programas de investigación, haya impulsado el proyecto Back-Up [1] (Personalised Prognostic Models to Improve Well-being and Return to Work After Neck and Low Back Pain) con el objetivo de desarrollar una herramienta tecnológica que permita un manejo y seguimiento más eficaz y eficiente de los pacientes con este tipo de dolencias. En el proyecto, que coordina el Instituto de Biomecánica de Valencia, participan once entidades, entre las que figura GMV en calidad de líder industrial y socio tecnológico.
Como anuncia Javier Téllez, Manager de innovación de Secure e Solutions de GMV la compañía acaba de desplegar su plataforma de medicina no presencial “Antari Home Care” en la que se integran modelos predictivos que permiten al especialista evaluar el riesgo de que el paciente desarrolle dolor de espalda en 2 y 6 meses, anticipando cuál será su capacidad funcional en este periodo de tiempo, así como la probabilidad de que tenga una baja laboral en los próximos 6 meses”. La plataforma desarrollada por GMV recoge datos de pacientes con dolores de espalda y cuello, los armoniza y ofrece conclusiones a los especialistas para diseñar tratamientos personalizados y monitorizar la evolución de la enfermedad.
Se espera que Back-Up permita maximizar los beneficios aportados por el tratamiento, así como reducir el sobretratamiento y el daño asociado en aquellos que presentan un perfil de riesgo bajo. Esta herramienta permitirá además reducir los costes asistenciales relacionados con el dolor cervical y lumbar y algo también muy relevante, aumentará la productividad en el puesto de trabajo con todo lo que ello conlleva en términos de eficiencia y competitividad.
Plataforma Antari Home Care
La plataforma de GMV Antari Home Care trabaja con modelos predictivos desarrollados por lo socios del proyectos que se basan en la representación digital de información clínica multidimensional, que incluye datos personales, de salud física y psicológica, factores conductuales y socioeconómicos con incidencia en un posible dolor cervical y lumbar. También contempla parámetros fisiológicos del paciente, así como factores de riesgo en el lugar de trabajo y estilo de vida en general para ayudar a extraer evidencia clínica.
Como explica Javier Téllez, “la plataforma desarrollada por GMV que ha sido adaptada al proyecto Back-Up incorporando datos y aportaciones de los distintos miembros proporciona datos pronósticos de dolor, discapacidad, funcionalidad, así como apoyo para desarrollar una rehabilitación eficaz que facilite al paciente el regreso al trabajo con una gestión corresponsable de su dolencia, incluyendo planes personalizados adaptados a cada uno”.
En este sentido, se han aplicado técnicas de Inteligencia Artificial basadas en Machine Learning para crear modelos pronósticos y otros basados en técnicas in silico (simulaciones, modelizaciones, experimentos o análisis realizados con algoritmos de simulación). El objetivo es la obtención de evidencia en base a datos procedentes de información clínica de variada naturaleza con origen en distintas fuentes.
Entre algunos de los datos sobre los que se trabaja para lograr la recuperación de personas que padecen estos dolores y su reincorporación a la vida laboral, cabe mencionar los resultados reportados por el paciente (Reported Patient Outcomes) con la plataforma de medicina no presencial, a distancia, desarrollada por GMV: Antari Home Care. [2]
Pronóstico sobre la probabilidad y tiempo de recuperación dependiendo del tratamiento; riesgo de recurrencia; simulación de la función muscoloesquelética afectada durante y después de la recuperación, así como costes asociados a los tratamientos de recuperación y baja laboral, son algunos de los datos que se obtendrán de la investigación realizada en el marco de este proyecto de innovación e investigación Horizonte 2020.
[2] http://backup-project.eu/?cat=
* Back Up es un proyecto que ha recibido financiación del programa de investigación e innovación Horizon 2020 de la Unión Europea en virtud del acuerdo de subvención Nº 777090.