El potencial adictivo e incremento de su uso han obligado a promover estrategias para prevenir el trastorno por consumo de
opioides de prescripción (TCOP). La heterogeneidad de los casos hace imprescindible el uso de técnicas sofisticadas para una detección temprana. Objetivo: Desarrollar, mediante el uso de técnicas de inteligencia artificial, un modelo de predicción de riesgo TCOP en dolor crónico no oncológico (DCNO), evaluando su implementación en el Sistema Nacional.
Métodos: Proyecto colaborativo nacional (6 CCAA) en 3 fases.
Fase 1. Accesibilidad al modelo web/aplicación con Shiny y ShinyMobile.
Fase 2. Evaluar la implementación clínica: ensayo aleatorizado, doble ciego, controlado (DCNO, n=210, t=0, t=3 meses) selección y/o ajuste de dosis opioide modelo vs. rutina asistencial que incluye marcadores biomoleculares y el estudio de la interacción sexo/género. Comunicación de resultados. Actividades formativas. Análisis: Capacidad predictiva modelo. Mejoras con técnicas de aprendizaje supervisado. Evaluación coste-efectividad desde la perspectiva SNS. La traslación clínica del modelo impactará en un uso más eficiente de opioides, aumentando su seguridad, eficacia, adherencia y calidad de vida de los pacientes, y contribuyendo así a la sostenibilidad del SNS.
