Las enfermedades profesionales (EP) son una causa frecuente de morbi-mortalidad en nuestro país. La responsabilidad de asistencia de las EP corresponde por ley mayoritariamente a las mutuas, pero, al pasar la mayor parte de las mismas desapercibidas como Enfermedad Común (EC), es el sistema público de salud quien asume su atención y la Seguridad Social quien costea dichas prestaciones. Esta falta de identificación es mayor cuanto más grave es la enfermedad, siendo el caso extremo el de los cánceres de origen laboral.

El prototipo de Deep Diver diseñado para la detección de enfermedades profesionales relacionadas con el amianto detectó 4.207 sospechas validadas con una precisión altísima (AUC ROC= 0,983), muy por encima del objetivo (AUC ROC= 0,80). Este prototipo rastreó más de 250.000 historias clínicas electrónicas del histórico de un Área de Salud con una alta exposición a asbesto. De todos estos pacientes se incluyeron episodios codificados de Atención Primaria y diagnósticos codificados en hospital, así como texto libre de los dos ámbitos. Se aplicaron técnicas de big data, inteligencia artificial y procesamiento de lenguaje natural. Se entrenó el algoritmo con Random Forest.

Por tanto, se cuenta con una solución validada en entorno real, pero no comercializada para el caso de EEPP relacionadas con el amianto (TRL=7).

El reto es extender el éxito del primer prototipo al resto de EEPP, no relacionadas con la exposición al amianto, para las cuales, en base al estado del arte analizado, el TRL se sitúa en 4.  El objetivo es constituir grupos funcionales de validación para cada grupo de EEPP como una nueva solución específica hasta hacerla llegar a TRL 7 o superior.