Generación automatizada de modelos de evaluación económica para enfermedades raras basada en ontologías

Résumé

La actual legislación española requiere que se realicen evaluaciones económicas (estudios que comparan dos o más intervenciones en función de sus costes y resultados) para ayudar a tomar una decisión informada antes de la inclusión de una nueva tecnología sanitaria en un programa de salud. Aunque una evaluación económica puede plantearse como parte de un ensayo clínico, cada vez es más habitual el uso de modelos de simulación debido a ventajas como su flexibilidad, la posibilidad de combinar la mejor evidencia de diferentes fuentes o la capacidad de alcanzar límites temporales o legales que con los ensayos no es posible. El uso de estos modelos plantea una serie de desafíos al equipo investigador, empezando por la recopilación, síntesis y tratamiento de los datos necesarios para alimentar los modelos; el desarrollo del modelo computacional, especialmente cuando se emplean determinados paradigmas más complejos, como la simulación de eventos discretos; o la dificultad de la transferencia de resultados a otros contextos. Para poder disponer de unos parámetros de calidad con los que alimentar los modelos de simulación, es necesaria la recopilación y síntesis de grandes cantidades de datos, proceso que consume una elevada cantidad de tiempo y esfuerzo, sin que su reutilización se suela plantear como objetivo por parte del equipo investigador. Esto lleva a esfuerzos cíclicos y repetitivos, no solo por parte del mismo equipo investigador, sino de equipos diferentes enfrentados al mismo o similar problema de salud. Esta casuística se agrava mucho más en el caso particular de las enfermedades raras, puesto que el proceso de síntesis de datos es más costoso al ser más escasas las fuentes, lo que tiende a repercutir en la calidad de los parámetros de entrada a los modelos. En este trabajo de tesis, se plantea como hipótesis fundamental que la automatización (total o parcial) de algunas de las fases de desarrollo de un modelo de evaluación económica para enfermedades raras puede reducir las dificultades que estos desafíos suponen a los equipos de investigación en este dominio. Para ponerla a prueba, se ha establecido un marco de trabajo que ha permitido alcanzar diferentes contribuciones que se presentan en este documento como compendio de publicaciones, y que se pueden resumir en: 1. Desarrollo de un repositorio de tipo ontológico que permita persistir el conocimiento recopilado a partir de datos e información necesaria para la elaboración de diversos tipos de modelos orientados a las evaluaciones económicas de tecnologías sanitarias en enfermedades raras. 2. Desarrollo de un método que permita, de forma automática, la generación de modelos sencillos, del tipo de árboles de decisión, a partir de los datos, información y conocimiento almacenado en la ontología diseñada. 3. Desarrollo de un método que permita, de forma automática o semiautomática, la generación de modelos complejos, del tipo de simulación de eventos discretos, a partir de los datos, información y conocimiento almacenado en la ontología diseñada. Para la primera contribución, se realizó una búsqueda, en la literatura disponible, de repositorios candidatos a ser utilizados como base para la generación automática de los modelos de simulación más habituales en evaluaciones económicas en salud pública para enfermedades raras. Aunque existían repositorios que almacenaban cierta información relacionada con enfermedades raras, esta no era completa ni útil para el propósito que se le exigía, por lo que se diseñó un repositorio en forma de ontología capaz de almacenar el conocimiento requerido, de manera que pudiera ser empleado en la construcción automatizada de modelos de simulación. El repositorio, que ha sido bautizado como RaDiOS (Rare Disease Ontology for Simulacion), almacena el conjunto de parámetros necesarios para la generación de un modelo de simulación, recopilados de la revisión de la literatura científica disponible. Para el desarrollo del repositorio se han aplicado las mejoras prácticas en diferentes metodologías en diseño ontológico en un proceso iterativo hasta llegar a una ontología madura. El repositorio, que es de libre distribución, está diseñado para ser interoperable, extensible, y permitir inferir conocimiento del ya almacenado, avanzando hacia una mejor transferibilidad de las evaluaciones económicas a diferentes contextos con un menor esfuerzo. Para la segunda contribución, se diseñó y validó un framework capaz de construir modelos de simulación del tipo árbol de decisión para intervenciones simples en enfermedades raras a partir del conocimiento almacenado en el repositorio. Para ello, se realizó una revisión de los parámetros iniciales con los que se diseño RaDiOS para dotarlo de aquellos elementos que permitieran la generación automatizada de estos modelos. Finalmente, como tercera contribución principal de esta tesis, y siguiendo la misma metodología que con la contribución anterior, se adaptó el framework para que permitiera generar modelos de simulación más complejos, empleando el paradigma de simulación de eventos discretos. Para llevar a cabo la validación de los modelos de simulación generados con cualquiera de los paradigmas, se emplearon técnicas de validación cruzada, validación aparente y la comparación directa con modelos publicados en la literatura científica si se encontraban disponibles. Si bien fue necesario ceñirse a ejemplos relativamente sencillos, los resultados obtenidos de las tareas de validación demostraron que el conocimiento almacenado en la ontología era suficiente para generar modelos que obtuvieran resultados similares a los creados manualmente. De estas contribuciones se deriva que es posible la generación automatizada de modelos de simulación para la evaluación de intervenciones sanitarias en enfermedades raras. Además, la línea de investigación queda abierta para futuras contribuciones, bien sea para la generalización de la metodología para cualquier tipo de enfermedad o intervención; bien sea para la incorporación de nuevas funcionalidades que exploten la capacidad de inferencia a partir de la ontología.