Gran parte de los datos sanitarios están fuera del alcance de los investigadores en determinados países, lo que frena el descubrimiento y la innovación.
Las políticas gubernamentales deben tener en cuenta las capacidades tecnológicas para que pueda desbloquearse el verdadero potencial de los datos.
Cada día se generan más datos sobre nuestra salud. Datos que, si se analizan, podrían ser la clave para desbloquear curas para enfermedades raras, ayudarnos a gestionar nuestros factores de riesgo para la salud y aportar pruebas para las decisiones de política pública. Sin embargo, debido a la naturaleza altamente sensible de los datos sanitarios, gran parte de ellos está fuera del alcance de los investigadores, lo que frena el descubrimiento y la innovación. El problema se agrava aún más en el contexto internacional, cuando los gobiernos desean, de forma natural, proteger la privacidad de sus ciudadanos y, por tanto, restringen la circulación de datos sanitarios a través de las fronteras internacionales. Para afrontar este desafío, los gobiernos deberán adoptar un enfoque especial para la elaboración de políticas que tenga en cuenta las nuevas capacidades tecnológicas.
Comprender los silos de datos
Los datos se convierten en silos por una serie de razones bien fundamentadas, que van desde restricciones en las condiciones de uso (por ejemplo, comerciales, no comerciales, específicas de una enfermedad, etc.), normativas impuestas por los gobiernos (por ejemplo, Safe Harbor, privacidad, etc.) y la imposibilidad de obtener el consentimiento informado de poblaciones históricamente marginadas.
Sin embargo, los datos en silos también plantean una serie de problemas para los investigadores que buscan que esos datos sean útiles para la población en general. Los silos, por ejemplo, impiden a los investigadores acceder a la información más actualizada o a los conjuntos de datos más diversos y completos. Pueden ralentizar el desarrollo de nuevos tratamientos y, por tanto, reducir los hallazgos clave que pueden conducir a tratamientos o curas muy necesarios.
Incluso cuando se superan estos desafíos, los casos de uso indebido de los datos (cuando los datos sanitarios se utilizan para explorar temas no relacionados con la salud o sin el consentimiento de una persona) siguen erosionando la confianza pública en las mismas instituciones de investigación que dependen de dichos datos para avanzar en el conocimiento médico.
Resolver este problema mediante la tecnología
Se está desarrollando tecnología diseñada para proteger mejor los datos y descentralizarlos a fin de hacer frente a muchos de estos desafíos. Técnicas como el cifrado homomórfico (un criptosistema que cifra los datos con una clave pública) y la privacidad diferencial (un sistema que aprovecha la información sobre un grupo sin revelar detalles sobre las personas) permiten proteger y centralizar los datos, a la vez que distribuyen el control de su uso entre las partes que custodian los respectivos conjuntos de datos.
Los datos federados aprovechan un tipo especial de sistema de gestión de bases de datos distribuidas que puede ofrecer un enfoque alternativo para centralizar datos codificados sin trasladar los conjuntos de datos entre jurisdicciones o instituciones. Este enfoque puede ayudar a conectar fuentes de datos teniendo en cuenta la privacidad. Para reforzar aún más la confianza en el sistema, puede aplicarse un modelo federado que devuelva los datos codificados con el fin de evitar la distribución no autorizada de datos y de los conocimientos derivados de la actividad de investigación.
Cabe señalar que, en cualquier debate sobre el análisis de datos agregados, existen desafíos relacionados con la fusión de datos entre conjuntos de datos, entre estudios distintos, entre silos de datos y entre instituciones. Pese a que existen varias normas de datos que podrían utilizarse, la mayoría de los datos se encuentran dentro de modelos de datos a medida creados para un único fin, en lugar de para facilitar el intercambio y la fusión de datos. Además, incluso cuando los datos se han incorporado a un modelo de datos normalizado (por ejemplo, la Global Alliance for Genomics and Health ofrece algunos modelos para normalizar datos sanitarios sensibles), muchos conjuntos de datos siguen estando definidos de forma muy restrictiva. Con frecuencia carecen de identificadores compartidos que permitan combinar datos de distintas fuentes en una fuente de datos agregada coherente y útil para la investigación. En un modelo de centralización de datos, la fusión de datos puede abordarse mediante la curación de cada conjunto de datos, mientras que en un modelo federado la fusión de datos resulta mucho más compleja.
Abordar las preocupaciones éticas
Independientemente de las soluciones tecnológicas y arquitectónicas que se utilicen actualmente, existen varios desafíos éticos de carácter general que deben ser considerados y abordados por las sociedades profesionales y los comités de titularidad. El más sencillo es la atribución profesional de todos los colaboradores (casos y controles, si se quiere) en el corpus de datos. Los resultados de la investigación suelen depender tanto de los positivos como de los negativos; son los controles o los «normales» los que proporcionan el contraste necesario para identificar los positivos.
El segundo desafío ético es garantizar el reconocimiento adecuado y la procedencia. Dar prioridad a los creadores en los metadatos de un recurso, por encima de las citas y atribuciones posteriores, puede garantizar la transparencia y la autenticidad, así como asegurar que la propiedad intelectual se comparta. Además, comprender quiénes son los titulares de los derechos sobre los datos puede garantizar que sus derechos se tengan en cuenta al compartir los datos.
Este tema está en debate activo gracias al movimiento FAIR en favor de la ciencia abierta y el intercambio de datos, un movimiento impulsado por académicos, financiadores y editoriales para garantizar que los datos puedan ser localizables, accesibles, interoperables y reutilizables. Aun así, el problema está lejos de resolverse por completo, y los retos en este ámbito siguen complicando actividades que van desde la publicación de investigaciones hasta el análisis de datos para nuevos avances.
"Para desbloquear verdaderamente el potencial de los nuevos datos y tecnologías, las comunidades de investigación tendrán que reevaluar sus modelos de gobernanza en un contexto de normativas de privacidad en constante evolución a escala mundial."
Scott Kahn, director de Información (CIO) de LunaPBC
Una cuestión ética importante, poco debatida, se refiere al proceso mediante el cual los colaboradores que aportan datos pueden compartir las recompensas que puedan derivarse del uso de sus datos para la investigación y el descubrimiento. En un modelo institucional de control de datos, las instituciones venden o conceden licencias de acceso a conjuntos de datos sin tener en cuenta a los colaboradores que aportan los datos como beneficiarios. Si los datos se federan, cada conjunto de datos distribuido podría tener una estructura de tarifas diferente para el acceso a los datos, que podría tener que considerarse en las decisiones sobre qué datos acceder para cada proyecto de investigación. Cada institución colaboradora utilizará criterios distintos para asignar un valor intrínseco que podría sesgar la investigación en función de la economía, en lugar de estar optimizada para el descubrimiento. Además, esta práctica de las instituciones no reconoce las aportaciones de las personas sobre las que se recopilan los datos ni fomenta la devolución de resultados que podrían tener hallazgos clínicamente relevantes. Esta falta de atribución no está en consonancia con el reconocimiento de que los datos de las personas tienen valor y de que cada persona debería estar vinculada a este valor intrínseco en el futuro.
Mirando hacia el futuro
Para desbloquear verdaderamente el potencial de los nuevos datos y tecnologías, las comunidades de investigación tendrán que reevaluar sus modelos de gobernanza en un contexto de normativas de privacidad en constante evolución a escala mundial. Este enfoque podría conciliar los datos controlados por las instituciones con los derechos de las personas, en nombre de los ciudadanos de los datos.
Cabe argumentar que poner el control de los datos en manos de la persona aborda muchas de las cuestiones relacionadas con la confianza. Históricamente, la falta de confianza ha limitado la participación en la investigación, en detrimento de las comunidades más amplias que necesitan terapias y tratamientos mejorados.
Esta reevaluación de los modelos de gobernanza también debería extenderse a las consideraciones sobre cómo se comparten las recompensas de los descubrimientos de la investigación, a fin de reconocer adecuadamente las aportaciones de quienes proporcionan los datos.
Además, los gobiernos de todo el mundo pueden dejar espacio en sus marcos normativos para promover técnicas de intercambio de datos preparadas para el futuro. Estas podrían tener en cuenta las técnicas de aprendizaje federado que facilitan el intercambio de análisis de datos a escala internacional sin que los datos tengan que trasladarse. Dada la sensibilidad en torno a los datos sanitarios, este es un paso adelante importante para garantizar que los silos puedan romperse sin comprometer el control.
Este mes, el Foro Económico Mundial lanzó la Hoja de ruta para los flujos de datos transfronterizos, en la que se identifican una serie de buenas prácticas de todo el mundo para ayudar a los gobiernos a desarrollar políticas de flujos de datos transfronterizos con visión de futuro. Las recomendaciones pueden aplicarse a la colaboración regional e internacional en materia de datos, así como a la innovación en tecnologías intensivas en datos. La Hoja de ruta destaca específicamente soluciones tecnológicas, como el aprendizaje federado, como clave para desbloquear plenamente el potencial de los datos en aplicaciones como la investigación e innovación en datos sanitarios internacionales. Más adelante este verano, el 22 de julio, el Foro también publicará un modelo de gobernanza de datos federados específico para la genómica.
Este tipo de orientación puede ayudar a los gobiernos a desarrollar las herramientas políticas que logran el delicado equilibrio necesario para desbloquear el valor de los datos, garantizando al mismo tiempo que existan salvaguardas adecuadas para el intercambio de datos. Con esta orientación, los investigadores y el público en general pueden beneficiarse más plenamente de los flujos de datos y conocimiento, y seguir el ritmo de los avances de la Cuarta Revolución Industrial.
