Inicio ASP Big Data en medicina: aplicaciones útiles

Big Data en medicina: aplicaciones útiles

Las aplicaciones del Big Data en medicina y en el sector salud en general,  tienen cabida en prácticamente todos los ámbitos: genómica, epidemiología, ensayos clínicos, operativa clínica, colaboración ciudadana, teleasistencia, gestión administrativa… En todos estos ámbitos, el futuro de la salud y de los sistemas y modelos sanitarios pasa por recoger, almacenar, cribar, analizar y consultar ―de manera estructurada, segura y debidamente anonimizada― la avalancha de datos que están generando los avances tecnológicos.

Los datos en el sector salud sobre los que poder aplicar técnicas analíticas de Big Data son muy variados (datos personales, clínicos, administrativos, datos procedentes de los medios sociales…). La información extraída de todos estos datos tiene el potencial de lograr una medicina más eficaz: una medicina personalizada, participativa, preventiva, predictiva y poblacional.

Medicina poblacional y tecnologías Big Data
Big Data para una Medicina preventiva
Técnicas Big Data y Medicina participativa
Medicina personalizada con Big Data
Modelos algorítmicos para una medicina predictiva

Medicina poblacional y tecnologías Big Data
La investigación en salud venía centrándose en analizar un grupo de personas representantes de la población general y extrapolar los resultados obtenidos al resto de la población. Este enfoque empezó a cuestionarse con el desarrollo de las tecnologías de análisis del genoma humano. Entonces surgió en contraposición el concepto «medicina personalizada» para abordar la salud y la enfermedad de cada persona. Sin embargo, ambas aproximaciones están resultando ser complementarias.

La población en su conjunto podría verse beneficiada si aplicamos las oportunas técnicas de análisis de datos en medicina para, por ejemplo:

  • Obtener un repositorio centralizado, estructurado y normalizado de alertas.
  • Segmentar la población en grupos según características sociosanitarias similares y niveles de riesgo.
  • Analizar la eficacia o efectos secundarios en el tiempo de un fármaco o un determinado tratamiento.
  • Estratificar la población para escoger los pacientes de los estudios y mejorar así la eficacia de los ensayos clínicos.
  • Detectar precozmente pacientes que precisarán servicios de atención especializada, urgencias u hospitalizaciones.
  • Sacar patrones de comportamiento de pacientes y de profesionales de la salud.

La medicina poblacional en este sentido ahorra tiempo y costes gracias a las tecnologías Big Data, porque analizar los datos puede ayudar a detectar aquellas situaciones en las que la mejor opción sería aplicar un tratamiento común para toda una población o grupo de alto riesgo, como en el caso de las enfermedades de elevada frecuencia.

Big Data para una Medicina preventiva
Conseguir identificar y anticiparse a las necesidades de los pacientes, los centros sanitarios o los laboratorios clínicos es el resultado de aplicar tecnología Big Data en medicina. Analizar el impacto de lo social y el estudio de los históricos de datos permite definir políticas preventivas específicas:

  • Campañas de salud ambiental y laboral específicas.
  • Políticas públicas para el desarrollo de la educación para la salud.
  • Estudios de la probabilidad de la aparición o progresión de una enfermedad.
  • Vigilancia de brotes epidémicos y situaciones de emergencia sanitaria.
  • Desarrollo de programas de investigación en salud pública.
  • Evaluación de servicios y programas de gestión de la calidad asistencial.

La medicina preventiva, entendida así como promoción de la salud, parte del análisis de datos para aumentar el bienestar social en todos los sentidos, ya que nos hace conscientes de nuestro estado de salud física y mental.

Técnicas Big Data y Medicina participativa
El auge de internet y las posibilidades que ofrece a pacientes, médicos, familiares y otros stakeholders de crear y participar en comunidades online de eSalud se asocia con los conceptos de e-paciente, influencia online y la capacidad para desarrollar propuestas de forma conjunta basadas en técnicas Big Data de análisis de texto libre, análisis del sentimiento y normalización y codificación automática de datos médicos para conseguir:

  • Test con mejores resultados clínicos.
  • Diseño de nuevos tratamientos.
  • Reducción de errores médicos.
  • Medidas de prevención más eficaces.
  • Trato personalizado.

La medicina participativa consigue ciudadanos más responsables de su propio estado de salud. Con la información que genera el análisis de los datos, el individuo sano decide sobre su salud y el paciente decide sobre su enfermedad. Se consigue con ello una mayor implicación de todos los afectados, lo que facilita entre otros un mejor diagnóstico y una mayor adherencia a los tratamientos.

Medicina personalizada con Big Data

Aplicar técnicas Big Data en el sector salud tiene el potencial, no solo de optimizar los costes y salvar vidas, sino también de mejorar la calidad asistencial dando un trato más personalizado a los pacientes. En este contexto las herramientas y técnicas analíticas permiten aprovechar el valor de los datos para:

  • Crear soluciones para la toma de decisiones basadas en datos reales.
  • Optimizar los servicios de teleasistencia.
  • Fomentar la planificación conjunta del tratamiento del paciente.
  • Aprovechar la información recogida por los wearables, las redes sociales y las apps de eSalud.
  • Potenciar el autocuidado de las personas ofreciendo más y mejor información sobre salud pública, planes nutricionales, ventajas de la actividad física, ayudas sociales, etc.

La medicina personalizada fomenta una relación mucho más cercana y cálida entre los médicos especialistas y los pacientes, y genera una participación más activa de todos los agentes implicados. El análisis de datos permite modelar al paciente y ofrecerle a cada individuo lo que mejor se adapte a sus características personales, mejorando la eficacia del sistema.

Modelos algorítmicos para una Medicina predictiva

Partiendo del modelo de referencia de los expertos y los históricos de datos pueden crearse modelos algorítmicos en salud entrenados a medida que permitan tratar mejor la información informatizada, predecir la evolución de los pacientes o sus necesidades, y que constituyan un apoyo a la práctica de los profesionales sanitarios:

  • Sistemas de alertas inteligentes (Disminución de alertas falsas/detección de las alertas correctas).
  • Predicción de reingresos hospitalarios no programados.
  • Perfilado y detección de pacientes hiperfrecuentadores.
  • Diagnóstico temprano de enfermedades.
  • Pronóstico de evolución de enfermedades y seguimiento de pacientes crónicos.
  • Predicción del gasto sanitario y optimización de la asignación de servicios por comunidades.
  • Control de epidemias.
  • Ayuda al diagnóstico y tratamiento de enfermedades neurodegenerativas.

La medicina predictiva anticipa las probabilidades de que algo suceda y sus complicaciones, y permite intervenir antes de que suceda. La analítica predictiva aplicada a los datos en salud tiene el potencial de salvar vidas.

Estos ejemplos son solo muestras de lo que se puede conseguir aplicando técnicas analíticas descriptivas, predictivas y prescriptivas al sector de la salud, pero seguro que hay más ejemplos de lo que el análisis de datos médicos puede hacer por mejorar el sistema sanitario, nuestra salud y el bienestar físico y social. Estar abiertos a esas posibilidades revolucionará el modo de gestionar y cuidar la salud.

Aplicar en medicina las diferentes técnicas analíticas (descriptiva, predictiva y prescriptiva) tiene el potencial de evaluar correctamente los riesgos de los procedimientos, determinar el mejor tratamiento disponible para el paciente, prever suficiente stock farmacológico, conocer las preocupaciones de las comunidades que se crean en torno a dolencias específicas o gestionar mejor la disponibilidad de camas de un hospital, entre otros.

Reducir el gasto médico y las tasas de mortalidad por enfermedad es lo que podemos conseguir si aplicamos técnicas Big Data en el campo de la medicina. El análisis de datos en el sector salud, el fitness, la nutrición y el bienestar en general aumenta significativamente la eficacia de los sistemas que actualmente nutren el modelo sanitario. Buscar una aplicación útil de las nuevas tecnologías y aprovechar la información que los datos ofrecen es básico si queremos poder tomar decisiones mejor informadas.
..Instituto de Ingeniería del Conocimiento. Big Data en medicina: aplicaciones útiles