¿Qué fármacos se mencionan más frecuentemente en Twitter? (Pharmacovigilance 2.0)

Son conocidas las diversas aplicaciones basadas en el análisis de las Redes Sociales como Twitter o Facebook para monitorizar los brotes de ciertas enfermedades como la gripe o más recientemente el seguimiento de la evolución del Ebola (The Lancet: Ebola and the social media) a través por ejemplo, del análisis de los tuits y las características de los perfiles de sus tuiteros.

    Otra de las interesantes aplicaciones de estos análisis se relaciona con el conocimiento de cómo los usuarios de estas redes comparten información sobre las enfermedades que padecen o los efectos secundarios de los fármacos que toman. La Farmacovigilancia (o en este caso la Pharmacovigilance 2.0) está despertando gran interés últimamente y permitiría aplicar los conceptos clásicos de la vigilancia farmacológica en las redes sociales, como elemento alternativo y complementario a las vías institucionales de "drug safety" y "surveillance".

    En esta línea hemos realizado un estudio que presentamos en el Medical Informatics Europe 2015 en Madrid y que podéis ver publicado en MEDLINE con un enlace al texto completo del paper. Mediante la utilización del API de Twitte,r en una primera fase de este estudio obtuvimos de forma automatizada en tres semanas de seguimiento, cerca de 1,5 millones de tuits en los que se incluían los nombres comerciales de diversos medicamentos. Finalmente y tras filtrar la mención a medicamentos, eliminando los falsos positivos (falsas menciones), incluimos finalmente unos 100.000 tuits para el análisis. En la siguiente tabla se muestran los más frecuentemente mencionados:

Tabla con las categorías de medicamentos más nombrados en Twitter

    Como puede verse en dicha tabla, el número de sustancias más diversamente mencionadas fueron los fármacos antibacterianos, los antiinflamatorios y los agentes antineoplásicos. Igualmente realizamos un "heat map" que nos permitió comprobar que las menciones de los nombres comerciales de fármacos en los tuits se corresponden con las enfermedades que cabría esperar, por ejemplo antineoplásicos con cáncer de mama, antidepresivos y depresión. En general parece existir una correlación positiva entre determinados síntomas o enfermedades y los medicamentos asociados. Además un análisis más amplio nos puede permitir observar relaciones inesperadas o poco conocidas así como la aparición de interacciones medicamentosas.

Heat map sobre las correlaciones entre medicamentos y patologías asociadas

    Actualmente hemos ampliado el seguimiento a 6 meses y recogido más de 10 millones de tuits, cuyo análisis esperamos nos ofrezca nuevas informaciones y percepciones de interés en relación con la farmacovigilancia.

Big Data para la Reutilización de la Información Clínica en Investigación

La semana que viene se celebra uno de los congresos más importantes y de referencia mundial en medicina y bioinformática, el Medical Informatics Europe 2015, por primera vez en España y en Madrid, un gran acontecimiento!

La "reutilización de la información clínica para la investigación" es una de las áreas que más interés está despertando en los últimos años desde la implantación progresiva de la Historia Clínica Electrónica (HCE). Esencialmente se basa en analizar grandes volúmenes de información electrónica disponible en entornos clínicos para disponer de un mejor conocimiento que nos permita descubrir nuevos elementos para el diagnóstico y tratamiento de los pacientes.

Es cierto que estas tecnologías se acompañan también de controversias, ya que existen diversos aspectos relativos a la forma en cómo se utilizarán los datos o sobre la importancia de garantizar en todo momento la privacidad que son objeto de discusión (resumen debate sobre Bigdata de la Agencia Española de Protección de Datos). Un ejemplo reciente de esta polémica está en el proyecto VISC+ del departament de salud de la Generalitat de Catalunya. De hecho estamos hablando de Bigdata y por tanto nos encontramos ante las mismas oportunidades y desafíos.

En el MIE2015 presentamos un trabajo en el que mostramos la utilidad potencial que nos ofrecen estas herramientas y que deben revertir en una mejor atención a los pacientes. Como aperitivo os muestro esta bonita figura que hemos elaborado con mi colega Javier García @javigx2, que muestra la distribución de las 50 patologías más frecuentes (diversos colores) según la edad de nacimiento. Como podéis imaginar nos permite explorar fácilmente las patologías más frecuentes por edades, género, hospital, servicio, etc, etc. de más de 700.000 pacientes atendidos en nuestros hospitales (datos agregados y por tanto totalmente anónimos).

El ahorro en los costes sanitarios o la tan deseada integración de datos son algunas de las ventajas añadidas a la aplicación de Big data y la reutilización de datos clínicos. Aquí tenéis disponible el slideshare que resume los datos principales del trabajo que presentaremos desde nuestro grupo de investigación (GRIB) en el MIE2015:

Reuse of EHRs to support Clinical Research from Miguel Angel Mayer