Analítica predictiva o cómo optimizar el patient journey

Con el fin de ofrecerte un mejor servicio, PMFARMA utiliza cookies. Al continuar navegando por el sitio, aceptas el uso de las mismas.  Acepto
Celebramos 25 años
Enviar a un amigo
Noviembre 2017


Analítica predictiva o cómo optimizar el patient journey

En los últimos años estamos asistiendo a la aparición de nuevas compañías situadas en la intersección de la innovación biofarmacéutica y el cuidado al paciente, alimentadas por datos. Big data, un concepto de moda al que no terminamos de hacer justicia, ya que datos = conocimiento, y, en nuestro sector, conocimiento significa “tener poder para proporcionar el mejor cuidado”.


Por Diana Kvaternik. General Manager. Havas Health & You España.

Se trata de empresas que, en algunos casos, parten del sector de la Inteligencia o la Defensa, y que en la actualidad están transformando activamente la manera en que la industria farmacéutica identifica y conecta con los pacientes y los proveedores de salud.

¿Suena a ciencia ficción?
No tanto. El sector sanitario es, sin duda, uno de los que más tiene que ganar con la gestión (recopilación, almacenaje y análisis) de estos datos. Un informe del McKinsey Global Institute, ya en 2011, calculó que si el sistema sanitario de Estados Unidos lograse procesar adecuadamente todos los datos almacenados en sus registros, reduciría sus gastos en un 8%, lo que supondría un ahorro de 200.000 millones de dólares.1

Y es que la información de la que disponemos, aunque no esté todavía adecuadamente interconectada y organizada, ya es objeto de análisis predictivos por parte de empresas de servicios, como aseguradoras, con el objetivo en su caso de evaluar probabilidades de un uso intensivo de los recursos en un futuro.

Asimismo, la gestión sanitaria busca mejorar la asistencia, vía optimización de recursos y reducción de costes, apoyándose en modelos predictivos que ayudan a conocer las necesidades futuras de la sociedad y los pacientes.

Pero vayamos un paso más adelante, ¿o debería decir más atrás?
En el complejo mercado sanitario actual, alcanzar el éxito de un producto pasa por optimizar el patient journey, el proceso que un paciente recorre desde que percibe sus primeros síntomas hasta que llega a ser tratado adecuadamente.

En la mayoría de los casos, este recorrido comienza en el momento del diagnóstico, el cual pone en marcha una serie de acciones, empezando por la selección del tratamiento, que incluye la elección del producto, el acceso al mismo y, potencialmente, el cambio (switch) de tratamiento.

El patient journey sigue este recorrido porque en la actualidad su punto de partida es el diagnóstico…o así era, hasta ahora
Porque la nueva era de los modelos predictivos nos permite ir hacia atrás, retroceder hasta el primer síntoma, la primera receta, el primer profesional sanitario consultado, sea cual sea… hasta ese punto en el que aún nadie conoce el diagnóstico, y nos permite, así, empezar esta historia mucho antes.

Los algoritmos utilizados se adaptan desde otras disciplinas donde ya han demostrado su flexibilidad y capacidad, inherente a su diseño. Diversos estudios demuestran cómo estas herramientas son capaces de localizar pacientes con enfermedades raras a partir de bases de datos complejas (como pueden ser las de una aseguradora). Son herramientas analíticas que se pueden aplicar a distintas fuentes de datos para identificar determinadas subpoblaciones de pacientes, de interés para pagadores o instituciones sanitarias. Ayudan a los pagadores a controlar los gastos, proveen de información valiosa a los profesionales sanitarios, y contribuyen a que los pacientes reciban el mejor cuidado posible y ajustado a sus necesidades. Los procesos analíticos nos capacitan para entender dónde se encuentran los pacientes incluso antes de ser diagnosticados, y nos facilitan predecir dónde estarán en el futuro.

Es decir, si antes los modelos predictivos nos ayudaban a predecir las necesidades de recursos del sistema sanitario para poder después gestionarlos de forma óptima, ahora nos permiten reclutar pacientes para un estudio clínico, o localizar pacientes naif para expandir la cuota de mercado… En definitiva, nos descubren un amplio rango de nuevas oportunidades, para así reducir el sufrimiento del paciente, conduciéndolo al camino adecuado para llegar al diagnóstico correcto, de manera que pueda acceder al tratamiento que necesita en el momento más efectivo.

Así, creamos un mundo en el que los pacientes no tendrán que buscar su tratamiento: el tratamiento los encontrará a ellos.2 Y es que, como decía Julio Verne, “todo lo que un hombre pueda imaginar, otro podrá hacerlo realidad”.

FUENTES:
1. Kvanz D, Sredzinski M y Tadlock C. Predictive Analytics: A CaseStudy in Machine-LEarning and Claims Databases. Am J Pharm Benefits. 2016;8(6):214-219.
2. https://www.hvhprecision.com/ Acceso 17 de julio, 2017.

Escribe tu comentario
Debes estar unido a PMFARMA para participar. Únete o haz login