En el sector de la salud existen numerosas fuentes de datos heterogéneas que arrojan una gran cantidad de información relacionada con los pacientes, las enfermedades y los centros sanitarios. Esta información, bien analizada, resulta de gran utilidad para los profesionales sanitarios. En particular los sistemas y bases de datos relacionales, están facilitando el desarrollo de plataformas para la captura más eficaz, almacenamiento y manipulación de estos grandes volúmenes de datos. En la misma medida en la que evoluciona la naturaleza de los datos de salud lo tienen que hacer las técnicas de análisis.
Se pueden obtener datos sobre salud de historias clínicas electrónicas, dispositivos de telemedicina, pruebas clínicas, e incluso de tecnologías móviles, entre otras fuentes. Asimismo, aportan un valor añadido a los datos epidemiológicos, nutricionales y genómicos, más relacionados con lo que se conoce como Real World Data (RWD) y con la medicina personalizada. Analizar esa información puede ayudar a tomar decisiones tanto a los médicos como a los gestores de los centros sanitarios, lo que repercute en un mejor servicio de salud para los pacientes y un enfoque en los esfuerzos para una salud preventiva.
La aplicación de las denominadas técnicas de Big Data permite inferir una capa de inteligencia, en la que resulta de especial relevancia la aplicación de modelos predictivos que ayuden a anticiparse a las necesidades sanitarias y que ofrezcan una atención médica más eficaz y eficiente.
Por otra parte, hemos de hablar también de la calidad de los datos. Los problemas de calidad de datos son especialmente importantes en el sector de la salud sobre todo en nuestro país por dos razones: las decisiones de vida o muerte dependen de tener la información precisa, y la calidad de los datos de salud, especialmente de aquellos no estructurados, es altamente variable y con demasiada frecuencia incorrecta o incompleta. La veracidad asume escalabilidad en granularidad y en el rendimiento de las arquitecturas y plataformas, algoritmos, metodologías y herramientas para que responda a las exigencias de Big Data. Se requieren nuevas arquitecturas para procesar los datos y nuevos algoritmos.
La recopilación y organización de datos, el volumen, la variedad y la velocidad de la producción actual de “grandes datos” presenta nuevas oportunidades y desafíos, tanto en escala como en complejidad. Al mismo tiempo, esto nos permitirá en el corto plazo potenciar los sistemas de apoyo, diagnóstico y tratamiento. Pero aún existe el desafío a nivel nacional de la estandarización de la codificación clínica; para esto hay ten nuevas oportunidades para ocupar buenas prácticas internacionales, como servidores terminológicos que permitan la estandarización de los datos ingresados en los registros clínicos electrónicos, que permitirán mejorar la calidad de los datos pudiendo entregarse información mucho más precisa.
Estos desafíos no pueden ser llevados a cabo sin tener el recurso humano calificado; en este sentido Duoc UC ha sido pionero en crear la carrera Informática Biomédica, que prepara a profesionales para liderar estos grandes cambios en esta era digital.
Por Ignacio Pérez, Subdirector Área Gestión y Tecnologías en Salud, Escuela de Salud Duoc UC
