Modelos predictivos aplicados a trayectorias de pacientes que padecen diabetes mellitus

Abstract

[ES] En la actualidad, cada vez es más extendido el uso de las nuevas tecnologías en las ciencias de la vida. En particular, una herramienta que se está empezando a desarrollar en medicina son los modelos predictivos. Esto es debido a una mayor facilidad de acceso a la tecnología que tienen los profesionales de la medicina y a los prometedores resultados del análisis masivo de datos biomédicos. La diabetes mellitus es una enfermedad compleja, crónica y generalmente evolutiva. Debido a la gran cantidad de personas que padecen esta incurable enfermedad, la diabetes ha derivado en un problema serio de salud pública, siendo una de las principales causas de muerte en el mundo. De la búsqueda de información paralela a la proporcionada por los médicos que los pacientes realizan surgen diferentes fuentes de información como por ejemplo plataformas de comunicación entre pacientes o incluso las redes sociales. En concreto, la diabetes se sitúa entre las primeras enfermedades con mayor presencia en redes sociales. Hoy en día, los profesionales de la salud y las entidades son conscientes de esta tendencia y se han adaptado divulgando contenido informativo y educacional entre las diferentes fuentes de internet. La explotación de estas fuentes de datos no estructuradas de información relacional masiva permitiría el descubrimiento de factores compuestos asociados a la evolución de enfermedades de larga duración, como la diabetes, aportando información complementaria a las historias clínicas asistenciales. El objetivo de este proyecto es diseñar y desarrollar un módulo que permita la generación de redes de términos médicos estandarizados a partir de las conversaciones de foros de pacientes con diabetes. Con dicha red, queremos caracterizar los elementos más relevantes de la trayectoria clínica de la diabetes desde el punto de vista de los pacientes, y por lo tanto complementaria a la ruta asistencial. Nuestro modelo consiste, básicamente, en una asociación múltiple de los términos médicos más relevantes y ocurrentes extraídos automáticamente de redes sociales mediante análisis de lenguaje natural. Dicha relación se ilustra mediante un grafo ponderado de ocurrencias. Todo esto se basa en vivencias que personas con diabetes han experimentado a lo largo de su vida como paciente y que, más tarde, han detallado en diferentes foros para diabéticos. El impacto del módulo desarrollado es analizar y predecir relaciones entre factores reportados por pacientes con diabetes, que pueden ser de interés para anticipar complicaciones en la trayectoria de pacientes con diabetes mellitus.

[EN] Nowadays, the use of new technologies in the life sciences is becoming more widespread. In particular, a tool that is beginning to be developed in medicine is predictive models. This is due to a greater ease of access to technology that medical professionals have and to the promising results of the massive analysis of biomedical data. Diabetes mellitus is a complex, chronic and generally evolutionary disease. Due to the large number of people who suffer from this incurable disease, diabetes has led to a serious public health problem, being one of the leading causes of death in the world. From the search for information parallel to that provided by the doctors that the patients carry out, different sources of information arise, such as communication platforms between patients or even social networks. The exploitation of these unstructured data sources of massive relational information would allow the discovery of compound factors associated with the evolution of long-lasting diseases, such as diabetes, providing complementary information to healthcare medical histories. The objective of this project is to design and develop a module that allows the generation of networks of standardized medical terms from the conversations of diabetes patients’ forums. We want to characterize the most relevant elements of the clinical trajectory of diabetes from the point of view of patients. Our model basically consists of a multiple association of the most relevant and occurring medical terms automatically extracted from social networks through natural language analysis. This relationship is illustrated by a weighted graph of occurrences. All this is based on experiences that people with diabetes have experienced throughout their lives as patients and that they have later detailed in different forums for diabetics. The impact of the module developed is to analyse and predict relationships between factors reported by patients with diabetes, that may be of interest to anticipate complications in the trajectory of patients with diabetes mellitus.

[CA] En l’actualitat, cada vegada és més extens l’ús de les noves tecnologies en les ciències de la vida. En particular, una ferramenta que s’està començant a desenvolupar en medicina són els models predictius. Açò és degut a una major facilitat d’accés a la tecnología que tenen els professionals de la medicina i als prometedors resultats de l’anàlisi massiu de dades biomèdiques. La diabetes mellitus es una enfermetat complexa, crónica i generalment evolutiva. Degut a la gran cantitat de persones que pateixen aquesta incurable enfermetat, la diabetes ha esdevingut un seriós problema de salut pública, sent una de les principals causes de mort al món. De la cerca d’informació paral·lela a la proporcionada pels metges que els pacients realitzen sorgeixen diferents fonts d’informació, com per exemple plataformes de comunicació entre pacients o fins i tot les reds socials. Concretament, la diabetes es situa entre les primeres enfermetats amb major presencia en reds socials. Hui per hui, els professionals de la salut i les entitats són conscients d’aquesta tendencia i s’han adaptat divulgant contingut informatiu i educatiu per les diferents fonts d’internet. L’explotació d’aquestes fonts de dades no estructurades d’informació relacional massiva permetria el descobriment de factors compostos associats a l’evolució d’enfermetats de llarga duració, com la diabetes, aportant informació complementària a les històries clíniques assistencials. L’objectiu d’aquest projecte és dissenyar i desenvolupar un mòdul que permeta la generació de xarxes de termes mèdics estandaritzats a partir de les converses de fòrums per a persones amb diabetes. Amb aquesta xarxa, volem caracteritzar els elements més rellevants de la trajectòria clínica de la diabetes des del punt de vista dels pacients, i per tant complemetària a la ruta asistencial. El nostre model consisteix, bàsicament, en una associació múltiple dels termes mèdics més rellevants i ocurrents trets automàticament de xarxes socials mitjançant anàlisi de llenguatge natural. Aquesta relació s’escenifica mitjançant un graf ponderat d’ocurrències. Tot açò es basa en vivències que persones amb diabetes han experimentat al llarg de la seua vida com a pacient i que, més tard, han detallat en diferents fòrums per a diabètics. L’impacte del mòdul desenvolupat es analitzar i predir relacions entre factors reportats per pacients amb diabetes, que poden ser d’interés per a anticipar complicacions en la trajectòria de pacients amb diabetes mellitus.