Un estudio liderado por la Politécnica de València mejora la interpretación de datos clínicos y la atención al paciente
La investigación permite representar de forma más clara y comprensible los itinerarios asistenciales registrados en las historias clínicas
Carlos Fernández Llatas (UPV): "La metodología desarrollada permite explotar los datos disponibles de forma más eficaz"
El código iframe se ha copiado en el portapapeles
València
Un equipo de investigadores de la Universitat Politècnica de València, junto con la Universitat Jaume I, ha desarrollado una nueva forma de analizar los datos que se recogen en las historias clínicas electrónicas para poder ver más clara cómo ha sido el recorrido de cada paciente y facilitar diagnósticos y tratamientos.
La investigación permite representar de forma más clara y comprensible los itinerarios asistenciales registrados en las historias clínicas electrónicas.
Carlos Fernández Llatas, investigador del grupo SABIEN del Instituto ITACA de la Universitat Politècnica de València, lidera este estudio, validado en un caso de uso centrado en el tratamiento de pacientes con cáncer de próstata.
La creciente digitalización del sistema sanitario ha convertido las historias clínicas electrónicas (HCE) en una valiosa fuente de información para comprender y optimizar los procesos asistenciales. No obstante, su gestión efectiva sigue siendo un reto.
Adaptado al contexto clínico
En este contexto, el equipo liderado por Fernández Llatas, en colaboración con la Universitat Jaume I, ha desarrollado un innovador enfoque de Minería de Procesos (Process Mining, PM) adaptado específicamente al ámbito clínico. Esta metodología permite representar de forma más clara y comprensible los itinerarios asistenciales registrados en las HCE.
El trabajo, publicado recientemente en la revista Journal of Biomedical Informatics, propone una nueva metodología basada en técnicas declarativas que incorporan el conocimiento experto al análisis de datos clínicos. De este modo, se supera una de las principales limitaciones históricas de la minería de procesos: la complejidad de los modelos generados en contextos con actividades repetidas. El objetivo es facilitar la exploración interactiva de procesos reales a partir de los datos registrados en las HCE.
“Este enfoque permite, por primera vez, integrar de forma interactiva el conocimiento clínico en el proceso de descubrimiento, generando modelos que reflejan con mayor precisión la realidad de los tratamientos y mejoran su interpretación por parte del personal médico y gestor”, destaca Carlos Fernández Llatas.
La Minería de Procesos
La Minería de Procesos es una disciplina consolidada en sectores industriales y administrativos, pero su aplicación en el ámbito sanitario presenta importantes desafíos. Las particularidades del entorno clínico —como la gran variabilidad entre pacientes, la repetición de actividades (pruebas, ciclos de tratamiento, visitas) y la complejidad del registro asistencial— generan modelos excesivamente densos e ininteligibles, conocidos como “efecto espagueti”, que dificultan su uso práctico por parte del personal clínico y gestor.
“Los modelos obtenidos con técnicas estándar no reflejan fielmente la lógica de los algoritmos clínicos ni las decisiones terapéuticas reales. Esto impide que los profesionales puedan interpretarlos o utilizarlos para mejorar la atención”, señala Fernández Llatas.
Las novedades
El nuevo enfoque permite que el personal sanitario participe activamente en el desarrollo de modelos, superando las limitaciones que imponía la presencia continua de actividades repetidas. Para ello, se basa en expresiones declarativas: reglas flexibles y comprensibles que definen condiciones clave del proceso.
La metodología incorpora funcionalidades innovadoras —como hitos, circuitos y regiones protegidas— que permiten diferenciar etapas críticas (por ejemplo, antes y después de una cirugía), identificar trayectorias terapéuticas específicas o aislar regiones relevantes del proceso para su análisis independiente.
La validación se ha realizado en un caso de uso centrado en el tratamiento de pacientes con cáncer de próstata, utilizando datos sintéticos de Simulacrum, una base generada a partir de registros oncológicos reales del sistema nacional británico. El estudio se centró en pacientes tratados con Docetaxel, uno de los fármacos más habituales en este tipo de tumores.
Los resultados muestran que los modelos generados tras incorporar conocimiento experto son mucho más comprensibles, estructurados y útiles para analizar las trayectorias de los pacientes, identificar desviaciones, detectar oportunidades de mejora y apoyar la toma de decisiones clínicas.
“Hemos demostrado que es posible generar modelos que reflejan con precisión distintos patrones terapéuticos, como la administración de quimioterapia antes o después de la cirugía, y que los profesionales pueden interactuar con el sistema para refinar estos modelos según su experiencia clínica”, explica Fernández Llatas.
Sigue toda la última hora en el canal de Whatsapp de Radio Valencia: haz clic aquí y suscríbete para recibir toda la información y la actualidad del día en tu móvil.
