El binomio “salud” y “big data”

| 03/05/2018
Gases medicinales Tecnología Documentación Artículos Artículos destacados Big Data El binomio “salud” y “big data”
Fecha: Mayo 2018 Idioma: Castellano Autores: Angel Colao, Marketing Business Developer en Air Liquide. Procedencia: Air Liquide Healthcare Web: ver aquí a En un contexto tan lleno de dudas e incertidumbre como el que hoy viven los sistemas sanitarios de los países desarrollados (envejecimiento poblacional, restricciones presupuestarias, aumento de la cronicidad, etc.), se atisban también ciertas luces y oportunidades que dan pie a pensar en un futuro prometedor.   Entre estas oportunidades o catalizadores, destaca sin duda la aplicación de lo que se conoce como “big data”. Este término, acuñado por Viktor Mayer-Schonberger en su libro de 2012 “La revolución de los datos masivos”, hace referencia a conjuntos de datos tan grandes y tan heterogéneos, que las aplicaciones informáticas tradicionales no son capaces de procesar. Este concepto inicial ha ido evolucionando y en 2015 la Unión Internacional de Telecomunicaciones (UIT) lo definió como un paradigma para hacer posible la recopilación, el almacenamiento, la gestión, el análisis y la visualización, potencialmente en condiciones de tiempo real, de grandes conjuntos de datos con características heterogéneas. Esta definición queda ilustrada por las 3 V’s del “big data”:  
  • Volumen: sirva de ejemplo el hecho de que desde el comienzo de la humanidad hasta 2003, la raza humana generó 5.000 millones de GB de información, la cual es una cifra menor a la cantidad de información que se genera en la actualidad cada dos días.1
  • Velocidad: por ejemplo cuando se hace referencia a información procedente de dispositivos conectados (más de 8.400 millones2) o de información procedente de la web 2.0 (el 42% de la población mundial es usuario activo de redes sociales3) la rapidez en el procesamiento y el almacenamiento de la información es crucial.
  • Variedad: dada la heterogeneidad de fuentes generadoras de información (sensores, cámaras, redes sociales, etc.), la variedad de datos con los que es preciso trabajar es, consecuentemente, también enorme (documentos, imágenes, audio, etc.).
 

Sector sanitario

El sector sanitario no ha sido ajeno a esta tendencia, y de la mano de su progresiva e imparable digitalización, se han ido generando ingentes cantidades de información de muy diversa índole (informes clínicos, resultados analíticos, prescripciones de medicamentos, pruebas de imagen, etc.). Toda esta información ha ido configurando lo que a día de hoy se conoce como “Historia Clínica Electrónica (HCE)”, la cual es actualmente la base de la atención sanitaria en cualquier país desarrollado. Además, la importancia de la HCE no se limita únicamente a la capacidad que ofrece a los profesionales sanitarios de prestar una atención más rápida y de mayor calidad (lo que podríamos llamar “ámbito operacional”), sino que también da pie a poder analizar y procesar toda esa información almacenada, con el objetivo de mejorar la atención sanitaria prestada (“ámbito analítico”).   Es aquí donde el “big data” (en su más amplia concepción) entra en juego, a fin de ofrecer las soluciones tecnológicas y las técnicas que permitan procesar toda esta información y de esta forma generar nuevo conocimiento. Estaríamos hablando aquí de tecnologías como la analítica predictiva, bases de datos NoSQL, sistemas de archivos distribuidos, y técnicas de machine learning, deep learning, redes neuronales y demás conceptos que han ido construyendo el ecosistema del “big data”.     Con el objetivo de aterrizar estos conceptos, se ofrecen a continuación algunos ejemplos reales de lo que está aportando ya a día de hoy el “big data” en el ámbito de la salud:  
  • Mejoras de eficiencia8: mediante la implantación de sistemas de geolocalización en tiempo real (Real Time Location Systems - RTLS) y a través del procesamiento continuo de toda la información suministrada por dichos sistemas, los hospitales y los centros sanitarios están pudiendo aplicar metodologías de optimización y mejora en la gestión  de sus flujos de trabajo (“lean healthcare”), reduciendo así los tiempos de espera y optimizando el uso de los recursos disponibles.
  • Imagen médica4: en la actualidad se está trabajando en sistemas expertos, que a partir de una base ingente de imágenes de pruebas diagnósticas y a través de técnicas de inteligencia artificial para su procesado, sean capaces de identificar patrones que permitan mejorar y adelantar el diagnóstico de múltiples patologías (cáncer de mama, glaucoma, etc.).
  • Medicina predictiva5: a partir del análisis continuo de los datos procedentes de la monitorización de pacientes ingresados en la UVI (presión sanguínea, frecuencia de respiración y nivel de glóbulos blancos en sangre) es posible predecir la probabilidad de que el paciente desarrolle sepsis y por tanto poder actuar de forma preventiva.
  • Desarrollo de fármacos6: a través del análisis de innumerables historiales médicos digitalizados, es posible detectar patrones que determinan la respuesta de los pacientes a distintos fármacos o principios activos, lo cual combinado con otras múltiples variables (resultados analíticos, diagnósticos, evolutivos, etc.) facilita la simulación de análisis clínicos para el desarrollo de nuevos fármacos.
  • Salud poblacional 7: por medio del análisis de ciertos parámetros clínicos de pacientes con diabetes, es posible determinar el riesgo de que alguno de estos pacientes puedan desarrollar demencia (llegando incluso al entorno de un 75% de precisión).
  Estos son, simplemente, algunos ejemplos reales que permiten poner de relieve el potencial del “big data” en el ámbito de la salud. No obstante, hay que tener en cuenta que en los últimos tiempos se han ido detectando limitaciones en el concepto habitual de HCE, ya que algunos estudios9 demuestran que en lo referente a los factores que determinan el estado de salud de una persona, aquellos puramente clínicos (HCE) pesan poco más de un 10%, teniendo nuestra carga genética o biológica (20%) y, especialmente, lo referente a nuestros hábitos y circunstancias socioeconómicas (60%) un peso mucho mayor. Esto nos lleva a que sea obligado ir incorporando mucha más información a los sistemas de información de las organizaciones sanitarias y, por tanto, a que sea preciso aplicar el “big data” para su gestión, almacenamiento y procesamiento.   Por todo ello, no cabe duda de que el binomio “salud” y “big data” seguirá yendo de la mano durante los próximos años, descubriendo nuevas aplicaciones y casos de uso que permitan ofrecer día a día unos servicios de salud de mayor calidad y de una manera más eficiente.   1 https://techcrunch.com/2010/08/04/schmidt-data/ 2 https://www.gartner.com/newsroom/id/3598917 3 https://www.slideshare.net/wearesocial/digital-in-2018-global-overview-86860338 4 https://www.zebra-med.com/ 5 https://ehrintelligence.com/news/ehr-data-analytics-help-detect-risk-outcomes-of-sepsis 6 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4987387/ 7 https://ehrintelligence.com/news/ehr-analytics-predict-link-between-type-2-diabetes-dementia 8 http://www.rfidjournal.com/articles/view?9973 9 https://www.goinvo.com/features/determinants-of-health/  

Para descargar el artículo completo sobre Big data y salud debe iniciar sesión o darse de alta en el portal

Para poder escribir un comentario debe iniciar sesión o darse de alta en el portal.

Patrocinadores Platino