T-Rx: A toolbox for reproducible processing of prescriptions (Rx) stored in electronic health record databases

Imagina que eres un detective tratando de resolver un misterio sobre por qué algunas personas mejoran de una enfermedad mientras otras no. Para hacer esto, necesitas una biblioteca masiva de pistas. En el mundo de la medicina moderna, estas pistas están escondidas dentro de las "Historias Clínicas Electrónicas" (EHR, por sus siglas en inglés)—los cuadernos digitales que los médicos usan para anotar qué te pasa y qué medicina te recetan. Pero aquí está la parte difícil: estos cuadernos digitales son desordenados. Un médico podría escribir "tomar dos pastillas de 500 mg", mientras que otro escribe "tabletas de 500 mg, cantidad 2", y un tercero podría simplemente garabatear "dosis alta". Es como intentar leer una historia donde cada página está escrita con una letra y un idioma diferentes.

Los científicos también tienen "biobancos": gigantescos cofres del tesoro que contienen muestras de ADN e historias personales de cientos de miles de personas. Cuando intentan combinar las desordenadas notas médicas con el cofre del tesoro del ADN, se topan con un muro. No pueden averiguar fácilmente cuánta medicina tomó una persona exactamente o durante cuánto tiempo. Sin esta imagen clara, es difícil ver si un fármaco específico está funcionando, si alguien es resistente a él o si la dosis importa. Este artículo presenta una nueva herramienta diseñada para limpiar esa letra desordenada y convertir esas notas dispersas en una historia clara y legible que cualquiera pueda usar para resolver el misterio de los resultados del tratamiento.

Conoce a T-Rx, la navaja suiza digital para los datos de prescripción. Piensa en él como un traductor y organizador superinteligente que vive dentro de un programa informático llamado R. Su trabajo es tomar los garabatos caóticos y no estructurados que se encuentran en las historias clínicas electrónicas y convertirlos en datos ordenados y pulcros que los investigadores realmente puedan utilizar. Los autores construyeron T-Rx porque notaron que, aunque tenemos montones de datos, carecemos de una forma estándar de procesarlos. Actualmente, si un investigador quiere estudiar cómo reacciona la gente a los antidepresivos, tiene que escribir su propio código complejo para averiguar qué significa "500 mg" en una nota específica. Otro investigador que estudie lo mismo podría escribir un código totalmente diferente. Esto hace que sea imposible comparar sus resultados, como dos chefs intentando comparar recetas cuando están utilizando tazas de medir diferentes.

T-Rx resuelve esto con tres "módulos" principales, o herramientas, que trabajan juntos como una línea de ensamblaje de una fábrica.

Primero, está el Módulo de Extracción e Imputación. Imagina que estás viendo una prescripción que dice "Amoxicilina 500 mg cápsula". T-Rx utiliza un conjunto especial de reglas (llamadas "expresiones regulares", que son como patrones de búsqueda y encuentro) para rastrear los números y las unidades. Captura el "500" y el "mg" y los coloca en una caja ordenada. Si a la nota le falta un número, T-Rx tiene un segundo truco bajo la manga llamado "imputación". Es como un detective llenando los espacios en blanco basándose en lo que tiene sentido. Por ejemplo, si un médico escribe "tomar una tableta" pero olvida escribir la concentración, T-Rx puede buscar la concentración estándar para ese fármaco y completarla. El equipo probó esto con datos reales del UK Biobank y el Clinical Practice Research Datalink (CPRD). Descubrieron que para los antidepresivos, T-Rx podía extraer con éxito la concentración de aproximadamente el 85% de las notas de inmediato, y después de usar su truco de "llenar los espacios en blanco", obtuvo la concentración de más del 99% de ellas. Eso es una mejora enorme respecto a dejar los datos desordenados.

Segundo, el Módulo de Constatación de Exposición actúa como una cámara de lapso de tiempo (time-lapse). Las prescripciones en una base de datos suelen ser solo una lista de eventos aislados: "El paciente recibió una pastilla el lunes", "El paciente recibió una pastilla el martes". Pero en la vida real, las personas toman medicinas durante un periodo de tiempo. Este módulo toma esos puntos dispersos y los conecta para dibujar una línea sólida, mostrando exactamente cuándo estuvo el paciente realmente "expuesto" al fármaco. Determina si dos prescripciones se superponen (lo que significa que el paciente tenía un suministro continuo) o si hubo un vacío. Permite a los investigadores ver todo el viaje del tratamiento, no solo instantáneas aisladas.

Finalmente, el Módulo de Fenotipado es el "narrador de historias". Una vez que los datos están limpios y organizados, esta herramienta ayuda a los investigadores a hacer preguntas específicas. Por ejemplo, puede identificar instantáneamente la "Depresión Resistente al Tratamiento" (TRD). En el pasado, definir la TRD requería un código complejo para verificar si un paciente cambió de fármaco al menos dos veces durante un episodio. T-Rx tiene comandos predefinidos que hacen esto en una sola línea de código. También puede detectar cuándo un paciente cambia de un fármaco a otro. Los autores demostraron que, al usar estas herramientas, pudieron convertir listas de prescripciones brutas en perfiles claros de pacientes que cambiaron de fármaco o de aquellos que no respondieron al tratamiento.

El artículo no afirma que T-Rx sea perfecto o que funcione en todo el mundo todavía. El equipo admite que solo lo probó con datos del Reino Unido (específicamente el UK Biobank y el CPRD). No han comprobado si funciona con datos de otros países donde los médicos podrían escribir las notas de manera diferente. Sin embargo, sugieren que, debido a que T-Rx es de código abierto (lo que significa que cualquiera puede mirar el código y mejorarlo), otros científicos pueden ayudar a expandirlo. También señalan que, mientras que otras herramientas utilizan inteligencia artificial compleja para leer las notas, T-Rx utiliza métodos basados en reglas más simples que son más rápidos y fáciles de verificar, lo que lo convierte en un excelente punto de partida para cualquiera que quiera estudiar cómo funcionan los medicamentos en el mundo real.

En resumen, T-Rx es una caja de herramientas que convierte el mundo desordenado y confuso de las notas de prescripción digitales en un conjunto de datos limpio y organizado. No descubre nuevos fármacos ni cura enfermedades por sí solo, pero proporciona a los científicos los datos claros y fiables que necesitan para finalmente comprender por qué los tratamientos funcionan para algunas personas y no para otras. Al hacer que estas herramientas sean gratuitas y fáciles de usar, los autores esperan ayudar a los investigadores de todo el mundo a dejar de reinventar la rueda y empezar a comparar sus hallazgos para resolver el gran rompecabezas de la salud humana.