0 calificaciones0% encontró este documento útil (0 votos)
17 vistas2 páginas
La medicina personalizada integra datos moleculares y clínicos de cada paciente para desarrollar un diagnóstico y tratamiento precisos basados en la taxonomía molecular única de la enfermedad de ese paciente. Se utilizó primero en oncología y genética para analizar la variabilidad genética que afecta la respuesta a los tratamientos. Requiere tecnologías avanzadas como el análisis de datos masivos, la inteligencia artificial y los gemelos digitales para procesar y aplicar esta información personalizada en la práctica cl
La medicina personalizada integra datos moleculares y clínicos de cada paciente para desarrollar un diagnóstico y tratamiento precisos basados en la taxonomía molecular única de la enfermedad de ese paciente. Se utilizó primero en oncología y genética para analizar la variabilidad genética que afecta la respuesta a los tratamientos. Requiere tecnologías avanzadas como el análisis de datos masivos, la inteligencia artificial y los gemelos digitales para procesar y aplicar esta información personalizada en la práctica cl
La medicina personalizada integra datos moleculares y clínicos de cada paciente para desarrollar un diagnóstico y tratamiento precisos basados en la taxonomía molecular única de la enfermedad de ese paciente. Se utilizó primero en oncología y genética para analizar la variabilidad genética que afecta la respuesta a los tratamientos. Requiere tecnologías avanzadas como el análisis de datos masivos, la inteligencia artificial y los gemelos digitales para procesar y aplicar esta información personalizada en la práctica cl
La medicina personalizada es un concepto que cada vez se usa más en la medicina,
representa integración de datos moleculares (sistemas biológicos) con datos clínicos de cada paciente para desarrollar una taxonomía molecular precisa de la enfermedad con lo que se mejora la precisión diagnostica y tratamiento. Conceptualmente la medicina personalizada y la medicina de precisión son idénticas, ambos conceptos se centran en el individuo y la enfermedad o en un grupo más grande de individuos con las mismas características patológicas/fisiológicas.
La primera utilización de la medicina personalizada fue en oncología y genética,
particularmente en genómica, una rama de la genética que estudia la respuesta a ciertos tratamientos dependientes de la variabilidad genética. Si bien en la actualidad las tecnologías permiten el análisis e identificación de biomarcadores, se estima que una cuarta parte de los tratamientos presentan variabilidad genética, esta información no se utiliza en la práctica diaria. La medicina personalizada puede verse como la integración de información de múltiples fuentes para recrear al individuo completo basándose únicamente en la información recopilada, es decir, los grandes datos. Esta información requiere un procesamiento y almacenamiento especial para poder acceder a ella con precisión y combinarla de tal manera que los resultados del análisis puedan trasladarse a la práctica clínica. Por lo tanto, se requieren tecnologías y métodos de procesamiento específicos para poder aplicar tratamientos, pronósticos o medidas preventivas personalizadas en la práctica diaria. Por ejemplo: Análisis topológico de datos, inteligencia artificial, digital twins ( este concepto se basa en un modelo matemático que puede resumir la fisiología única de un individuo y crear tratamientos personalizados), sistema de Información Geográfica Humana, Tecnologías “Omics”, estas tecnologías implican una amplia gama de evaluaciones de un conjunto de datos moleculares y cada categoría de datos puede proporcionar una lista de alteraciones consistentes con la enfermedad estudiada, lo que brinda una idea de las vías y procesos biológicos.
Este concepto se basa en un modelo matemático que puede resumir la fisiología
única de un individuo y crear tratamientos personalizados.
Algunas recomendaciones para aplicación de medicina personalizada:
-Es imperativo que los modelos traslacionales preclínicos se evalúen y desarrollen
para garantizar que capturen aspectos clínicamente relevantes de la enfermedad y estén dirigidos a la predicción del resultado del tratamiento o la prevención. -La selección de modelos preclínicos debe basarse en la evidencia y los investigadores deben demostrar conocimiento de las limitaciones del modelo o modelos al interpretar los resultados.
-Se deben usar varios modelos, para representar diferentes características de la
enfermedad cuando se aborda una enfermedad compleja.
-La presentación de informes y el intercambio de datos transparentes y confiables
deben ser un requisito tanto para el sector académico como para el comercial para mejorar la calidad, la credibilidad y la capacidad de respuesta de la investigación.
-Todas las partes interesadas deben asegurarse de que la educación y la
capacitación de los investigadores promuevan métodos para una investigación preclínica reproducible y de alta calidad.
-El desarrollo y la infraestructura de centros traslacionales interdisciplinarios
centrados en el paciente deben contar con el apoyo de fondos públicos específicos.
-Todas las partes interesadas deben asegurarse de que la educación y la
capacitación de los investigadores promuevan métodos para una investigación preclínica reproducible y de alta calidad.