julio 2023

La Dirección General de Vigilancia de la Salud de Paraguay, lanzó un sistema de notificación de cáncer para mejorar la captura de información sobre la enfermedad. El Ministerio de Salud Pública y Bienestar Social (MSPBS) de Paraguay, busca cerrar las brechas a las que se enfrentan los pacientes con cáncer en el país. Para ello desde hace varios años han desarrollado diversas estrategias, incluyendo algunas que buscan aprovechar las tecnologías digitales.  Entre estas estrategias se encuentra VigiCanPy, el nuevo sistema de notificación de cáncer presentado recientemente. Gracias a VigiCanPy los profesionales médicos podrán obtener todos los datos de todos los sectores de salud del país, público, privado y mixto, con el objetivo de que la información refleje la problemática y las condiciones locales, ya que anteriormente se calculaban estadísticas aproximadas a través de datos de otros países. Es decir, esta herramienta facilita la captura de información para la vigilancia del cáncer en Paraguay y será de gran utilidad para realizar tareas relacionadas sobre la incidencia de esta enfermedad. Esta herramienta fue desarrollada por la Dirección General de Vigilancia de la Salud (DGVS), a través de la Dirección de Enfermedades No Transmisibles, que lleva a cabo el Registro y Vigilancia de Tumores. Gracias al trabajo en conjunto estas direcciones han logrado alcanzar diversos objetivos a nivel de marco regulatorio, de registro de cáncer poblacional y de cooperación internacional. En este sentido, VigiCanPy es un sistema innovador de captura de datos que integra principios de interoperabilidad de sistemas como el Health Information System (HIS), implementado en por el MSPBS desde hace varios años. Asimismo, es una herramienta que se construye a través de colaboraciones con organismos internacionales como la Agencia Internacional de Investigación de Cáncer de la Organización Mundial de la Salud (OMS) y programas sobre cáncer de Bloomberg Philanthropies. Una vez que comience a utilizarse esta herramienta, el MSPBS y sus diversas dependencias podrán realizar proyecciones, nuevas estimaciones o asociar factores de riesgo con la enfermedad, como el territorio, condiciones laborales, entre otras. Asimismo, como explicó el Dr. Guillermo Sequera, director de DGVS, durante la presentación de VigiCanPy, los datos serán públicos y de libre uso para centros de investigación de universidades de todo el país y otras instituciones como el Instituto Nacional del Cáncer. Sin embargo, reconoció que, aunque la informática es una herramienta muy útil, las tareas primordiales deben realizar desde el registro y captura de datos e información sobre esta enfermedad. Por otra parte, Luis Álvarez, director de la Dirección General de Tecnologías, Información y Comunicación (DGTIC) del MSPBS, reconoció que VigiCanPy, es ahora una de las herramientas más importantes que tiene el país en la lucha contra el cáncer. La DGTIC fue parte fundamental ya que en 2018 inició el proceso de transformación digital del sistema de salud tomando en cuenta las pautas y recomendaciones de la OMS/OPS. Uno de los principios del proceso de transformación aplicados en el proyecto de VigiCanPy es la interoperabilidad, conectando diversos sistemas de información, integrando datos de diversas fuentes y tecnologías, logrando la visualización de datos de pacientes con cáncer de manera segura y oportuna. Los datos se alojan en repositorios de salud del MSPBS tomando en cuenta estándares de interoperabilidad como HL7, lo que asegura la comunicación eficiente entre sistemas siempre cuidando la confidencialidad de los datos. De esta manera, Paraguay fortalece su sistema de vigilancia del cáncer aprovechando las ventajas de las tecnologías digitales y la informática. BIBLIOGRAFÍA MSPBS https://www.mspbs.gov.py/portal/27803/hoy-se-lanza-vigicanpy.html SOCIEDAD CIENTÍFICA DE PARAGUAY https://www.youtube.com/watch?v=RIzVD6dhqGE

La OPS y diversas organizaciones de cooperación internacional se encuentran apoyando la estrategia de República Dominicana para implementar el Modelo de Madurez del Sistema de Información para la Salud. El Ministerio de Salud de República Dominicana recibió apoyo de la Organización Panamericana de la Salud (OPS), del Banco Mundial y del gobierno de Japón, para la implementación del Sistema de Información para la Salud (IS4H). A través de esta colaboración crearon el taller sobre el “Modelo de Madurez del Sistema de Información para la Salud” cuyo objetivo es fortalecer la gobernanza y el análisis para la gestión de datos y tecnologías de información, innovación, monitoreo y gestión del conocimiento. La herramienta de evaluación de la madurez de los sistemas de información para la salud o IS4H-MMm es un marco de referencia que guía a los sistemas de información a través de su capacidad organizativa, gobernabilidad, gestión de datos, transformación digital, innovación y gestión del conocimiento. El IS4H-MM es parte del Plan del IS4H y sus cuatro objetivos estratégicos: Gestión de datos y tecnologías de la información; gestión y gobernanza; gestión e intercambio de conocimiento; e innovación y rendimiento. En este sentido, las autoridades sanitarias de República Dominicana, se encuentran ajustando su estrategia para implementar IS4H-MM. Miguel Rodríguez Viñas, viceministro de Fortalecimiento y Desarrollo del Sector Salud, explicó que el taller busca ofrecer los conocimientos necesarios para establecer las prioridades en materia de datos digitales. Además, detalló que dichos datos deben contribuir a tener información oportuna y de calidad sobre el sistema de salud del país. “Este ejercicio permitirá conocer la capacidad organizativa relacionada con los principales pilares de la herramienta, en el que se abordan aspectos como: gobernanza, gestión de los datos, estándares de calidad e interoperabilidad, infraestructura tecnológica, liderazgo, recursos humanos y financieros, además de la legislación y políticas, gestión del conocimiento y comunicación estratégica, salud digital, gobierno electrónico y gobierno abierto, entre otros, para facilitar el desarrollo de planes estratégicos basados en información oportuna y confiable”, expresó, Rodríguez Viñas. Por su parte, el Dr. Bernardino Vitoy, que se desempeña de manera interina como representante de la OPS, explicó que es la primera vez que se intenta implementar este tipo de herramientas en República Dominicana que busca establecer una visión unificada de los elementos que forman los sistemas de salud.  “El IS4H es un programa de trabajo que fue construido con y para los países que buscan fortalecer sus sistemas de información, mejorar procesos de gestión de datos, crear métodos de análisis, producción de escenarios, formulación de políticas y toma de decisiones informadas para el desarrollo de la salud pública”, explicó. Finalmente, Kota Sakagushi, representante de la Agencia Japonesa de Cooperación del Japón en República Dominicana, reconoció las debilidades estructurales del país en materia de datos digitales en salud, sin embargo, destacó el interés existente de alcanzar la madurez y consolidar un sistema de salud de calidad. BIBLIOGRAFÍA OPS https://www.paho.org/es/noticias/27-7-2023-ops-apoya-al-ministerio-salud-implementar-modelo-madurez-sistema-informacion

Google publicó un estudio en Nature en el cual investigadores examinaron el potencial real de los grandes modelos de lenguaje como PaLM. Recientemente Google publicó un estudio en Nature en el cual investigadores analizaron qué tan grandes pueden ser los modelos de lenguaje (LLM, en inglés) de inteligencia artificial (IA) generativa y cuál es su potencial en la respuesta de preguntas médicas. El estudio examinó los LLMs y el potencial de sus aplicaciones clínicas en la medicina. Para ello crearon un nuevo conjunto de datos denominado MultiMedQA que combina seis conjuntos de datos existentes de preguntas y respuestas médicas, que abarcan consultas profesionales, investigaciones y consultas de consumidores. Los autores propusieron un marco de evaluación humana para las respuestas del modelo en varios aspectos, como veracidad, comprensión, razonamiento, posibles daños y sesgos. Además, se evaluó el modelo Pathways Language Model (PaLM), un LLM con 540 mil millones de parámetros, y su variante ajustada para instrucciones, Flan-PaLM2, en MultiMedQA. En este sentido, Flan-PaLM logró una precisión en cada conjunto de datos de elección múltiple de MultiMedQA, superando el estado anterior en más del 17%. Sin embargo, la evaluación humana permitió revelar algunas limitaciones clave. De esta manera, para abordar estas limitaciones, introdujeron un enfoque llamado “instruction prompt tuning”, que es una forma eficiente de alinear LLMs con nuevos dominios usando ejemplos específicos. El modelo resultante, Med-PaLM, mostró resultados alentadores en su rendimiento sin embargo fue inferior al de los médicos. Asimismo, el estudio destacó que la comprensión, la recuperación del conocimiento y el razonamiento mejoraron con el tamaño del modelo y el ajuste de las instrucciones, lo que sugiere la utilidad potencial de los LLMs en medicina. Sin embargo, también se revelaron limitaciones en los modelos actuales, subrayando la importancia de desarrollar marcos de evaluación y métodos para crear LLMs seguros y útiles para aplicaciones clínicas. Entre las contribuciones alcanzadas a través de este estudio, los autores destacaron lo siguiente: La primera contribución clave es un enfoque para evaluar los LLMs en el contexto de preguntas médicas. HealthSearchQA, fue definido como un conjunto de datos de 3,173 preguntas médicas de consumidores comúnmente buscadas. Además, presentaron otros seis conjuntos de datos abiertos existentes para responder preguntas médicas, que abarcan exámenes médicos, investigaciones médicas y preguntas médicas de consumidores. Esto permitirá evaluar el conocimiento clínico y las capacidades de respuesta de los LLMs. La segunda contribución clave fue la capacidad de demostrar un rendimiento líder en los conjuntos de datos MedQA, MedMCQA, PubMedQA y MMLU utilizando Flan-PaLM. MedQA alcanzó una precisión del 67.6%; MedMCQA del 57.6%; y PubMedQA de 79%. Asimismo, la introducción del instruction prompt tuning, como una técnica sencilla y eficiente para alinear LLMs con el dominio médico de seguridad crítica fue otro de los logros de esta investigación. Esto permite conocer las limitaciones de cada modelo en términos de fundamentos científicos en sus respuestas. Los autores concluyeron que: “El advenimiento de los modelos básicos y los LLM presenta una oportunidad convincente para repensar el desarrollo de la IA médica y hacer que su uso sea más fácil, seguro y equitativo. Al mismo tiempo, la medicina es un dominio especialmente complejo para las aplicaciones de los LLM”. Asimismo, destacaron que su investigación ofrece una visión de las oportunidades desafíos en la aplicación de estas soluciones a la medicina. De igual manera, reconocen que este estudio también pretende generar más conversaciones y colaboraciones entre los actores, como pacientes, consumidores, la comunidad científica, legisladores y otras partes interesadas. Consulta el estudio completo en el siguiente enlace: https://www.nature.com/articles/s41586-023-06291-2 BIBLIOGRAFÍA NATURE https://www.nature.com/articles/s41586-023-06291-2