La analítica del big data implica una profunda transformación en el cuidado de la salud. Entre otras posibilidades, tiene el potencial de reducir costos de tratamientos, ayudar a predecir brotes epidémicos, evitar enfermedades prevenibles y mejorar la calidad de vida de las personas en general. También puede contribuir a optimizar la administración de los hospitales.
Un ejemplo de esto último es el uso de la analítica del big data puesto en marcha por la francesa Assistance Publique-Hôpitaux de París (AP-HP) —el mayor sistema hospitalario de Europa, con 44 hospitales—, que implementó en 4 de sus establecimientos un sistema para gestionar el número de personal en servicio en cada turno.
Según se reporta en un estudio elaborado por la firma de procesadores Intel, los científicos parisinos comenzaron por analizar los registros de admisiones de los diez años anteriores. Así, detectaron patrones relevantes en las tasas de admisión de pacientes. Luego, emplearon machine learning para determinar los algoritmos que les permiten prever con precisión las tasas futuras de admisión. En suma, los científicos de datos de AP-HP desarrollaron una interfaz web útil para planificar la asignación de recursos a partir de los datos generados por los nosocomios y disponibles en la red informática de la organización.
Recursos optimizados
Otra posible aplicación de la analítica del big data en el cuidado de la salud es mejorar el trabajo en las áreas de urgencias de los hospitales. Un ejemplo de ello lo constituye la Agencia de Servicios de Salud del californiano condado de Alameda (donde se ubica, entre otras ciudades, Oakland). Para ello, recurrieron a la plataforma PreManage ED, que comparte los registros de los pacientes entre las áreas de urgencias de los hospitales del condado.
Mediante dicha herramienta, los médicos pueden saber si el paciente al que trata se ha realizado ciertas pruebas en otros hospitales, y cuáles son los resultados. El sistema también informa si el paciente en cuestión ya tiene un médico de cabecera en otro hospital y cuáles medicamentos le ha prescrito. Así se evita duplicar tratamientos, se evita el desperdicio de recursos, tanto humanos como materiales.
Un área más donde la analítica del big data médico puede brindar resultados muy alentadores es en la búsqueda de curas para el cáncer. Mediante el procesamiento de datos de las tasas de recuperación de los pacientes y los tratamientos que siguieron se pueden determinar los más exitosos. Para ello, los investigadores estudian cómo reaccionan ciertas mutaciones y proteínas del cáncer con diferentes medicamentos. Una posible continuación de esto sería la secuenciación genética de muestras de tejido canceroso de pacientes en ensayos clínicos y publicar los datos en bases accesibles a otros científicos.
Obstáculos para la analítica del big data
La imagenología es otro campo que puede verse beneficiado. Al entrenar algoritmos de machine learning para analizar cientos de miles de imágenes clínicas pueden encontrar patrones específicos difíciles de detectar para los médicos y asistirlos en el diagnóstico más acertado de diversas enfermedades, como el cáncer.
También el monitoreo remoto mediante dispositivos wearables puede verse fortalecido mediante la analítica del big data. Por ejemplo, es posible entrenar algoritmos para que generen alertas automáticas si se presentan situaciones de riesgo, como un aumento de la presión arterial fuera de los valores normales del paciente. Igualmente, puede vigilarse la evolución a largo plazo de la salud del usuario.
Si bien el potencial de la analítica del big data médico es muy grande, hay obstáculos importantes para su adopción generalizada. El más desafiante, en el aspecto técnico, es la existencia de numerosos sistemas y soluciones incompatibles. A ello se suman las importancia de garantizar la privacidad de los datos personales de los pacientes, lo cual no siempre es sencillo, entre otras cosas por el costo que implica poner en funcionamiento los sistemas necesarios para lograrlo.
