Health at a Glance: Europe 2024
A tots aquells que creuen que la despesa farmacèutica està sota control, cal que sàpiguen que el creixement mitjà anual durant una dècada als hospitals ha estat del 8%!!!
Health at a Glance: Europe 2024
Després de dècades compensant als hospitals per casuística hospitalària, ara finalment s'ha tocat de peus a terra. Així ho confirma aquest article on s'explica que pagar per cas no és la forma més desitjable ni eficient de retribuir l'activitat hospitalària. I fa molts anys que ja ho vam dir, tant com tres dècades, i en Guillem López-Casasnovas ho recorda en aquest text.
Cal trobar un equilibri entre els incentius a la productivitat i alhora als resultats en salut. Un incentiu excessiu a la quantitat afecta negativament a la qualitat. Per tant a Catalunya vam proposar el pagament ajustat per l'índex de casuística i no pagar per casuística. D'aquesta manera es compensa la complexitat però no s'incentiva l'activitat tal com fa el pagament per acte mèdic.
El suggeriment d'avui és doncs rellegir aquest article, per veure que el món revisa el que fa i ho corregeix, i per aquí aprop encara queda molt a fer en un sistema de pagament hospitalari desfasat, demodé, que requereix revisió urgent.
Els vasos comunicants de l’assegurança de salut
Publicat al Blog del Cercle de SalutLa difícil convivència entre els sistemes sanitaris públic i privat a Catalunya
Cal llegir aquest article d'en JMV Pons on s'explica la situació del sector privat sanitari a Catalunya i la seva relació amb el sistema sanitari públic. Reflecteix el que sabem amb les darreres dades i per tant mostra les contradiccions que ja he expressat en aquest blog moltes vegades. Quin sentit té pagar dues vegades per la mateixa cosa? La cobertura voluntària duplicada només s'explica si no funciona l'obligatòria i quan és un terç de la població que l'adopta, toca reflexionar.
Llegiu-lo, juntament amb els altres articles de comentaris que trobareu a la revista Annals de Medicina, i especialment el de Vicente Ortún on destaca dos aspectes clau del sistema públic a modificar, recursos humans i governança.
Fa uns dies vaig posar un resum d'un llibre sobre Canadà que explica la difícil relació públic-privat en assegurança sanitària. El que es mostra allà és força més radical i com a la Colúmbia Britànica van prohibir l'assegurança privada voluntària de prestacions ja cobertes pel sector públic obligatòriament.
El tema clau, al meu entendre, es troba en com esvaïr la pràctica dual, el fet que els mateixos metges treballin en ambdós sistemes. Mentre aquesta qüestió tingui la força del 40% que en dic jo, 40% de metges que treballen al sector privat i públic alhora, aquest tema anirà a mal borràs, queda dit aquí i avui. El que cal fer per reduir el 40% ha estat explicat repetidament, i comença per modificar els incentius a l'esforç al sistema públic, compensar i respectar acuradament.
L'Eric Topol ens ofereix un resum d'alta qualitat per entendre el moment que viu la ciència mitjançant la intel·ligència artificial.
Impressionant. Aquesta és la llista de grans models de llenguatge en ciències de la vida (LLLMs):
Evo. This model was trained with 2.7 million evolutionary diverse organisms (prokaryotes—without a nucleus, and bacteriophages) representing 300 billion nucleotides to serve as a foundation model (with 7 billion parameters) for DNA language, predicting function of DNA, essentiality of a gene, impact of variants, and DNA sequence or function, and CRISPR-Cas prediction. It’s multimodal, cutting across protein-RNA and protein-DNA design.
Figure below from accompanying perspective by Christina Theodoris.
Human Cell Atlas A collection of publications from this herculean effort involving 3,000 scientists, 1,700 institutions, and 100 countries, mapping 62 million cells (on the way to 1 billion), with 20 new papers that can be found here. We have about 37 trillion cells in our body and until fairly recently it was thought there were about 200 cell types. That was way off—-now we know there are over 5,000.
One of the foundation models built is Single-Cell (SC) SCimilarity, which acts as a nearest neighbor analysis for identifying a cell type, and includes perturbation markers for cells (Figure below). Other foundation models used in this initiative are scGPT, GeneFormeR, SC Foundation, and universal cell embedding. Collectively, this effort has been called th “Periodic Table of Cells” or a Wikipedia for cells and is fully open-source. Among so many new publications, a couple of notable outputs from the blitz of new reports include the finding of cancer-like (aneuploid) changes in 3% of normal breast tissue, representing clones of rare cells and metaplasia of gut tissue in people with inflammatory bowel disease.
BOLTZ-1 This is a fully open-source model akin to AlphaFold 3, with similar state-of-the-art performance, for democratizing protein-molecular interactions as summarized above (for AlphaFold 3). Unlike AlphaFold 3 which is only available to the research community, this foundation model is open to all. It also has some tweaks incorporated beyond AlphaFold 3, as noted in the preprint.
RhoFold For accurate 3D RNA structure prediction, pre-trained on almost 24 million RNA sequences, superior to all existing models (as shown below for one example).
EVOLVEPro A large language protein model combined with a regression model for genome editing, antibody binding and many more applications for evolving proteins, all representing a jump forward for the field of A.I. guided protein engineering.
PocketGen A model dedicated to defining the atomic structure of protein regions for their ligand interactions, surpassing all previous models for this purpose.
MassiveFold A version of AlphaFold that does predictions in parallel, enabling a marked reduction of computing time from several months to hours
RhoDesign From the same team that produced RhoFold, but this model is for efficient design of RNA aptamers that can be used for diagnostics or as a drug therapy.
MethylGPT Built upon scGPT architecture, trained on over 225,000 samples, it captures and can reconstruct almost 50,000 relevant methylation CpG sites which help in predicting diseases and gauging the impact of interventions (see graphic below).
CpGPT Trained on more than 100,000 samples, it is the optimal model to date fo predicting biological (epigenetic) age, imputing missing data, and understanding biology of methylation patterns.
PIONEER A deep learning pipeline dedicated to the protein-protein interactome, identifying almost 600 protein-protein interactions (PPIs) from 11,000 exome sequencing across 33 types of cancer, leading to the capability of prediction which PPIs are associated with survival. (This was published 24 October, the only one not in November on the list!)