El Big Data han cambiado la forma de gestionar, analizar y aprovechar los datos en todos los sectores, y uno de los ámbitos más notables en los que la analítica de datos está introduciendo grandes cambios es el de la sanidad.
De hecho, la analítica sanitaria tiene el potencial de reducir los costes de tratamiento, predecir brotes de epidemias, evitar enfermedades prevenibles y mejorar la calidad de vida en general… La esperanza de vida está aumentando, lo que plantea nuevos retos en cuanto a, por ejemplo, los métodos de administración de tratamientos. Los profesionales de la salud, al igual que los empresarios, son capaces de recopilar cantidades ingentes de datos y buscar las mejores estrategias para utilizar éstos.
En este artículo, vamos a abordar la necesidad de utilizar el Big Data en la Sanidad y el Big Data hospitalario: ¿por qué y cómo puede ayudar? ¿Cuáles son los obstáculos para su adopción? A continuación, os pongo un buen puñado de ejemplos de cómo se está utilizando actualmente esta tecnología en el ámbito de la salud y cómo lo están aprovechando las organizaciones médicas.
Pero antes de entrar en materia, examinemos el concepto central sobre el que gira todo porque, ¿sabemos lo que es?
Big data en la sanidad es un término utilizado para describir los volúmenes masivos de información creados por la adopción de tecnologías digitales que recogen los registros de los pacientes y ayudan a gestionar el rendimiento de los hospitales, que de otro modo serían demasiado grandes y complejos para las tecnologías tradicionales.
La aplicación de la analítica de big data en la sanidad tiene muchos resultados positivos, entre los que destaca, por encima de todos: salvar vidas. En esencia, el término big data se refiere a las enormes cantidades de información creadas por la digitalización de todo lo que se os ocurra, que se consolidan y analizan mediante tecnologías específicas. Aplicado a la sanidad, utilizará datos sanitarios específicos de una población, o de un individuo concreto, y ayudará potencialmente a prevenir epidemias, curar enfermedades, reducir costes, etc.
Ahora que vivimos más años, los modelos de tratamiento han cambiado y muchos de estos cambios están impulsados por los datos. Los médicos quieren saber todo lo que puedan sobre un paciente y en la fase más temprana posible de su vida, para detectar los signos de advertencia de una enfermedad grave a medida que van surgiendo, porque nadie duda, espero, que tratar cualquier enfermedad en una fase temprana es mucho más sencillo y menos costoso. Mediante la utilización de indicadores clave de rendimiento en la asistencia sanitaria y el análisis de datos sanitarios, la prevención es mejor que la cura, y la consecución de una imagen completa de un paciente permitirá a, por ejemplo, las compañías de seguros de salud, ofrecer un producto a medida del cliente. Este es el intento del sector de atajar los problemas de ‘silos’ que tienen los datos de un paciente: en todas partes se recogen trozos y se archivan en hospitales, clínicas, consultorios, etc., con la imposibilidad de comunicarlos adecuadamente.
De hecho, durante años la recopilación de enormes cantidades de datos para uso médico ha sido costosa y ha llevado mucho tiempo. Con las tecnologías actuales, en constante mejora, resulta más fácil no sólo recopilar esos datos, sino también crear informes sanitarios completos y convertirlos en conocimientos críticos relevantes, que pueden utilizarse para ofrecer una mejor atención. Este es el objetivo de la analítica de datos sanitarios: utilizar los hallazgos basados en datos para predecir y resolver un problema antes de que sea demasiado tarde, pero también evaluar los métodos y tratamientos con mayor rapidez, llevar un mejor control del inventario, implicar más a los pacientes en su propia salud y dotarles de las herramientas necesarias para ello. Dicho esto, exploremos unas cuantas aplicaciones del mundo real que demuestran cómo un enfoque analítico puede mejorar los procesos, mejorar la atención al paciente y, en última instancia, salvar vidas.
- Predicciones de los pacientes para mejorar la dotación de personal:
Como primer ejemplo analicemos un problema clásico al que se enfrenta cualquier gestor de equipos: ¿cuántas personas ponemos en plantilla en un periodo de tiempo determinado? Si ponemos demasiados trabajadores, corremos el riesgo de que se acumulen costes laborales innecesarios. Con pocos, podemos tener malos resultados en atención al cliente, lo que puede ser fatal para los pacientes.
Los macrodatos están ayudando a resolver este problema… al menos en París… y me explico: un white paper de Intel detalla cómo cuatro hospitales que forman parte de la Assistance Publique-Hôpitaux han estado utilizando datos de diversas fuentes para elaborar predicciones diarias y horarias sobre el número de pacientes que se espera que haya en cada centro.
Uno de los principales conjuntos de datos son los registros de ingresos hospitalarios de los últimos 10 años, que los científicos han analizado mediante técnicas de ‘análisis de series temporales’. Éstos permitieron a los investigadores ver patrones relevantes en las tasas de admisión y, a continuación, pudieron utilizar el aprendizaje automático para encontrar los algoritmos más precisos que predijeran las tendencias futuras de los ingresos.
Resumiendo, el equipo de científicos de datos desarrolló una interfaz de usuario basada en la web que pronostica las cargas de pacientes y ayuda a planificar la asignación de recursos utilizando la visualización de datos en línea que alcanza el objetivo de mejorar la atención general de los pacientes.
- Historias clínicas electrónicas (HCE):
Es la aplicación más extendida del big data en medicina, aunque en nuestro país se encuentra con muchas barreras debido a que el servicio público de salud está transferido a las comunidades autónomas, con lo que ello conlleva. Y dentro del sector privado (centros sanitarios, compañías de seguros, profesionales…), se empiezan a dar importantes pasos. Cada paciente tiene su propio registro digital que incluye datos demográficos, historial médico, alergias, resultados de pruebas de laboratorio… Los registros se comparten a través de sistemas de información seguros y están a disposición de los servicios sanitarios, tanto públicos como privados. Cada registro se compone de un solo archivo modificable, lo que significa que los médicos pueden introducir cambios a lo largo del tiempo sin necesidad de papeleo y sin peligro de que se dupliquen, como mínimo, los datos.
Las HCE también pueden activar avisos y recordatorios cuando un paciente debe hacerse una nueva prueba de diagnóstico o hacer un seguimiento de las recetas para ver si un paciente ha seguido los tratamientos indicados por los médicos.
Aunque la HCE es una gran idea, muchos países siguen, como decía antes, luchando por implantarla plenamente. Estados Unidos ha dado un gran salto con el 94% de los hospitales que adoptan la HCE, según esta investigación de HITECH, pero la UE sigue estando rezagada. Sin embargo, una ambiciosa directiva elaborada por la Comisión Europea debería cambiar esta situación. Estados Unidos podría servir de modelo para la UE. Han implantado plenamente un sistema llamado HealthConnect que comparte datos en todos sus centros y facilita el uso de la HCE. Un informe de McKinsey sobre la atención sanitaria con big data afirma que ‘el sistema integrado ha mejorado los resultados en enfermedades cardiovasculares y ha conseguido un ahorro estimado de 1.000 millones de dólares gracias a la reducción de las visitas a la consulta y las pruebas de laboratorio’.
- Alertas en tiempo real:
Otros ejemplos de análisis de datos en la sanidad comparten una funcionalidad crucial: las alertas en tiempo real. En los hospitales, el software de apoyo a las decisiones clínicas (CDS) analiza los datos médicos en el momento, proporcionando a los profesionales consejos mientras toman decisiones prescriptivas.
Sin embargo, los médicos quieren que los pacientes se alejen de los hospitales para evitar los costosos tratamientos internos. La analítica, que ya es tendencia como una de las palabras de moda de la inteligencia empresarial, tiene el potencial de convertirse en parte de una nueva estrategia. Los wearables recogerán los datos de salud de los pacientes de forma continua y enviarán estos datos a la nube.
Además, se accederá a esta información a la base de datos sobre el estado de salud del público en general, lo que permitirá a los médicos comparar estos datos en un contexto socioeconómico y modificar las estrategias de prestación en consecuencia. Las instituciones y los gestores de la asistencia utilizarán sofisticadas herramientas para supervisar este flujo masivo de datos y reaccionar cada vez que los resultados sean inquietantes.
Por ejemplo, si la presión arterial de un paciente aumenta de forma alarmante, el sistema enviará una alerta en tiempo real al médico, que actuará para llegar al paciente y administrarle medidas para bajar la tensión. Otro ejemplo es el de Asthmapolis, que utiliza inhaladores con rastreadores GPS para identificar las tendencias del asma tanto a nivel individual como observando poblaciones más amplias. Estos datos se están utilizando junto con los de los CDC para desarrollar mejores planes de tratamiento para los asmáticos.
- Mejorar el compromiso de los pacientes:
Muchos consumidores y, por tanto, posibles pacientes, ya están interesados en dispositivos inteligentes que registran de forma permanente cada paso que dan, su ritmo cardíaco, sus hábitos de sueño, etc. Toda esta información vital puede combinarse con otros datos rastreables para identificar posibles riesgos para la salud que estén al acecho. El insomnio crónico y una frecuencia cardíaca elevada pueden indicar un riesgo de futura enfermedad cardíaca, por ejemplo. Los pacientes participan directamente en el seguimiento de su propia salud, y los incentivos de los seguros médicos y de vida pueden empujarles a llevar un estilo de vida saludable. Por ejemplo, devolviendo el dinero, o algún tipo de recompensa, a las personas que utilizan los smartwatches. Otra forma de hacerlo es con los nuevos wearables en desarrollo, que rastrean tendencias específicas de salud y las transmiten a la nube, donde los médicos pueden controlarlas. Los pacientes que sufren de asma, diabetes, hipertensión… podrían beneficiarse de ello, y ser un poco más independientes, reduciendo el número de visitas a su médico.
- Prevenir el abuso de opiáceos en EE.UU:
El siguiente ejemplo aborda un grave problema que están teniendo en los Estados Unidos. Ahí va un dato: el año pasado las sobredosis de opioides mal utilizados han causado más muertes accidentales en Estados Unidos que los accidentes de tráfico, que antes eran la causa más común de muerte accidental.
La situación ha llegado a ser tan grave que Canadá, aue también lo sufre, ha declarado que el abuso de opioides es una ‘crisis sanitaria nacional’, y el presidente Obama destinó en su día 1.100 millones de dólares a desarrollar soluciones para el problema.
Una vez más, una aplicación de la Data Analytics en la sanidad podría ser la respuesta que todo el mundo está buscando: los científicos de datos de Blue Cross Blue Shield han empezado a trabajar con expertos en analítica de Fuzzy Logix para abordar el problema. Utilizando años de datos de seguros sanitarios y farmacias, los analistas de Fuzzy Logix han podido identificar 742 factores de riesgo que predicen con un alto grado de precisión si alguien corre el riesgo de abusar de los opioides. Para ser justos, llegar a las personas identificadas como de ‘alto riesgo’ y evitar que desarrollen un problema de adicción a las drogas es un tema especialmente delicado. Sin embargo, este proyecto ofrece muchas esperanzas para mitigar un problema que está destruyendo la vida de muchas personas y costando mucho dinero al sistema.
- Uso de datos sanitarios para una planificación estratégica:
El uso de big data en la sanidad permite una planificación estratégica gracias a un mejor conocimiento de las motivaciones de las personas. Los gestores sanitarios pueden analizar los resultados de las revisiones entre personas de distintos grupos demográficos e identificar los factores que disuaden a la gente de seguir un tratamiento.
La Universidad de Florida utilizó Google Maps y datos sanitarios públicos gratuitos para elaborar mapas de calor orientados a múltiples cuestiones, como el crecimiento de la población y las enfermedades crónicas. Posteriormente, los académicos compararon estos datos con la disponibilidad de servicios médicos en las zonas más calurosas. La información obtenida les permitió revisar su estrategia de prestación de servicios y añadir más unidades asistenciales a las zonas más problemáticas.
- Big Data podría curar el cáncer:
Otro ejemplo interesantísimo es el programa Cancer Moonshot. Antes de finalizar su segundo mandato, el Presidente Obama ideó este programa que tenía como objetivo lograr acelerar de 10 años la cura del cáncer y pasar a la mitad de ese tiempo.
Los investigadores médicos pueden utilizar grandes cantidades de datos sobre los planes de tratamiento y las tasas de recuperación de los pacientes con cáncer para encontrar las tendencias y los tratamientos que tienen las mayores tasas de éxito en el mundo real. Por ejemplo, los investigadores pueden examinar muestras de tumores en biobancos que están vinculados a los registros de tratamiento de los pacientes. Gracias a éstos, los investigadores pueden ver, por ejemplo, cómo interactúan determinadas mutaciones y proteínas cancerígenas con los distintos tratamientos y encontrar tendencias que conduzcan a mejores resultados en los pacientes.
Estos datos también pueden conducir a beneficios inesperados, como descubrir que la desipramina, que es un antidepresivo, tiene la capacidad de ayudar a curar ciertos tipos de cáncer de pulmón.
Sin embargo, para que este tipo de información esté más accesible, es necesario conectar las bases de datos de pacientes de diferentes instituciones, como hospitales, públicos y privados, universidades y organizaciones sin ánimo de lucro. Así, por ejemplo, los investigadores podrían acceder a informes de biopsias de pacientes de otras instituciones. Uno de los posibles casos de uso de big data en la sanidad sería la secuenciación genética de muestras de tejido canceroso de pacientes de ensayos clínicos y la puesta a disposición de estos datos en la base de datos de cáncer más amplia.
Pero no es un camino de rosas. ¿Por qué? Os cuento:
- Sistemas de datos incompatibles. Este es quizás el mayor reto técnico, ya que hacer que estos conjuntos de datos puedan interactuar entre sí es toda una hazaña.
- Problemas de confidencialidad de los pacientes. Hay diferentes legislaciones en cuanto a protección de datos que rigen qué información del paciente puede ser divulgada con o sin consentimiento
Resumiento, las instituciones que han invertido mucho tiempo y dinero en el desarrollo de su propio conjunto de datos sobre el cáncer pueden no estar dispuestas a compartirlos con los demás, a pesar de que podrían conducir a una cura mucho más rápida… pero no tiremos la toalla, porque, como afirma este artículo, existen precedentes para sortear este tipo de problemas y obstáculos y acelerar el progreso hacia la curación del cáncer utilizando la fuerza del análisis de datos.
- El análisis predictivo:
Nadie debería dudar a estar alturas, y más si me conoce, que el análisis predictivo es una de las mayores tendencia en este momento, pero las aplicaciones potenciales van mucho más allá de los negocios y mucho más allá en el futuro. Optum Labs, ha recopilado las HCE de más de 30 millones de pacientes para crear una base de datos de herramientas de análisis predictivo que mejoren la prestación de la atención sanitaria.
El objetivo de la inteligencia empresarial sanitaria en línea es ayudar a los médicos a tomar decisiones basadas en datos en cuestión de segundos y mejorar el tratamiento de los pacientes. Esto es especialmente útil en el caso de pacientes con historiales médicos complejos, que sufren múltiples afecciones. Las nuevas soluciones y herramientas de BI también podrían predecir, por ejemplo, quiénes corren riesgo de padecer diabetes y, por tanto, se les aconsejaría que hicieran revisiones adicionales o controlaran su peso.
- Reducir el fraude y mejorar la seguridad:
¿Sabíais que el 93% de las organizaciones sanitarias han sufrido una violación de datos? ¿Tantas? Sí ¿Sabéis por qué?, pues la razón es sencilla: los datos personales son extremadamente valiosos y rentables en el mercado negro. Y cualquier filtración tendría consecuencias dramáticas. Teniendo esto en cuenta, muchas organizaciones comenzaron a utilizar la analítica para ayudar a prevenir las amenazas a la seguridad, identificando los cambios en el tráfico de la red, o cualquier otro comportamiento que refleje un ciberataque. Por supuesto, el big data tiene problemas de seguridad inherentes y muchos piensan que su uso hará que las organizaciones sean más vulnerables de lo que ya son. Pero los avances en seguridad, como la tecnología de encriptación, los cortafuegos, el software antivirus, etc., responden a esa necesidad de mayor seguridad, y los beneficios que aporta superan ampliamente los riesgos.
Asimismo, puede ayudar a prevenir el fraude y las reclamaciones inexactas de forma sistémica y repetible. La analítica ayuda a agilizar la tramitación de las reclamaciones de los seguros, lo que permite que los pacientes obtengan mejores rendimientos en sus reclamaciones y que los sanitarios cobren más rápido. Por ejemplo, en Estados Unidos, los Centros de Servicio de Medicare y Medicaid comunicaron no hace mucho que habían ahorrado más de 210,7 millones de dólares en fraudes en sólo un año.
- Telemedicina:
La telemedicina está presente en el mercado desde hace más de 40 años, pero sólo hoy, con la llegada de las videoconferencias en línea, los teléfonos inteligentes, los dispositivos inalámbricos y los wearables… y acelerado por la pandemia, ha podido alcanzar su máximo esplendor. El término se refiere a la prestación de servicios clínicos a distancia utilizando la tecnología.
Se utiliza para las consultas primarias y el diagnóstico inicial, el seguimiento de pacientes a distancia y la formación médica de los profesionales de la salud. Algunos usos más específicos son la telecirugía: los médicos pueden realizar operaciones con el uso de robots y el envío de datos de alta velocidad en tiempo real sin estar físicamente en el mismo lugar que el paciente, algo que el 5G, y su prácticamente nula latencia, hará que se acelere todavía más.
Los médicos utilizan la telemedicina para ofrecer planes de tratamiento personalizados y evitar la hospitalización o el reingreso. Este uso de la analítica de datos sanitarios puede vincularse al uso de la analítica predictiva, como se ha visto anteriormente. Permite a los médicos predecir con antelación los acontecimientos médicos agudos y prevenir el deterioro de las condiciones del paciente.
Al alejar a los pacientes de los hospitales, la telemedicina ayuda a reducir costes y a mejorar la calidad del servicio. Los pacientes pueden evitar las colas y los médicos no pierden tiempo en consultas y trámites innecesarios. La telemedicina también mejora la disponibilidad de la atención, ya que el estado de los pacientes puede ser controlado y consultado en cualquier momento y lugar.
- Integración de Big-Style Data con las imágenes de diagnóstico:
Las imágenes de diagnóstico son fundamentales y cada año se realizan en Estados Unidos unos ¡600 millones! de procedimientos de imagen. Analizar y almacenar manualmente estas imágenes es costoso tanto en términos de tiempo como de dinero, ya que los radiólogos tienen que examinar cada imagen individualmente, mientras que los hospitales necesitan almacenarlas durante varios años.
El proveedor de imágenes médicas Carestream explica cómo la analítica de big data para la sanidad podría cambiar la forma de leer las imágenes: los algoritmos desarrollados analizando cientos de miles de imágenes podrían identificar patrones específicos en los píxeles y convertirlos en un número para ayudar al médico con el diagnóstico. Incluso van más allá, diciendo que podría ser posible que los radiólogos ya no necesitarán ver las imágenes, sino analizar los resultados de los algoritmos que inevitablemente estudiarán y recordarán más imágenes de las que podrían en toda su vida. Esto repercutiría, sin duda, en el papel de los radiólogos, en su formación y en el conjunto de competencias necesarias.
- Una forma de evitar las visitas innecesarias a urgencias:
Es necesario ahorrar tiempo, dinero y energía utilizando el análisis de big data. Os cuento un ‘marujeo’: Una mujer visitó el servicio de urgencias en Oakland (California) más de 900 veces. No, no es broma. Una mujer que padece una enfermedad mental y abuso de sustancias estuvo visitando todos los hospitales de su área de influencia prácticamente a diario.
Los problemas de esta mujer se vieron agravados por la falta de registros médicos compartidos entre las salas de urgencias locales, lo que aumentó el coste para los contribuyentes y los centros sanitarios, y dificultó que esta mujer recibiera una buena atención. Algo que relata estupendamente el responsable del programa de gestión de la atención en el Centro Médico Alta Bates Summit de Oakland, en un artículo de Kaiser Health News:
‘Todos tenían buenas intenciones. Pero estaba siendo derivada a tres clínicas diferentes de abuso de sustancias y a dos clínicas diferentes de salud mental, y tenía dos trabajadores de gestión de casos que trabajaban en la vivienda. No sólo era malo para la paciente, sino que también era un desperdicio de recursos preciosos para ambos hospitales’.
Para evitar que se produzcan situaciones como ésta en el futuro, los hospitales del condado de Alameda se unieron para crear un programa llamado PreManage ED, que comparte los historiales de los pacientes entre los servicios de urgencias.
Este sistema permite al personal de urgencias saber cosas como, por ejemplo:
- Si el paciente que están tratando ya se ha sometido a determinadas pruebas en otros hospitales, y cuáles son los resultados de esas pruebas.
- Si el paciente en cuestión ya tiene un gestor de casos en otro hospital, lo que evita asignaciones innecesarias.
- Qué consejos se han dado ya al paciente, para que los proveedores puedan mantener un mensaje coherente para el paciente.
Este es otro gran ejemplo en el que la aplicación de la analítica de datos sanitaria es útil y necesaria. En el pasado, los hospitales que no contaban con PreManage ED repetían las pruebas una y otra vez, e incluso si podían ver que una prueba se había realizado en otro hospital, tenían que recurrir a la vieja escuela y solicitar o enviar… ¡un fax! sólo para obtener la información que necesitaban.
- Gestión inteligente del personal:
Sin una plantilla cohesionada y comprometida, la atención al paciente disminuirá, los índices de servicio bajarán y se producirán errores. Pero gracias a la tecnología, y en concreto al big data, es posible racionalizar las actividades de gestión de personal en una gran cantidad de áreas clave. Trabajando con una solución de data analytics de para el departamento de personas, es posible que las instituciones médicas con poco tiempo optimicen la dotación de personal al tiempo que prevén las demandas de los quirófanos, agilizando así la atención a los pacientes.
Con demasiada frecuencia, existe una importante falta de fluidez en las instituciones sanitarias, con personal distribuido en las áreas equivocadas en el momento equivocado. Este desequilibrio en la gestión del personal puede suponer que un determinado departamento esté demasiado saturado de personal o que le falte personal cuando más importa, lo que puede generar riesgos de menor motivación por el trabajo y aumentar la tasa de absentismo. Sin duda, un cuadro de mando de RRHH, en este caso, puede ayudar.
- Aprendizaje y desarrollo:
Enlazando con el punto anterior, en un centro médico de cualquier índole, las habilidades, la confianza y las capacidades del equipo pueden significar la diferencia entre una buena y una mala atención o, si nos vamos al caso extremo, entre la vida y la muerte. Naturalmente, los médicos y cirujanos están altamente cualificados en sus áreas de especialización. Pero la mayoría de las instituciones médicas cuentan con una serie de personas que trabajan bajo el mismo techo, desde porteros y administrativos hasta especialistas en cardiología y neurocirujanos.
En la sanidad, las competencias blandas son casi tan importantes como las certificaciones. Para que la institución funcione de forma óptima, hay que fomentar el aprendizaje y el desarrollo continuos. Si se hace un seguimiento del rendimiento de todo el equipo en general y se anotan los datos de formación, se puede utilizar el análisis de datos para saber quién necesita apoyo o formación y cuándo. Si todo el mundo es capaz de evolucionar con los cambios que le rodean, la retención y atracción de talento aumentará y la atención del paciente mejorará enormemente.
- Gestión avanzada de riesgos y enfermedades:
El big data y la asistencia sanitaria son esenciales para abordar el riesgo de hospitalización de determinados pacientes con enfermedades crónicas… y también puede ayudar a prevenir el deterioro.
Al profundizar en datos como el tipo de medicación, los síntomas y la frecuencia de las visitas médicas, entre muchos otros, es posible que desde los centros sanitarios proporcionen una atención preventiva precisa y, en última instancia, reduzcan los ingresos hospitalarios. Este nivel de cálculo del riesgo no sólo se traducirá en una reducción del gasto en la atención interna de los pacientes, sino que también garantizará que el espacio y los recursos estén disponibles para quienes más lo necesitan. Este es un claro ejemplo de cómo la analítica de datos en sanidad puede mejorar y salvar la vida de las personas.
Como resultado, el big data puede mejorar la calidad de la atención a los pacientes y, al mismo tiempo, hacer que la organización sea más ágil desde el punto de vista económico en todas las áreas clave.
- Prevención del suicidio y las autolesiones:
A nivel mundial, casi 800.000 personas mueren por suicidio cada año. Además, el 17% de la población mundial parece que se autolesionará a lo largo de su vida. Estas cifras son alarmantes. Pero aunque se trata de un área muy difícil de abordar, los usos de los macrodatos en la atención sanitaria están ayudando a lograr un cambio positivo en lo que respecta al suicidio y las autolesiones. Como entidades que atienden a una gran cantidad de pacientes todos los días, los centros médicos pueden utilizar el análisis de todos los datos que recogen para identificar a las personas que podrían ser propensas a hacerse daño.
En un estudio realizado en 2018 por la Red de Investigación en Salud Mental, una combinación de datos de HCE y un cuestionario estándar sobre la depresión identificó a las personas que tenían un mayor riesgo de intento de suicidio con gran precisión. Utilizando inteligencia artificial, el equipo descubrió que los intentos y éxitos de suicidio eran 200 veces más probables entre el 1% de los pacientes identificados según conjuntos de datos específicos.
Este caso de uso esencial del big data es realmente la prueba que confirma que el data analytics en la sanidad puede salvar vidas y, como dijo Paolo Magrassi, ex vicepresidente y director de investigación de Gartner, ‘si alguien tortura los datos lo suficiente (abiertos o no), confesará cualquier cosa’.
- Mejora de la gestión de la cadena de suministro:
Si la cadena de suministro de una institución médica se debilita o fragmenta, es probable que todo lo demás se resienta, desde la atención y el tratamiento de los pacientes hasta las finanzas a largo plazo. Dicho esto, el siguiente ejemplo se centra en el valor de la analítica de datos para mantener la cadena de suministro fluida y eficiente de principio a fin.
Aprovechar las herramientas de análisis para hacer un seguimiento de las métricas de rendimiento de la cadena de suministro y tomar decisiones precisas basadas en datos sobre las operaciones y el gasto puede ahorrar a los hospitales, solo en Estados Unidos, hasta 10 millones de dólares al año.
Tanto los modelos de análisis descriptivos como los predictivos pueden mejorar las decisiones para negociar los precios, reducir la variación de los suministros y optimizar el proceso de pedidos en su conjunto. De este modo, los centros médicos pueden mejorar enormemente a largo plazo y ofrecer tratamientos vitales a los pacientes sin retrasos, inconvenientes o cuellos de botella de consecuencias potencialmente desastrosos.
- Desarrollo de nuevas terapias e innovaciones:
Ya para terminar, hablemos de futuro, de trabajar por un futuro más brillante y audaz en la industria médica. El análisis de big data en la sanidad tiene el poder de ayudar a descubrir nuevas terapias y medicamentos innovadores. Utilizando una mezcla de métricas históricas, en tiempo real y predictivas, así como una combinación cohesionada de técnicas de visualización de datos, los expertos sanitarios pueden identificar posibles puntos fuertes y débiles en los ensayos o procesos.
Además, mediante el análisis de la información genética basada en datos, así como las predicciones reactivas en los pacientes, el big data y la analítica de datos puede desempeñar un papel fundamental en el desarrollo de nuevos medicamentos innovadores y terapias. La analítica de datos puede, además, agilizar, innovar, proporcionar seguridad y salvar vidas. Y que nadie lo dude, da confianza y claridad, y es el camino a seguir.
En definitiva, hemos observado tres tendencias clave a través de este buen puñado de ejemplos de analítica de datos: la experiencia del paciente mejora de forma espectacular, incluida la calidad del tratamiento y los niveles de satisfacción; la salud general de la población también puede mejorar de forma sostenible, y los costes operativos pueden reducirse de forma significativa. Y no, no hay que irse a dentro de unos años. Ya en la actualidad facilita la identificación temprana y la intervención en las enfermedades, al tiempo que agiliza las instituciones para una atención al paciente más rápida, segura y precisa. A medida que la tecnología evolucione, estas valiosas funciones no pueden sino fortalecerse: el futuro de la sanidad está aquí, y reside en los datos.
Publicación realizada por José Luis Casal
