La plataforma desarrollada por GMV recoge datos de pacientes con dolores de espalda y cuello, los armoniza y ofrece conclusiones a los especialistas para diseñar tratamientos personalizados y monitorizar la evolución de la enfermedad.

Diferentes estudios realizados en la Unión Europea determinan que el dolor cervical y lumbar es la principal causa de discapacidad en todo el mundo, figurando como el más discapacitante en la actividad cotidiana del individuo (cerca del 70% de los adultos experimentan dolor cervical o lumbar en algún momento de su vida). Por otro lado los profesionales sanitarios en general precisan de mayor información para una monitorización y seguimiento adecuados y para poder predecir con seguridad el resultado de un tratamiento.

Esta realidad justifica que la Unión Europea, a través de sus programas de investigación, haya impulsado el proyecto Back-Up (Personalised Prognostic Models to Improve Well-being and Return to Work After Neck and Low Back Pain) con el objetivo de desarrollar una herramienta tecnológica que permita un manejo y seguimiento más eficaz y eficiente de los pacientes con este tipo de dolencias. En el proyecto, que coordina el Instituto de Biomecánica de Valencia, participan once entidades, entre las que figura GMV en calidad de líder industrial y socio tecnológico.

GMV acaba de desplegar su plataforma de medicina no presencial Antari Home Care en la que se integran modelos predictivos que permiten al especialista evaluar el riesgo de que el paciente desarrolle dolor de espalda en 2 y 6 meses, anticipando cuál será su capacidad funcional en este periodo de tiempo, así como la probabilidad de que tenga una baja laboral en los próximos 6 meses. La plataforma desarrollada por GMV trabaja con modelos predictivos desarrollados por lo socios del proyectos que se basan en la representación digital de información clínica multidimensional, que incluye datos personales, de salud física y psicológica, factores conductuales y socioeconómicos con incidencia en un posible dolor cervical y lumbar. También contempla parámetros fisiológicos del paciente, así como factores de riesgo en el lugar de trabajo y estilo de vida en general para ayudar a extraer evidencia clínica.

Se han aplicado técnicas de Inteligencia Artificial basadas en machine learning para crear modelos pronósticos y otros basados en técnicas in silico (simulaciones, modelizaciones, experimentos o análisis realizados con algoritmos de simulación). El objetivo es la obtención de evidencia en base a datos procedentes de información clínica de variada naturaleza con origen en distintas fuentes.

Se espera que Back-UP permita maximizar los beneficios aportados por el tratamiento, así como reducir el sobretratamiento y el daño asociado en aquellos que presentan un perfil de riesgo bajo. Esta herramienta permitirá además reducir los costes asistenciales relacionados con el dolor cervical y lumbar y algo también muy relevante, aumentará la productividad en el puesto de trabajo con todo lo que ello conlleva en términos de eficiencia y competitividad.

* Back-UP es un proyecto que ha recibido financiación del programa de investigación e innovación Horizon 2020 de la Unión Europea en virtud del acuerdo de subvención Nº 777090