El 'big data', un aliat contra el càncer

Segons l'OMS, el càncer és la segona causa de mort en el món: 9 milions de persones moren anualment a causa d'aquesta malaltia. I cada vegada se'n diagnostiquen més casos. Només a Espanya es calcula que el 2019 es van diagnosticar un 12% més de nous casos de càncer que quatre anys enrere, segons les dades de la Societat Espanyola d'Oncologia Mèdica (SEOM). La prevenció i el tractament eficaç són les úniques eines per a aturar-lo. I les dades massives (big data), un bon aliat per a aconseguir-ho. «Una mateixa malaltia no afecta de la mateixa manera a tothom, hi ha uns quants factors que cal tenir en compte: la genètica de la persona, el sistema sanitari que el tracta, l'entorn on viu, els seus hàbits, la seva actitud davant la vida... Avui dia, les tècniques de big data ens poden permetre recollir, integrar i analitzar dades de tots aquests factors i tenir una visió de 360 graus de les malalties que tenim, de la nostra salut i de com evoluciona», explica Jordi Conesa, professor dels Estudis d'Informàtica, Multimèdia i Telecomunicació de la Universitat Oberta de Catalunya (UOC). «Això ens permetrà entendre millor les malalties, la progressió que tenen i els detonants que les generen, personalitzar els tractaments i predir factors de risc molt abans», afirma.

Per aquest motiu les dades s'han convertit en un dels tresors més cobejats. Un estudi d'IBM calculava que el 2020 es farien servir 25.000 petabytes d'informació relacionada amb la salut en forma de dades amb les quals es pot avançar en la lluita contra les malalties. Aquesta xifra significa un increment del 5.000% en comparació de vuit anys enrere i ha estat possible gràcies als recursos que s'hi destinen. Segons l'informe Global Big Data in Healthcare, el 2022 la inversió en la indústria de les dades massives en l'entorn de la salut serà de 30.000 milions d'euros.

La raó del fet que una gran part de la recerca contra el càncer cada vegada estigui més relacionada amb les tècniques de dades massives són les possibles aplicacions d'aquesta eina, que admet moltes possibilitats: des d'ajudar en la presa de decisions en els tractaments oncològics fins a predir com pot evolucionar el càncer en un pacient, passant per apuntar quin tipus d'acció cal seguir per a una prevenció efectiva. Una mostra d'això són els projectes en què participa des de fa sis anys Open Evidence, una empresa nascuda de la UOC. «Durant aquest temps hem creat una plataforma que ens permet fer big data. Per això hem pogut desenvolupar una aplicació amb Badalona Serveis Assistencials que permet fer cohorts de pacients a partir d'informació digital, un projecte que va servir per a donar suport a un pla d'acció per a la prevenció del càncer a la ciutat. Posteriorment vam començar a treballar amb l'Institut Català d'Oncologia, el Pla director d'oncologia i el Departament de Salut de la Generalitat de Catalunya per transformar el text lliure dels informes d'anatomia patològica en codis SNOMED, de manera que aquesta informació es pot integrar i analitzar amb altres dades per a donar suport al disseny i l'anàlisi de polítiques de prevenció i tractament del càncer. Per a fer aquesta anàlisi es van utilitzar més de 80.000 informes d'anatomia patològica», assenyala Francisco Lupiáñez Villanueva, professor dels Estudis de Ciències de la Informació i de la Comunicació de la UOC i cofundador d'Open Evidence. «Un cop les dades estan codificades, les aplicacions són infinites: des d'analitzar l'efectivitat dels tractaments fins a identificar noves oportunitats, si tenim en compte els biomarcadors recollits en aquests informes», assenyala.

Equips multidisciplinaris

Fa només uns quants mesos, a finals de setembre, experts de tot el món discutien en el congrés internacional del Centre Nacional de Recerques Oncològiques (CNIO) espanyol com l'anàlisi de quantitats ingents de dades sobre cada càncer podia ajudar a ampliar els efectes de la immunoteràpia i a prevenir fenòmens com la metàstasi o la resistència a les teràpies. Llavors els experts advertien que una clau per a integrar la intel·ligència artificial en l'oncologia estava en la consolidació d'equips multidisciplinaris formats per matemàtics, físics, químics, enginyers, metges i altres professionals.

Francisco Lupiáñez Villanueva està d'acord amb això i recorda que, malgrat que les dades massives permetin avançar en la investigació de la malaltia, és només una eina. «El big data no és màgia. És capacitat de processament de la informació i models matemàtics. A partir d'aquí, la qualitat de la dada és important, i també ho és l'accés a les dades i el treball en equip amb els metges i els professionals sanitaris. El que hem desenvolupat és una metodologia per a poder anar de la dada a l'acció, però d'una manera realista i factible», afirma Lupiáñez Villanueva.

La seva opinió és compartida per Jordi Conesa, que adverteix que els metges i els investigadors «fa molt de temps que analitzen dades per entendre, prevenir i tractar les malalties. La diferència ara és que la quantitat de dades és més gran, més variada, i tenim tècniques per a integrar i analitzar dades de diverses fonts, cosa que requereix equips més multidisciplinaris».

Conesa, que és expert en tractament de dades, ho il·lustra amb un exemple: «Suposem que les dades són aliments: aquests aliments els cuinem i els ingerim diàriament a casa nostra. En aquest cas, les eines necessàries no haurien de ser gaire complexes ni difícils de gestionar. Però què passaria si haguéssim de cuinar (i servir) per a dos-cents comensals? Seria impossible fer-ho sols en la nostra cuina. D'una banda, el nombre d'aliments augmentaria significativament i això incrementaria el nombre d'eines necessàries: cassoles, fogons, espai de neveres, ganivets, etc. I de l'altra, no podríem processar i cuinar sols; necessitaríem un conjunt de persones, amb rols diferents (xefs que coordinessin el procés, cuiners, ajudants de cuina...), treballant de manera col·laborativa per a la preparació i la cocció dels aliments. En aquest cas, com que els aliments (dades) són molt més voluminosos, no es poden processar de la manera normal, es requereixen eines i processos més complexos, que és el que passa en els entorns de big data. L'important aquí no és el big data, sinó utilitzar dades rellevants (aliments de qualitat) i tenir un equip multidisciplinari ben coordinat (l'equip de cuina) per a analitzar-los bé i generar informació de valor (els plats resultants)», conclou.