Existe un gran interés en implementar tecnología de Big data en la industria de la salud para administrar conjuntos masivos de datos de salud heterogéneos, como es el caso de los registros de salud electrónicos y datos de sensores, que están aumentando en volumen y variedad debido a la popularización de dispositivos digitales como teléfonos móviles y wearables.

Sin embargo, para poner en práctica esta tecnología, el sistema sanitario requiere una revisión de los paradigmas de software/hardware sanitarios, que están mal equipados para hacer frente al volumen y la diversidad de los datos sanitarios modernos y deben ampliarse con nuevas capacidades informáticas y de análisis de Big data. Para los investigadores del campo, existe una oportunidad en el análisis de datos de atención médica para estudiar esta gran cantidad de datos, encontrar patrones y tendencias dentro de los datos y proporcionar una solución para mejorar la atención médica, reduciendo así los costos, democratizando el acceso a la salud y salvando vidas humanas.

Según Shafqat et al. (2020), la industria de la salud genera una gran cantidad de datos que giran en torno a pacientes, medicamentos, enfermedades, curas, investigación y muchos más. Los macrodatos de atención médica involucran todos los datos clínicos de los pacientes, así como los sistemas de apoyo a las decisiones clínicas: informes, recetas, imágenes médicas, resultados de laboratorio, adquisiciones en farmacia, seguros y otros datos administrativos; registros electrónicos de pacientes (EHR por sus siglas en inglés); datos generados por sensores biométricos; publicaciones en redes sociales, incluidos feeds de Twitter, blogs, sitios web, actualizaciones de Facebook y otras plataformas; y datos mínimos de atención al paciente, incluidos datos de atención de emergencias, fuentes de noticias y revistas médicas.

El almacenamiento de Big data para la atención médica promete mejorar la calidad de la atención y, al mismo tiempo, reducir el costo para todos las partes. Además, tiene el potencial para respaldar varias funciones médicas y sanitarias, incluidas las de apoyo a la toma de decisiones clínicas, vigilancia de enfermedades y gestión de la salud de la población.

Los grandes datos en el campo médico son tan heterogéneos que están ahora abrumando las capacidades intuitivas de los profesionales de la salud. La necesidad de algoritmos es altamente reconocida por investigadores y profesionales médicos por igual. Pero ¿qué es realmente el Big data y cuál es su papel en los Sistemas de Salud?

¿Qué es el Big data en los Sistemas de Salud?

«Big data en los Sistemas de Salud» se refiere a los abundantes datos de salud acumulados a partir de numerosas fuentes, incluidos registros de salud electrónicos (EHR), imágenes médicas, secuenciación genómica, registros de pagos, investigación farmacéutica, dispositivos portátiles y dispositivos médicos, por nombrar algunos. Tres características lo distinguen de los datos médicos electrónicos tradicionales que se utilizan para la toma de decisiones: está disponible en un volumen extraordinariamente alto; se mueve a gran velocidad y abarca el enorme universo digital de la industria de la salud; y, debido a que se deriva de muchas fuentes, es muy variable en estructura y naturaleza. Esto se conoce como las 3 V de Big data. (Catalyst, 2018)

Al aprovechar las herramientas de software adecuadas, los macrodatos obtenidos pueden generar una transformación hacia la atención médica basada en el valor y abre la puerta a avances notables, incluso mientras se reducen los costos. Con la gran cantidad de información que proporciona el análisis de datos de atención médica, los cuidadores y administradores ahora pueden tomar mejores decisiones médicas y financieras al tiempo que brindan una calidad cada vez mayor de atención al paciente. Yang et al. (2019) comentan que el objetivo es garantizar la seguridad de los datos de atención médica de los pacientes, realizar el control de acceso para situaciones normales y de emergencia, así como conseguir la duplicación inteligente para ahorrar espacio de almacenamiento en el sistema de almacenamiento de Big data.

En un sistema adecuado, los archivos médicos generados por la red de IoT (Internet of Things) de atención médica se cifran y se transfieren al sistema de almacenamiento, que se puede compartir de forma segura entre el personal de atención médica de diferentes dominios médicos, aprovechando una estricta política de control de acceso. La tecnología de control de acceso tradicional permite a los usuarios de datos autorizados descifrar los datos médicos confidenciales del paciente, pero también dificulta el tratamiento de primeros auxilios cuando la vida del paciente se ve amenazada, porque el personal de primeros auxilios en el lugar no puede obtener los datos médicos históricos del paciente. Así, queda claro que el uso del análisis de Big data para entregar información basada en evidencia aumentará, con el tiempo, la eficiencia y no solo permitirá salvar la vida de pacientes en riesgo inmediato, sino que también ayudará a agudizar nuestra comprensión de las mejores prácticas asociadas con cualquier enfermedad, lesión o dolencia.

Son varios los centros de salud e investigación que ya están caminando hacia la integración del Big data. Por ejemplo, el Li Ka Shing Centre for Health Information and Discovery de la Universidad de Oxford brinda acceso al Biobanco del Reino Unido y planea agregar 50 millones de registros electrónicos de pacientes. Adicionalmente:

• El Marco Europeo de Información Médica (EMIF) tiene como objetivo mejorar el acceso a los datos sanitarios derivados de las historias clínicas electrónicas de unos 50 millones de europeos, así como a conjuntos de datos de cohortes de las comunidades de investigación participantes.
• Open PHACTS es una plataforma para investigadores que necesitan acceso a datos farmacológicos. Fue construido en cooperación con organizaciones académicas y comerciales y permite a los usuarios extraer información y tomar decisiones sobre asuntos farmacológicos complejos.
• Una división de la compañía multinacional holandesa N.V. Philips ha agregado más de 15 petabytes de datos tomados de 390 millones de registros médicos, aportes de pacientes y estudios de imágenes. El personal sanitario puede acceder a esta colección masiva para obtener datos críticos que sirvan de base al proceso de toma de decisiones clínicas.

Aplicaciones del Big data en los Sistemas de Salud

• Mantener a los pacientes sanos y evitar enfermedades y dolencias

Este objetivo se encuentra al principio de cualquier lista de prioridades. Ya vemos grandes posibilidades en la actualidad para la utilización del Big data como es el caso de los rastreadores de actividades, que controlan los niveles de actividad física de las personas y también pueden informar sobre tendencias específicas relacionadas con la salud. Los datos resultantes de varias marcas de estos productos de rastreo ya se envían a servidores en la nube, lo que proporciona información a los médicos que los utilizan como parte de sus programas generales de salud y bienestar.

• Expansión del servicio de diagnóstico, brindando a los pacientes un mayor acceso a la atención profesional.

Varias aplicaciones para dispositivos móviles, como es el caso de Triage de Aetna, ya aconsejan a los pacientes sobre su afección médica utilizando datos agregados y pueden recomendar a los mismos que busquen atención médica en función de la información recibida en la aplicación.

En una de sus iniciativas de datos de atención médica, Apple se ha asociado con investigadores de Stanford para determinar si el sensor cardíaco del Apple Watch puede usarse para detectar fibrilación auricular, una condición que sufren más de un millón de españoles. Si el dispositivo tiene éxito en detectar la enfermedad, Apple puede notificar a los usuarios que deben buscar atención médica. Propeller Health, por otro lado, utiliza un sensor habilitado para Bluetooth que se conecta a inhaladores y espirómetros para personas con asma o EPOC. La compañía rastrea las condiciones ambientales en las ubicaciones de los sensores y envía informes a los teléfonos de los pacientes, para que puedan comprender mejor las causas de sus síntomas y tomar medidas para prevenir ataques.

• Reducir costes

Una mayor cantidad de información brindada por los datos médicos se traduce en una mejor atención al paciente, estancias hospitalarias más cortas y menos ingresos y reingresos. La Clínica Mayo ya utiliza análisis de Big data para identificar a los pacientes con más de una afección crónica (comorbilidad) que probablemente se beneficien de las intervenciones tempranas, lo que los evita de visitas al departamento de emergencias.

• Telemedicina

La telemedicina ha estado presente en el mercado durante más de 40 años, pero solo hoy, con la llegada de las videoconferencias, los teléfonos inteligentes, los dispositivos inalámbricos y los wearables, ha podido florecer plenamente. El término se refiere a la prestación de servicios clínicos remotos utilizando tecnología. Se utiliza para consultas primarias y diagnóstico inicial, monitoreo remoto de pacientes y educación médica para profesionales de la salud. Algunos usos más específicos incluyen la telecirugía: los cirujanos pueden realizar operaciones con el uso de robots y la entrega de datos de alta velocidad en tiempo real sin estar físicamente en la misma ubicación con un paciente.

Además, los médicos pueden utilizar la telemedicina para proporcionar planes de tratamiento personalizados y prevenir la hospitalización o el reingreso. Tal uso de análisis de datos de atención médica se puede vincular al uso de análisis predictivo, como se vio anteriormente. Esto permitiría a los médicos predecir eventos médicos agudos y prevenir el deterioro de las condiciones del paciente. Al mantener a los pacientes alejados de los hospitales, la telemedicina ayuda también a reducir los costos y mejorar la calidad del servicio. Los pacientes pueden evitar filas de espera 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 se puede controlar y consultar en cualquier lugar y en cualquier momento.

• Reducir el fraude y mejorar la seguridad

Algunos estudios han demostrado que esta industria en particular tiene un 200% más de probabilidades de sufrir violaciones de datos que cualquier otra industria. La razón es simple: los datos personales son extremadamente valiosos y rentables en los mercados negros. Y cualquier incumplimiento tendría consecuencias dramáticas. Con eso en mente, muchas organizaciones comenzaron a usar análisis para ayudar a prevenir amenazas a la seguridad al identificar 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 la seguridad, como la tecnología de cifrado, los firewalls, el software antivirus, etc., responden a esa necesidad de mayor seguridad, y los beneficios aportados superan en gran medida los riesgos.

Asimismo, el propio Big data puede ayudar a prevenir el fraude y las reclamaciones sanitarias inexactas que se hacen de forma sistemática y repetible. Los análisis también ayudan a agilizar el procesamiento de las reclamaciones de seguros, lo que permite a los pacientes obtener mejores beneficios de sus reclamaciones y a los cuidadores se les paga más rápido.

• Uso de datos de salud para una planificación estratégica informada

El uso de Big data en el cuidado de la salud permite la planificación estratégica gracias a una mejor comprensión de las motivaciones de las personas. Los gerentes de atención pueden analizar los resultados de los controles entre personas de diferentes grupos demográficos e identificar qué factores desaniman a las personas a iniciar el tratamiento.

La Universidad de Florida hizo uso de Google Maps y datos de salud pública gratuitos para preparar mapas de calor dirigidos a múltiples problemas, como es el caso del crecimiento de la población y las enfermedades crónicas. Posteriormente, los académicos compararon estos datos con la disponibilidad de servicios médicos en la mayoría de las áreas. La información obtenida de esto les permitió revisar su estrategia de prestación de servicios y agregar más unidades de atención a las áreas más problemáticas.

Otro ejemplo de la utilización de la planificación estratégica es el caso de la diabetes. La diabetes es una de las enfermedades no transmisibles de mayor peligro en los países en desarrollo. El Big data puede permitir el diseño de una metodología para analizar los datos de los pacientes con diabetes y predecir los tipos de diabetes prevalentes y las complicaciones asociadas a ella, destacando un posible tratamiento (Lebied, 2020).

Dificultades en la implementación de Big data en los Sistemas de Salud

Las organizaciones de atención médica enfrentan desafíos con los datos de atención médica que se dividen en varias categorías principales, incluida la agregación de datos, políticas y procesos, y administración.

• Desafíos de la agregación de datos

En primer lugar, los datos financieros y de pacientes a menudo se distribuyen entre muchos pagadores, hospitales, oficinas administrativas, agencias gubernamentales, servidores y archivadores. Reunirlo y hacer arreglos para que todos los productores de datos colaboren en el futuro a medida que se producen nuevos datos requiere mucha planificación. Más allá de las cuestiones relacionadas con el formato en el que se almacenan (papel, película, bases de datos tradicionales, HCE, etc.), es necesario establecer la precisión y calidad de dichos datos.

• Desafíos de políticas y procesos

Una vez que los datos se validan y se agregan, es necesario abordar varios problemas relacionados con los procesos y las políticas. El control de acceso, la autenticación, la seguridad durante la transmisión y otras reglas complican la tarea.

• Desafíos de gestión

Finalmente, hacer realidad las promesas de la analítica de Big data en la atención médica requiere que las organizaciones ajusten sus formas de hacer negocios. Es probable que se necesiten científicos de datos junto con personal de TI que tenga las habilidades necesarias para ejecutar los análisis.

En total, hemos visto a través de estos ejemplos de aplicación de Big data en la atención médica tres tendencias principales: la experiencia de los pacientes podría mejorar dramáticamente, incluida la calidad del tratamiento y la satisfacción; la salud general de la población también debe mejorar con el tiempo; y los costos generales deben reducirse. Sin embargo, para conseguir esto, es necesario que los gobiernos, Sistemas de Salud y empresas decidan trabajar juntos y planificar una solución a largo plazo para la organización, análisis y, sobre todo, seguridad de esos datos. Al final, una completa adaptación al Big data salvará millones de euros a los estados, empresas y ciudadanos y, más importante que todo, podrá salvar miles de vidas.

Referencias

Shafqat, S., Kishwer, S., Rasool, R. U., Qadir, J., Amjad, T., & Ahmad, H. F. (2020). Big data analytics enhanced healthcare systems: a review. The Journal of Supercomputing, 76(3), 1754-1799.

Catalyst, N. (2018, January 01). NEJM Catalyst. Retrieved September 09, 2020, from https://catalyst.nejm.org/doi/full/10.1056/CAT.18.0290

Yang, Y., Zheng, X., Guo, W., Liu, X., & Chang, V. (2019). Privacy-preserving smart IoT-based healthcare Big data storage and self-adaptive access control system. Information Sciences, 479, 567-592.

Lebied, M. (2020, August 17). 12 Examples of Big data In Healthcare That Can Save People. Retrieved September 09, 2020, from https://www.datapine.com/blog/big-data-examples-in-healthcare/

Big data en los sistemas de salud