El análisis del Big Data en la atención médica puede tener muchos resultados positivos. Puede, por ejemplo, ayudar a prevenir epidemias, hallar curas a enfermedades, reducir costos hospitalarios, mejorar la gestión de los establecimientos, evaluar tratamientos en menor tiempo, involucrar más a los pacientes en el cuidado de su propia salud e incluso prevenir suicidios.
Un caso interesante del uso del Big Data en la atención médica es la búsqueda de posibles curas para el cáncer. Es posible, por ejemplo, secuenciar genéticamente muestras de tejido canceroso de pacientes de ensayos clínicos y concentrar la información en bases de datos como la del programa estadounidense Cancer Moonshot. Así, los investigadores pueden acceder a vastos bancos de información para estudiar cómo interactúan ciertas mutaciones y proteínas del cáncer con diferentes tratamientos e identificar cuáles podrían tener mejores resultados a largo plazo.
Disminución de gastos y ahorro de tiempo
Cada año, alrededor del mundo se generan miles de millones de imágenes clínicas. Analizarlas es caro y tardado, pues normalmente los radiólogos deben examinarlas individualmente. Sin embargo, con algoritmos de inteligencia artificial y machine learning es posible analizar grandes volúmenes de imágenes en poco tiempo y concentrar los resultados en repositorios de información. Tales datos sirven para identificar patrones útiles para el diagnóstico, que poco a poco puede ser automatizado. Algunos investigadores inclusive prevén que en un futuro no muy lejano, conforme avance esta aplicación del Big Data en la atención médica, puede ser que los radiólogos ya no necesiten mirar directamente las imágenes, sino sólo analizar los resultados que arrojen los algoritmos.
La atención preventiva en pacientes con ciertas enfermedades crónicas es otro campo en el que el análisis del Big Data puede resultar muy benéfico. Al identificar patrones asociados con el desarrollo de los padecimientos, sus síntomas, los medicamentos prescritos y la frecuencia de las consultas, entre otras variables, puede facilitar que las instituciones sanitarias prevean complicaciones y, en última instancia, actúen a tiempo para reducir las admisiones hospitalarias.
Conseguir esto no sólo disminuiría los gastos de atención hospitalaria, tanto para los pacientes como para las instituciones, sino que permitiría mantener el espacio y los recursos médicos disponibles para quienes sea indispensable internar.
Obstáculos para el Big Data en la atención médica
A nivel mundial se suicidan al menos 800,000 personas cada año, lo cual representa el doble de las víctimas de homicidio. Dado que ven una gran cantidad de pacientes todos los días, clínicas y hospitales pueden identificar potenciales suicidas mediante la analítica del Big Data. De acuerdo con un estudio realizado en 2018 en Estados Unidos y publicado en The American Journal of Psychiatry, al analizar una combinación de datos registrados en los expedientes clínicos electrónicos (ECE) y un cuestionario estándar para pacientes deprimidos, fue posible identificar con gran precisión a las personas con mayor riesgo de intentar suicidarse. Este resultado es una muestra muy alentadora de los beneficios de analizar el Big Data en la atención médica.
Sin embargo, hay obstáculos por resolver para potenciar el uso del Big Data en la atención médica. El principal desafío es que hay numerosos sistemas y estándares técnicos incompatibles al momento de tratar los datos. Además, existen problemas de confidencialidad y ciberseguridad de la información que no es sencillo resolver, pues las leyes varían de un país a otro (e inclusive de un estado a otro). Por otra parte, también ocurre que las instituciones sanitarias —tanto públicas como privadas— que han invertido grandes cantidades de recursos para recopilar datos no estén muy dispuestas a compartirlos con terceros.