Ética en la sintaxis, semántica y antropología de la informática en salud

Ética en la sintaxis, semántica y antropología de la informática en salud

¿Investigamos alojados en la Torre de Babel?

En los albores de la humanidad, cuando todos los hombres y mujeres compartían una sola lengua, decidieron construir una ciudad magnífica que sería el símbolo de su grandeza y unidad. En el corazón de esa ciudad, planeaban erigir una torre tan alta que su cima tocaría los cielos. Esta torre monumental sería conocida como la Torre de Babel.

¿Dialogar es humano. Estandarizar es divino?

El lenguaje es una de las facultades esenciales y distintivas del ser humano. Va más allá de un mero medio de comunicación; por el lenguaje nos comunicamos, pensamos, expresamos identidad, creatividad, evolución. Gracias al lenguaje hacemos medicina, investigamos, vivimos y sobrevivimos. Luego, consensuar con otro, podría estar en otra categoría azarosa o divina.

Entendernos cuando investigamos es casi divino.

La estandarización de datos observacionales (una suerte de lenguaje común para entendernos en la Torre de Babel) es esencial para asegurar la interoperabilidad y comparabilidad de datos provenientes de diversas fuentes. En el ámbito de la investigación en salud, la existencia de múltiples estándares facilita la integración, análisis y uso eficiente de datos, promoviendo así avances significativos en la investigación clínica y de resultados.

Poco se sabe sobre los idiomas de la Torre de Babel Informática. A continuación, presento algunos de los principales estándares globales para la estandarización de datos observacionales:

1. OMOP Common Data Model (OMOP CDM)

Organización: Observational Health Data Sciences and Informatics (OHDSI). Descripción: El OMOP CDM se enfoca en la conversión de datos de salud de diferentes sistemas en un formato estandarizado, facilitando análisis observacionales a gran escala. Es ampliamente utilizado en investigaciones de seguridad de medicamentos y estudios de resultados.

2. Sentinel Common Data Model

Organización: U.S. Food and Drug Administration (FDA). Descripción: Utilizado principalmente para la vigilancia activa de la seguridad de medicamentos y dispositivos médicos, el Sentinel CDM permite la integración y análisis de datos de múltiples fuentes.

3. PCORnet Common Data Model

Organización: Patient-Centered Outcomes Research Institute (PCORI). Descripción: Diseñado para facilitar la investigación clínica y de resultados centrada en el paciente, el PCORnet CDM estandariza datos clínicos y de reclamaciones para apoyar estudios observacionales y ensayos clínicos.

4. i2b2 (Informatics for Integrating Biology and the Bedside)

Organización: i2b2 tranSMART Foundation. Descripción: Plataforma de investigación biomédica que facilita la integración y análisis de datos clínicos y de investigación genética. Es utilizada en hospitales y centros de investigación para la investigación traslacional.

5. FHIR (Fast Healthcare Interoperability Resources)

Organización: Health Level Seven International (HL7). Descripción: Un estándar para el intercambio electrónico de información de salud, FHIR permite a los desarrolladores construir aplicaciones para el intercambio de datos clínicos entre diferentes sistemas de salud.

6. CDISC (Clinical Data Interchange Standards Consortium)

Organización: CDISC. Descripción: Desarrolla estándares para la recopilación, intercambio y archivo de datos clínicos y no clínicos en ensayos clínicos, incluyendo modelos como SDTM (Study Data Tabulation Model) y ADaM (Analysis Data Model).

7. LOINC (Logical Observation Identifiers Names and Codes)

Organización: Regenstrief Institute, Inc. Descripción: Un estándar universal para identificar observaciones clínicas en laboratorios, ensayos clínicos y documentos clínicos.

8. SNOMED CT (Systematized Nomenclature of Medicine -- Clinical Terms)

Organización: SNOMED International. Descripción: Un sistema de terminología clínica integral que cubre una amplia gama de términos clínicos y se utiliza para la codificación de datos de salud.

9. ICD (International Classification of Diseases)

Organización: Organización Mundial de la Salud (OMS). Descripción: Una clasificación estándar internacional para diagnósticos y procedimientos que facilita la comparabilidad internacional de datos de salud.

Organizarse en Comunidades.

Existen en diferentes regiones del mundo comunidades y grupos de task force orientados a promover y desplegar la conducta de la estandarización de datos en salud. Es que lo informático e interoperable, clama un consenso armonioso a los habitantes de la Torre de Babel, donde dos o más efectivamente se entiendan sintáctica, semántica y antropológicamente. Es que la Torre solo aloja a quienes comprenden el juego.

En Europa a modo de ejemplo existen grupos como:

1. Observational Health Data Sciences and Informatics (OHDSI): Una comunidad interdisciplinaria y de múltiples partes interesadas que busca extraer valor de los datos de salud mediante análisis a gran escala. OHDSI se basa en su modelo de datos común llamado Observational Medical Outcomes Partnership (OMOP) CDM, que es fundamental para mejorar la investigación observacional y obtener una comprensión integral de la salud y la enfermedad.

2. European Health Data & Evidence Network (EHDEN): Una asociación público-privada con el objetivo de construir una red federada a gran escala de datos de salud estandarizados al OMOP CDM. EHDEN proporciona apoyo financiero y técnico a instituciones para estandarizar sus datos, especialmente aquellos relacionados con pacientes de COVID-19, para mejorar la interoperabilidad y facilitar investigaciones colaborativas internacionales.

3. Taskforce de EHDEN: Especialistas en ETL (Extracción, Transformación y Carga) que apoyaron a los socios de datos en el proceso de conversión de sus datos al OMOP CDM. Este equipo fue fundamental para proporcionar orientación y apoyo técnico a lo largo del proceso.

Estas comunidades y organizaciones juegan un papel crucial en la estandarización de datos de salud, facilitando la interoperabilidad de diferentes fuentes de datos y mejorando la capacidad de realizar investigaciones colaborativas a nivel internacional.

En Latinoamérica:

OHDSI Latinoamérica: La comunidad de Observational Health Data Sciences and Informatics (OHDSI) tiene miembros y colaboradores en América Latina. Varias instituciones académicas y de investigación en la región han adoptado el OMOP Common Data Model y están participando en proyectos de investigación colaborativa.

Red de Salud Digital de las Américas (REDSDA): Esta red, promovida por la Organización Panamericana de la Salud (OPS), busca mejorar la interoperabilidad y el uso de datos de salud en la región. Aunque no se centra exclusivamente en la estandarización de datos, promueve prácticas que facilitan la integración y el análisis de datos de salud.

Instituto Nacional de Salud Pública de México (INSP): El INSP ha participado en varios proyectos de estandarización y análisis de datos de salud, colaborando con organizaciones internacionales y adoptando estándares globales para mejorar la calidad y la interoperabilidad de los datos.

Hospital Italiano de Buenos Aires: Este hospital en Argentina ha sido un pionero en la implementación de sistemas de información en salud y ha participado en proyectos internacionales relacionados con la estandarización de datos de salud.

Conclusión atada de cuestiones relativas

Asegurar los estándares y la interoperabilidad en la intermediación de componentes informáticos en la investigación es un tema moral, es un tema que le importa a la ética de la investigación y que ocupa a los Comités de Ética en Investigación (CEIs) a la hora de evaluar un Protocolo.

Pero, es un tema que debiera importar más aún más al Estado.

Cada uno de estos estándares desempeña un papel crucial en garantizar que los datos de salud sean consistentes, interoperables y reutilizables en diversas investigaciones y aplicaciones clínicas, promoviendo así una mejora continua en la calidad y efectividad de la atención médica. La continua evaluación y mejora de estos estándares por parte de la comunidad científica y las organizaciones de salud es fundamental para el desarrollo de una infraestructura de datos de salud robusta y eficiente.

Hay una posibilidad de investigar en la Torre de Babel. Si quieres saber más mg.consultores.miip@gmail.com

Por Maria Isabel Iñigo Petralanda *

(*) MBA/MBE Abogada Bioeticista especialista en Derecho de Salud, Marco Regulatorio y de Compliance tencologias modeladas por datos en salud e IA generativa en salud. Miembro y Coordinadora del Comite de Etica en Investigación de la UCA donde me ubicas en el Instituto de Bioetica miip@uca.edu.ar Entusiasta de los eurekas y las buenas preguntas. Mi lema: solo se que hoy se menos que ayer y que mañana tendre más preguntas. Mi personaje Favorito Mafalda. Ah ! no te olvides de anotarte en la Maestria en Bioetica UCA. https://uca.edu.ar/es/instituto-de-bioetica/maestria-en-etica-biomedica

Fuente: ETICA como topping