LA VANGUARDIA. La UC3M traduce lenguaje coloquial sobre salud a datos informáticos | El sistema repasa tuits, blogs y textos sanitarios con menciones sobre diferentes fármacos
Las redes sociales, los blogs de salud y los archivos de historias clínicas pueden convertirse en una nueva vía para detectar los efectos adversos de los medicamentos gracias a un sistema de algoritmos desarrollado por investigadores de la Universidad Carlos III de Madrid (UC3M) que traduce los comentarios coloquiales que puedan hacer médicos o pacientes en lenguaje informático, es decir, en datos capaces de ser sistematizados y analizados por ordenador. "Lo que hemos conseguido, a través de tecnología de procesamiento de lenguaje natural, es que el ordenador entienda y sistematice los fármacos, enfermedades y reacciones adversas que se mencionan en los centenares de miles de mensajes relacionados con la salud que se escriben en Twitter y blogs como Saluspot para que personal clínico o farmacéutico pueda hacer un seguimiento y fijarse en los datos que sean de su interés", explica Paloma Martínez, profesora del departamento de Informática de la UC3M.
El sistema, desarrollado en el marco del proyecto de investigación europeo TrendMiner y en colaboración con la empresa Daedalus, analiza los tuits en tiempo real y registra la evolución de las menciones sobre distintos fármacos y las concurrencias, es decir, qué términos aparecen vinculados. "Inicialmente nos centramos en ansiolíticos y antidepresivos porque había mucha actividad en Twitter sobre ellos, y vimos que además de detectar qué fármacos y qué efectos se mencionan, el sistema evidenciaba información sobre automedicación, sobre combinaciones peligrosas que hacen los pacientes entre fármacos y alcohol, temas de intercambio o venta de fármacos a través de la red...", apunta Martínez, que enfatiza la importancia que esta información puede tener para que las farmacéuticas sepan lo que se está diciendo de sus productos o para recabar sospechas sobre reacciones adversas que complementen la notificaciones recibidas por los canales convencionales.
Emili Esteve, director técnico de Farmaindustria -la asociación que representa a la industria farmacéutica en España- asegura que toda la nueva información que proporcione el big data puede ser interesante y útil en el futuro, pero opina que aún es demasiado incipiente y que el contenido de los tuits o comentarios de los pacientes están poco documentados para poder evaluarlos. "A veces los pacientes confunden síntomas con patología, la terminología que emplean no es clara, hay comentarios duplicados porque se retuitean... y los estándares de la industria para evaluar las reacciones adversas son más estrictos, han de estar documentados y poder confirmarlos con un profesional sanitario", detalla.
Martínez explica que precisamente ese ha sido el reto de su procesador lingüístico, conseguir interpretar la terminología -expresiones como "me deja ko"-, las abreviaturas -benzos por benzodiacepinas- y las faltas de ortografía y erratas con que los pacientes se refieren los fármacos. El sistema se está aplicando ahora a las notas, informes de radiología o historias clínicas redactadas como texto libre en un hospital de Madrid.
Los investigadores de la UC3M focalizaron su trabajo en las reacciones adversas de los medicamentos a la vista de que son un problema importante de salud y de que no siempre se detectan durante los ensayos clínicos previos a su comercialización.