Analítica médica y sus casos de uso

El mundo de la analítica big data necesita casos de uso realistas con un impacto positivo claro en el negocio o ser de interés general. La sociedad puede beneficiarse claramente de múltiples aplicaciones para las cuales el impulso colectivo es fundamental.

En particular, en el caso de la sanidad ya se tienen resultados y se parte con una inercia analítica inicial por los estudios técnicos en genómica. Incluso la analítica big data ha propiciado nuevas perspectivas en este campo (Buckley 2015). 

Precisamente el estudio de factores genéticos en el cáncer es una derivada de estos. En los últimos años se ha avanzado mucho en la reducción de costes y en la viabilidad técnica de los mismos. La inclusión generalizada de datos sobre pacientes y la interconexión de silos, generará posibilidades analíticas inabordables hasta ahora.

En otros campos médicos como el de los discapacitados, la analítica y la inteligencia artificial son, más que una promesa, una realidad palpable.

Es evidente que aunque la analítica en el sector de la salud ha comenzado después que en otros, está comenzando a despuntar. Y con su adopción llegarán otros casos de uso específicos en áreas como las siguientes: 

  • Elección de médicos y seguros
  • Cuidados preventivos y calidad de vida
  • Calidad de servicios y patient engagement
  • Innovación
  • Reducción de costes (hospitalización, seguros, farmacología, recaídas (Burns 2015), etc.)

Particularidades de la analítica médica

Hay varios aspectos importantes a tener en cuenta cuando se habla de big data en el sector médico:

  • En analítica médica no siempre existe “big” data. En el mundo médico no suele haber ni volúmenes muy grandes, ni necesidades de consumo y decisión rápidas de tiempo real.
  • La protección de la información y su acceso son factores críticos e importantes. Es por tanto necesario adecuar el tratamiento de este tipo de información a los estándares regulatorios pertinentes. En particular, también será necesario controlar aspectos de gobernanza y linaje en el acceso a la información: quién accede a qué, y cómo se accede.
  • Digitalización del sector. En general el sector médico no está muy digitalizado en especial en algunos países, hay lagunas en la información y necesidad de herramientas NLP (Natural Language Processing).
  • Otros factores: subjetividad de la información médica, adopción de soluciones por parte de pacientes de edad avanzada, etc.

Sin duda, el sector sanitario tiene muchos retos por delante, pero la analítica no es optativa para poder afrontar en muchos casos su propia sostenibilidad y la natural evolución.

Enlaces de interés

Buckley, Jonathan. Big Data Analytics Alters How We Study the Human Genome. 16 de septiembre de 2015. http://www.dataversity.net/big-data-analytics-alters-how-we-study-the-hu... (último acceso: 9 de junio de 2016).

Burns, Ed. Tech Target. How predictive analytics in healthcare can lower readmissions. Noviembre de 2015. http://searchbusinessanalytics.techtarget.com/feature/How-predictive-ana... (último acceso: 9 de junio de 2016).

Kayyali, Basel, David Knott, y Steve Van Kuiken. The big-data revolution in US health care: Accelerating value and innovation. McKinsey. Abril de 2013. http://www.mckinsey.com/industries/healthcare-systems-and-services/our-i....

Ministerio de Sanidad, Servicios Sociales e Igualdad. Historia Clínica Digital del Sistema Nacional de Salud. http://www.msssi.gob.es/profesionales/hcdsns/home.htm (último acceso: 9 de junio de 2016).

 

 

 

 

 

 

Tags: