Hemeroteca

Política de Cookies

Este blog utiliza cookies propias y de terceros para mejorar su experiencia de navegación. Si continúa navegando, consideramos que acepta su uso. Puede obtener más información en nuestra página de: Política de Cookies.

Soy ….

Soraya Cronista compulsiva. Periodista por vocación y de formación. Consultora NTIC por experiencia. Mi pasión es mi hija. Me gusta el café. Más sobre mí.

Mi Time Line en Twitter

RSSTwitterLinkedin
12 noviembre, 2012 Posted by sorayapa Publicado en Bigdata
4 comentarios

Big Data en sanidad para predecir, prevenir y personalizar

Proyecto ENCODE La sanidad es una de las industrias dónde la aplicación de Big Data está encontrando los mayores desafíos. Estamos viendo espectaculares avances en la secuenciación del genoma, autopsias virtuales, monitorización remota de pacientes o la medicina personalizada. Big Data va a cambiar, radicalmente, el mundo de la salud.

Voy a trata de ofrecer  una visión general y bastante amplia de lo que está ocurriendo actualmente en la confluencia de ambos mundos, sanidad y Big Data.

En octubre, la doctora y consultora  Bonnie Feldman  publicó un fantástico informe denominado “Big Data Healthcare Hype and Hope” donde explora, con bastante precisión, cómo Big Data se está convirtiendo en una creciente fuerza  de cambio en el panorama sanitario.

Según Feldman “el potencial de Big Data en medicina es poder combinar los datos tradicionales con otras nuevas formas de datos tanto a nivel individual como de poblaciones”.

En efecto, en el sector sanitario se genera una inmensa cantidad y variedad de datos tanto estructurados, semi-estructurados como desestructurados.

Un dato estructurado es un dato que puede ser almacenado, consultado, analizado y manipulado por máquinas. Un dato desestructurado es todo lo contrario. Por ejemplo datos no estructurados son las recetas de papel, los registros médicos, las notas manuscritas de médicos y enfermeras, las grabaciones de voz, las radiografías, resonancias magnéticas, TAC y otras imágenes. Los datos estructurados y semiestructurados  incluyen archivos electrónicos de contabilidad, datos de actuario o datos clínicos.

Pero los avances tecnológicos están generando nuevas cascadas de datos (tanto estructurados como no estructurados), son los que provienen de dispositivos para fitness (sensores), de los medios sociales, de App en smarphones o de la genética y genómica.

En términos de cifras, la consultora  McKinsey estima que Big Data puede ahorrar más de 300 millones de dólares al año en salud, en EE.UU. Esto supone alrededor del 8% del gasto nacional en salud.  (The next frontier for innovation, competition, and productivity).

Para entender, un poco mejor, cómo se está aplicando Big Data en el ámbito sanitario he dividido este artículo en varias secciones, que son:

  • La Investigación genómica
  • Operativa clínica
  • Autoayuda y colaboración ciudadana
  • Mejora en la atención al paciente
  • Autopsias virtuales

Investigación  genómica

Ion ProtonHace diez años, secuenciar el genoma humano costaba un billón de dólares, hace unos meses la empresa Life Technologies presentó su herramienta The Ion Proton, capaz de secuenciar  el genoma humano completo, en un día, por 1.000 dólares.

Los analistas estiman que los precios seguirán bajando y en unos años se podrá obtener el perfil genético de una persona por unos cientos de dólares. Este drástico abaratamiento de costes va a suponer una gran revolución en el mundo de la medicina.  No sólo se trata de conocer nuestro ADN,  sino el de cientos de millones de personas y la posibilidad de cruzar todos esos datos. Un genoma personal tiene cerca de 100 gigabytes de datos. Un millón de genomas son cientos de petabytes de datos. A la vez, nuestro perfil genético puede ser combinado con los datos de nuestro día a día y el ambiente que nos rodea para dibujar, a la perfección, los riesgos de padecer cáncer, diabetes o enfermedades del corazón.

La inteligencia de toda esa información nos conducirá a un nuevo nivel en el mundo de la sanidad, a la llamada medicina personalizada, saber el tratamiento correcto para el paciente correcto en el momento adecuado. El impacto en el tratamiento del cáncer puede ser espectacular.

Tal y como apuntaba Alexis Borisy (Third Rock Ventures) hace unas semanas en Strata RX, la medicina del futuro es predictiva, preventiva y personalizada. (Youtube).

Pero no sólo se trata de obtener un diagnóstico de precisión. En el ámbito farmacéutico este inmenso caudal de información genómica va a permitir el descubrimiento de nuevos medicamentos. Igualmente permite abaratar costes y reducir los plazos de los ensayos clínicos. Se trata de evitar los errores.

En abril de este año se lanzó el proyecto 1000 Genomes  con el objetivo de  construir la mayor base de datos disponible sobre la variación genética humana. Los datos estarán disponibles, de forma gratuita, para toda la comunidad científica mundial. La base de datos es administrada por el Centro Nacional de Información Biotecnológica de EEUU(NCBI).

En septiembre el consorcio internacional ENCODE (Enciclopedia de los Elementos del ADN) publicó en 30 informes, los resultados iniciales de sus investigaciones en torno a los elementos funcionales del genoma humano. Descubrimos, entonces, que lo que hasta ahora se consideraba como ‘ADN basura’, es en realidad un componente útil y muy importante.

Las grandes oportunidades de negocio en torno a los datos del genoma ha propiciado el auge de numerosas empresas como Genoma Health Solutions , DNAnexus, NextBio,  Appistry Inc  (el mes pasado Appistry fue elegido por el Broad Institute  para distribuir su kit de herramientas de análisis Genómico en todo el mundo),  Genophen o 23andme la empresa co-fundada por Anne Wojcicki (la esposa de Sergey Brin).

Datos,  información y operativa clínica

Tal y como se ha comentado al inicio, el mundo de la salud genera una ingente cantidad y variedad de datos tanto estructurados como no estructurados (recetas e informes escritos a mano, grabaciones, imágenes, etc). El procesamiento  y análisis de todos estos datos puede generar nuevas formas de inteligencia y propiciar una operativa clínica más efectiva y eficaz. Por ejemplo proporcionando información en tiempo real a los técnicos de emergencia, enfermeras y médicos, para mejorar el  triaje, prevenir las infecciones iatrogénicas, los reingresos, los errores de prescripción, de diagnóstico o de tratamiento.

Así, un primer paso para conseguir todo esto es transformar  los datos no estructurados  en estructurados, es decir,  que puedan ser gestionados por máquinas. Aquí entran en juego las tecnologías de análisis de textos, de procesamiento de lenguaje natural o de imágenes.

Cuando  todos los datos pueden ser gestionados por máquinas se abre un mundo de infinitas posibilidades. Por ejemplo, los análisis predictivos pueden identificar, con un 86 % de precisión, a los pacientes con riesgo de reingreso hospitalario o el riesgo de enfermedades intrahospitalarias. Igualmente predecir, desde la primera receta, la adherencia de un medicamento a un paciente. También determinar el mejor tratamiento para cada paciente al menor coste y la mayor efectividad.

Por otra parte importante son las plataformas que permiten la gestión y el intercambio instantáneo de historiales clínicos entre diferentes departamentos. Si, por ejemplo, un cirujano necesita ver las referencias de un cáncer de mama puede acceder rápidamente a los resultados del laboratorio.

En este terreno hay empresas como Predixion Software , Healhfidelity, Athenahealth, RxAnte o Practice Fusion  (un EMR, Electronic Medical Records, gratuito).

Autoayuda y colaboración

Estamos asistiendo al auge de nuevas herramientas que nos ayudan a ayudarnos a nosotros mismos. Combinando los sensores y los smartphones con el poder de Big Data podemos prevenir, evitar o mitigar enfermedades. Por ejemplo  IBlueButton Humetrix es una aplicación móvil que permite el intercambio rápido y seguro de información entre pacientes y proveedores de servicios de salud. Ginger.io es una aplicación que recopila datos en tiempo real del comportamiento, activo y pasivo, de los pacientes. Los datos se muestran en una plataforma web y ayuda a médicos y enfermeras a controlar a pacientes con enfermedades crónicas. 100Plus es una app que utiliza datos públicos y privados. Genera modelos predictivos con el objetivo de ayudar a los usuarios a adoptar hábitos saludables diarios. Combina técnicas de juego en forma de pequeñas misiones saludables. ZEO es una aplicación que permite medir el sueño para ayudar a dormir mejor. WellDoc  es otra aplicación diseñada específicamente para monitorizar a los pacientes con enfermedades crónicas.

Asthmapolis Las aportaciones ciudadanas están permitiendo una nueva inteligencia colectiva de inestimable valor para la salud. Por ejemplo Asthmapolis  es un proyecto que permite mejorar la calidad de vida de las personas con asma.  Se trata de un sensor instalado en el inhalador y capaz de sincronizarse con una app móvil. Cada vez que se utiliza, el sensor recopila datos  ambientales y de ubicación. Esto permite rastrear los desencadenantes y los síntomas.

Sickweather escanea  las redes sociales (Facebook o Twitter) para rastrear brotes de enfermedades y ofrecer previsiones a los usuarios.

Mejora en la atención al paciente

Una de las áreas más interesantes de aplicación de Big Data es, sin duda, la propia gestión de la atención sanitaria, bien desde el lado de las aseguradoras o desde las administraciones públicas. Las plataformas actuales permiten explorar y medir, en segundos,  billones de datos clínicos, de gestión, financieros o de las redes sociales para ofrecer inteligencia de negocio. Los sistemas de salud pueden medir  su rendimiento en tiempo real y generar nuevos modelos de pago. Pueden mejorar la atención y reducir costes.

En este terreno los enfoques son diferentes, por ejemplo  OneHealth Solutions es un conjunto integral de comunidades virtuales específicamente diseñados para ayudar a las personas a establecer y alcanzar sus metas personales de salud. Explorys es una plataforma que permite  la integración de la información clínica, la gestión del riesgo de la población, el coste de la atención medición, así como soluciones de pago por desempeño. Humedica es una empresa de informática clínica que proporciona inteligencia en el cuidado de la salud.

Autopsias virtuales

Por último quiero hablarles de otro uso, absolutamente novedoso, de Big Data, se trata de las autopsias virtuales. Este tipo de autopsias son posibles gracias a las miles de imágenes que se extraen de un tomógrafo computado. Anders Ynnerman, investigador sueco experto en visualización científica, mostró esta técnica en TED. Les recomiendo que vean  su ponencia, es realmente interesante.

Otras fuentes de información para este post:

 

4 comentarios

  1. Rosa Alvarez dice:

    Muy interesante pero pura utopía actualmente en el contexto donde ejerzo actualmente mi labor clínica—- si, aquí, en España.

  2. […] la aplicación del Big Data tiene un gran alcance en sanidad. Los espectaculares avances en la secuenciación del genoma, autopsias virtuales, monitorización […]

  3. Me parece una muy buena recopilación de la actualidad en torno al big data y su aplicación a la medicina, especialmente a la investigación. Efectivamente el gran cambio radica en que son los propios pacientes los que aportan datos a través no sólo del médico que les atiende si no directamente desde terminales móviles y weareables. Esta es la auténtica revolución. No obstante me gustaría hacer un apunto sobre el que se habla poco: privacidad.

    Entiéndame: no estoy halando de cláusulas de protección de datos al uso. Lo que quiero poner encima de la mesa es la necesidad de clarificar qué instituciones van a tener el control de los datos (para un americano la propiedad de los datos) y para qué los van a usar. Existe en todo este entramado una cierta opacidad al este respecto que puede generar desconfianza por parte de los pacientes en caso de que exista un mal uso en un momento dado. Existen dos escenarios a considerar en este sentido: que una institución decida compartir datos con otra sin su consentimiento y que esto le provoque un perjuicio (pensemos que nosotros disfrutamos de una sanidad pública y universal pero si dependiéramos de un seguro médico que decidiera no cubrirnos determinados riesgos debido a nuestro patrón de vida) o bien que los datos que se usan a pesar de ser anonimizados permitan la identificación de pacientes individuales (mismo caso que el anterior).

    Creo que no debemos desaprovechar el potencial que se abre ante nosotros de ninguna manera pero tampoco podemos aprovecharlo de cualquier modo. Echo de menos esta reflexión que además de ser necesaria desde el punto de vista de la privacidad tiene muchísima relevancia, a la larga, en la calidad de los datos .

Contestar

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *


  • Responsable: Soraya Paniagua Amador
  • Fin del tratamiento: controlar el SPAM, gestión de comentarios.
  • Legitimación: tu consentimiento
  • Comunicación de datos: no se comunicarán los datos a terceros salvo por obligación legal.
  • Derechos: acceso, rectificación, portabilidad, olvido
  • Contacto: spamador@gmail.com
  • Información adicional: más información en nuestra Política de Privacidad.