Salud

Big Data: el ‘arma secreta’ para lograr un sistema sanitario sostenible

cloud-inteligencia-artificial-bots-propuesta-microsoft-salud

Existen aplicaciones del Big Data que apelan al ‘backoffice’ de los entornos sanitarios, donde se obtienen reducciones notorias en los costes implícitos de los usuarios de los hospitales y ambulatorios.

Uno de los sectores que está experimentando con mayor fuerza el auge del llamado Big Data, o explosión de datos a almacenar y analizar provenientes de múltiples fuentes y de tipo estructurado y no estructurado, es el mundo de la sanidad. 

Normalmente hablamos del uso del análisis de datos para la mejora de la atención médica, prediciendo enfermedades y mejorando los tratamientos personalizados para los pacientes. Son los llamados Sistemas de Soporte a la Decisión Clínica’ (CDSS), soluciones informáticas diseñadas para ayudar a estos profesionales sanitarios a tomar decisiones clínicas (ya sean de carácter preventivo, diagnóstico o terapéutico).

Pero existen aplicaciones del Big Data que apelan al ‘backoffice’ de los entornos sanitarios, donde se obtienen reducciones notorias en los costes implícitos de los usuarios de los hospitales y ambulatorios. Los expertos de la CEREM Business School apelan a varios casos de uso de los sistemas de algoritmos para la reducción de costes en el entorno de salud:

El Big Data y el Machine Learning pueden transformar el sistema sanitario

  • Eventos adversos: Son muy costosos y pueden dar lugar a altas tasas de mortalidad. Son prevenibles con la utilización de sistemas basados en data analysts. Los eventos más frecuentes son la insuficiencia renal, infecciones y reacciones adversas a medicamentos.
  • Sistema de clasificación por prioridades (Triage): Es muy importante para gestionar los recursos técnicos y humanos, asegurando que el paciente sea enviado rápidamente a la unidad correcta para su atención. El sistema estaría monitorizado por la herramienta big data para agilizar y mejorar la calidad de la atención.
  • Pacientes de alto coste: En algunos hospitales y sistemas de salud sólo el 5% de los pacientes representa casi la mitad de todo el gasto en salud. La información actual permite predecir qué pacientes tienen riesgo elevado de ser de alto coste.

  • Probabilidad de reingresos (rehospitalizaciones): Hasta una tercera parte de los reingresos son prevenibles. Con el uso de algoritmos desde la aplicación de big data se puede controlar cada paciente y predecir el que tiene mayor probabilidad de ser readmitido, seleccionar la intervención más adecuada y asegurarse de que la reciba.
  • Descompensación: A medida que la condición del paciente hospitalizado empeora ciertos órganos pueden no compensar. Los datos fisiológicos (signos vitales, resultados de laboratorio, etc) se pueden utilizar para determinar si el paciente está en riesgo de descompensación. Se gestiona por los sistemas analíticos de big data puesto que se necesitan utilizar muchos flujos de datos para detectarla.
  • Optimización del Tratamiento: En el caso de enfermedades crónicas que afectan a muchos órganos y sistemas una gestión clínica adecuada es esencial para mantener los costes bajos. La falta de acceso a las historias clínicas ha sido un gran freno para el uso de grandes volúmenes de datos para el tratamiento.

Sobre el autor de este artículo

Alberto Iglesias Fraga

Periodista especializado en tecnología e innovación que ha dejado su impronta en medios como TICbeat, La Razón, El Mundo, ComputerWorld, CIO España, Kelisto, Todrone, Movilonia, iPhonizate o el blog Think Big, entre otros. También ha sido consultor de comunicación en Indie PR. Ganador del XVI Premio Accenture de Periodismo, ganador del Premio Día de Internet 2018 a mejor marca personal en RRSS y finalista en los European Digital Mindset Awards 2016, 2017 y 2018.