Transferencia de datos de investigación médica: colaboración segura

La transferencia de datos de investigación médica significa mover datasets desidentificados o limitados entre centros académicos, centros coordinadores, laboratorios centrales y repositorios públicos, cumpliendo el RGPD artículo 89 (salvaguardas para investigación científica), el Reglamento 536/2014 de ensayos clínicos de la UE, y el Acuerdo de Uso de Datos (DUA) que rige el estudio. Los archivos van desde una exportación de 5 MB de REDCap hasta un archivo BAM de genómica de 2 TB, y el método de transferencia cambia en consecuencia —Globus para genómica, un portal web seguro aprobado por el comité de ética para el dataset limitado, una transferencia web cifrada para las revisiones de historiales ad hoc que caen entre esas categorías.

El Acuerdo de Uso de Datos marca las reglas

Antes de que mueva un byte, el DUA entre instituciones dicta lo que está permitido. Un DUA típico de un estudio multicéntrico especifica:

• Elementos de datos incluidos (reglas de desplazamiento de fechas, truncamiento de código postal a 3 dígitos, limitación de edad en 89 años)
• Requisitos de almacenamiento en el sitio receptor (cifrado en reposo, control de acceso)
• Método de transferencia (SFTP sobre VPN, SCP con autenticación de clave pública, portal web aprobado)
• Prohibición de reidentificación y reglas de supresión de celdas pequeñas
• Período de revisión antes de la publicación
• Fecha y método de destrucción

Cuando el DUA dice "transferir mediante el portal seguro designado por el promotor", use ese portal aunque sea más lento que el endpoint Globus de su institución. Cuando el DUA guarda silencio sobre el método, recurra a los mecanismos aprobados por el comité de ética de su institución. No invente un flujo de trabajo entre instituciones.

Niveles de desidentificación en investigación

El RGPD reconoce dos categorías principales para datos de investigación:

1. Datos completamente anonimizados conforme al artículo 4(1) RGPD en relación con el considerando 26: datos que ya no pueden atribuirse a una persona identificada o identificable. Fuera del RGPD una vez anonimizados. En la práctica, esto requiere eliminar un amplio conjunto de identificadores directos e indirectos
2. Datos seudonimizados (artículo 4(5) RGPD): procesados de modo que no puedan atribuirse a un interesado concreto sin información adicional mantenida por separado. Siguen siendo datos personales

La mayoría de la investigación multicéntrica trabaja con datos seudonimizados. La fecha de ingreso importa. La región geográfica importa. La edad en años importa. Los flujos de transferencia deben tratar estos datos como datos regulados, no como datasets de ciencia abierta listos para GitHub.

Política de Gestión de Datos y repositorios en España y Europa

En Europa, el RGPD artículo 89 exige que el tratamiento de datos personales con fines de investigación científica esté acompañado de salvaguardas técnicas y organizativas apropiadas. El EHDS (European Health Data Space) introduce además requisitos de compartición secundaria de datos sanitarios entre estados miembros.

En España, el Instituto de Salud Carlos III (ISCIII) financia la investigación biomédica y publica pautas sobre gestión de datos. Para proyectos con datos genómicos, la Biobank Network española tiene requisitos específicos de gobernanza. Los proyectos financiados por Horizonte Europa deben cumplir con la política FAIR de la Comisión Europea (datos encontrables, accesibles, interoperables y reutilizables).

Si su plan de gestión de datos dice "los datos se compartirán en el repositorio X dentro de los 12 meses de la conclusión del estudio", su flujo de transferencia debe producir paquetes listos para ese repositorio según el calendario. Planifique el pipeline, no improvise en el momento de la presentación.

Escala genómica: terabytes en movimiento

Un archivo BAM de secuenciación del genoma completo pesa entre 50 y 200 GB. Los FASTQs de lectura corta de un solo sujeto comprimen a 80 GB. Multiplique por el tamaño de la cohorte y estará moviendo entre 10 y 100 TB por lote de análisis. Las herramientas de transferencia web no pueden hacer esto. Opciones:

• Globus Connect: transferencia de datos de alto rendimiento sobre GridFTP, usado por prácticamente todos los centros de investigación financiados públicamente en Europa y en EE. UU. Endpoints en los principales CTSA, BiobancoS, y centros de computación del ISCIII y la red ELIXIR
• Aspera (IBM): transferencia basada en UDP con control de congestión, usado por dbGaP, SRA y proveedores de secuenciación comercial
• AWS Snowball Edge: dispositivos físicos de 80 TB enviados por mensajería cuando la transferencia de red tardaría semanas
• Transferencia cloud-a-cloud: si la fuente y el destino están ambos en AWS S3 o GCP Cloud Storage, S3 Batch Replication o Storage Transfer Service mueve petabytes en horas

Para los archivos más pequeños que rodean a los grandes —hojas de cálculo de fenotipo, informes de control de calidad, protocolos de estudio—, una transferencia web cifrada mantiene el pipeline de metadatos en movimiento sin esperar a que termine la subida de BAM.

El nivel medio: REDCap, hojas de cálculo y revisiones de historiales

La mayoría de las transferencias de datos de investigación no son genómica. Son una exportación de REDCap de 40 MB, una hoja de cálculo de abstracción de historiales desidentificada de 15 MB, una carpeta de 200 MB de miniaturas de TC desidentificadas para un estudio de validación de IA. La transferencia web segura encaja limpiamente en este rango.

Requisitos:

• Cifrado AES-256-GCM, idealmente en el lado del cliente
• Transporte TLS 1.3
• Caducidad del enlace (7-30 días según el DUA)
• Registro de auditoría con hash del archivo e IP del receptor
• Canal de frase de contraseña separado del canal del enlace

HexaTransfer cumple estas especificaciones con cifrado de extremo a extremo en el navegador. Pruébalo en https://hexatransfer.com — sin cuenta, hasta 10 GB, gratuito. Registre la transferencia en el cuaderno del estudio con fecha, receptor, descripción del archivo y hash.

RGPD artículo 89 e investigación internacional

Los datos de investigación de la UE tienen salvaguardas específicas bajo el artículo 89 del RGPD: seudonimización, minimización de datos y limitación de finalidad alineada con el objetivo de investigación. Para transferencias desde instituciones europeas a colaboradores de terceros países tras la Sentencia Schrems II, aplican las Directrices EDPB 03/2020 sobre tratamiento con fines de investigación científica.

Medidas suplementarias para transferencias fuera del EEE:

• Seudonimización con la clave retenida en el sitio europeo
• Cifrado en el lado del cliente para que el proveedor de transferencia no tenga acceso al texto plano
• Prohibición contractual de desafíos a divulgaciones mandatadas por gobiernos
• Evaluación de Impacto de la Transferencia documentada

La Ley de Protección de Datos del Reino Unido de 2018 añade disposiciones específicas de investigación. La nFADP suiza aproxima el RGPD pero tiene reglas de transferencia diferentes. No asuma que un único flujo de trabajo cubre a todos los socios europeos.

Paquetes de reproducibilidad y ciencia abierta

Revistas como Nature, Science y The Lancet exigen progresivamente paquetes de reproducibilidad en la presentación: código, datos desidentificados suficientes para reproducir el análisis, y especificaciones del entorno (contenedores Docker, archivos de bloqueo renv/conda). Estos paquetes suelen pesar entre 100 MB y 10 GB.

La transferencia al sistema de presentación de la revista o a un repositorio como Zenodo, Figshare o el repositorio de datos del ISCIII requiere:

• Asignación de DOI para citación
• Autenticación ORCID para el depositante
• Metadatos de licencia (CC0, CC-BY, referencia DUA personalizada)
• Formato archivístico persistente (.tar.gz de árboles fuente, .csv.gz en lugar de .xlsx)

La ciencia abierta no significa tránsito sin cifrar. Significa acceso abierto tras el depósito. La transferencia al repositorio sigue necesitando TLS 1.3 y verificación de integridad.

Registros de auditoría para la integridad de la investigación

Más allá de los requisitos del comité de ética, se producen investigaciones de integridad científica. La ANECA y la Agencia Estatal de Investigación revisan irregularidades en proyectos financiados. Si surgen alegaciones, los investigadores reconstruyen quién tenía acceso a qué datos en qué momento. Su registro de auditoría de transferencias apoya esa reconstrucción.

Retención: el ISCIII exige conservar los datos de investigación al menos 5 años tras el informe final del proyecto, más tiempo para programas específicos. Para datos de ensayos clínicos que sustentan una autorización de comercialización, eso se extiende a 25+ años.

Campos del registro:

1. Marca temporal UTC
2. Identidad del remitente (cuenta institucional autenticada)
3. Identidad del receptor (autenticada, no un buzón genérico)
4. SHA-256 del archivo
5. Referencia al protocolo del comité de ética
6. Referencia al DUA

Centros coordinadores y mapeo del flujo de datos

Los estudios multicéntricos enrutan los datos a través de un Centro Coordinador de Datos. El CCD mantiene el dataset maestro, gestiona el control de calidad y distribuye datasets derivados a los núcleos analíticos y a los centros individuales. Los flujos de transferencia son:

• Centro → CCD: subida cifrada de datos CRD y PDFs de documentos fuente
• CCD → Laboratorio Central: dataset derivado para un objetivo analítico específico
• CCD → Centros: informes periódicos de progreso con benchmarks por centro
• CCD → Repositorio: dataset final del estudio en la publicación o según el plan de gestión de datos

Cada enlace tiene su propio método de transferencia, DUA y requisito de auditoría. Mapee los flujos en un diagrama antes de que el estudio abra. Actualice el diagrama cuando se incorpore un nuevo núcleo.

La transferencia de datos de investigación médica vive en la intersección de la ciencia abierta, el cumplimiento regulatorio y la ingeniería de redes práctica. La herramienta correcta para un archivo de fenotipo de 10 MB es la herramienta equivocada para un BAM de 2 TB. Construya un flujo de trabajo por capas que ajuste cada transferencia a su canal apropiado, documéntelo en el plan de gestión de datos, y el resto es ejecución cuidadosa.