de lectura

Los retos de Big Data en salud

Por Sergio A. Castañeda

Los retos de Big Data en salud

Desde hace tiempo, la informatización de los procesos ha provocado que empresas y organizaciones de todos los campos generen día a día una cantidad inimaginable de datos. Actualmente, se denomina Big Data a todo lo relacionado con las tecnologías necesarias para la gestión y aprovechamiento de estos enormes volúmenes de datos.

Particularmente en salud, las aplicaciones del Big Data representan un alto potencial en el mejoramiento de la atención en salud. Un ejemplo de esto es lo descrito en el estudio de McKinsey (McKinsey & Company, 2011) donde se afirma que, si el sector de la salud en los Estados Unidos usara tecnologías de Big Data de manera efectiva, el sector podría generar más de 300 billones de dólares cada año y dos tercios de esto sería en forma de reducción de gastos de salud en alrededor de un 8%.

Actualmente, las historias clínicas electrónicas (HCE), imágenes médicas, datos genómicos, dispositivos “wearables”, entre otros, son generadas a diario por las instituciones de salud, disponiendo de esta manera de una cantidad ingente de datos en formato estructurado (como datos de resultados de pruebas de laboratorio) y no estructurado (textos de HCE o imágenes) que puede tener un valor primordial para las diferentes instituciones. (También puede leer: Alcance de la inteligencia de negocios y ciencia de datos en salud)

Aunque es claro cómo aplicar Big Data en salud aun representa un reto el mejoramiento en los procesos de atención en salud, reducción de costos, impacto en salud pública, investigación médica, entre otros. Existen hoy en día barreras que impiden que esta implementación sea efectiva y generen un retraso importante en el sector salud respecto a otros sectores. 

La primera de las barreras tiene que ver con la privacidad, esta se puede entender desde dos perspectivas:

  • Privacidad de los pacientes: Estrategias en Big Data desarrolladas “en la nube” permiten que el almacenamiento y procesamiento de datos pueda realizarse en servidores que no se encuentran físicamente en la institución. Esto, muchas veces por desconocimiento genera preocupaciones relacionadas con la seguridad de la información. Sin embargo, existen actualmente protocolos estrictos de seguridad para mantener la privacidad de los datos, permitiendo que solo aquellos que están autorizados puedan acceder a información de los pacientes. Grandes instituciones en todo el mundo adoptan este mecanismo que además de brindar mayor eficiencia en el almacenamiento de los datos, permite hacerlo a un costo más razonable. Es por esto que actualmente el reto más importante es fomentar la educación y conocimiento en este aspecto.
  • Políticas para compartir datos: Tal vez uno de los aspectos más críticos es que muchas instituciones en salud no permiten que datos de los pacientes sean compartidos por ejemplo con otros prestadores o con centros de investigación por temor a la vulneración de la privacidad. Cuesta mucho que las instituciones y administraciones comprendan que la utilización de datos con fines no éticos como por ejemplo puede hacerlo una red social nada tiene que ver con lo que se realiza en investigación médica, donde existe un protocolo de seguridad de la información y una adecuada evaluación por comités de ética calificados para tales procesos.

La segunda barrera que puede considerarse crítica en el proceso de implementación del Big Data es el tema de interoperabilidad en salud. Este término, muy brevemente, se refiere a la capacidad de los sistemas de información y software de diferentes instituciones, administradores y centros de investigación en salud de comunicar, intercambiar y utilizar información de manera eficiente a partir del uso de estándares. En Latinoamérica, uno de los principales referentes en este tema es Chile, donde se ha aumentado ampliamente el porcentaje de implementación y donde se han desarrollado modelos muy prometedores. El tema de interoperabilidad en salud genera un ambiente favorable y primordial para la aplicación del Big Data, ya que diferentes actores del sector salud podrán acceder y compartir datos de manera inmediata entre sí, facilitando la atención en salud y la investigación médica. Este aspecto es un reto crucial en la implementación del Big Data y en otros procesos, por ello, requiere una especial atención por parte de los gobiernos y sectores involucrados. (También puede leer: Herramientas comunes y barreras en la implementación de Big Data)

Finalmente, otra barrera para su implementación es la formación de profesionales que enfrenten estos temas. Hoy en día, es un reto formar profesionales capaces de entender las necesidades del sector y dar respuesta de acuerdo a cada uno de los paradigmas que se generan. Este es un proceso que se ha iniciado ya en algunos países donde existen programas de maestría en informática en salud o informática biomédica que proporcionan a los profesionales la formación en este campo.

De esta manera, la aplicación del Big Data al entorno de la salud supondrá una mejora en la calidad de la atención a los pacientes, reducción de costos e investigación. Para alcanzar estos objetivos debemos enfrentar cada uno de los retos que se generan a diario en la implementación de este modelo al interior del sector. Es fundamental que los diferentes actores (gobierno, administradoras de servicios de salud, instituciones de salud, centros de investigación, entre otras) trabajen de manera conjunta y comprometida para llevar al sector de la salud a una nueva era, la cual solo se podrá llevar a cabo, entre otras cosas, en un ecosistema de Big Data en salud.

Sergio Andrés Castañeda Garzón. BSc. Esp.

Coordinador de Operaciones. CAIMED

 

9 maneras de generar confianza en Big Data

 

Referencias

- ASAMOAH, D., SHARDA, R., & KUMARASAMY, A. T. (2015). «Can Social Media Support Public Health? Demonstrating Disease Surveillance using Big Data Analytics». AMCIS 2015 Proceedings.

- BASEL KAYYALI, DAVID KNOTT, & STEVE VAN KUIKEN. (2013). «The big-data revolution in US health care: Accelerating value and innovation». In McKinsey Company. McKinsey Company.

- BONNIE FELDMAN, ELLEN M. MARTIN, & TOBI SKOTNES. (2012). «Big Data in Healthcare Hype and Hope». Retrieved from http://www.west-info.eu/files/big-data-in-healthcare. pdf

- MENASALVAS, E. & GONZALO-MARTÍN, C., (2016). Machine Learning for Health Informatics, Volume 9605 of the series Lecture Notes in Computer Science pp 221-242

Etiquetas: analisis predictivo, Big Data, datos en salud, Data Science

    ¡Suscríbase a nuestro blog!

    Bienvenido a nuestro blog

    Suscríbase a nuestro blog y reciba
    el mejor contenido en Investigación clínica