“La ciencia de datos es una disciplina que usa los datos para extraer conocimiento e ideas. Es un campo multidisciplinario en continuo desarrollo que involucra conocimientos de negocios, ciencias de la computación y estadística.” Explica Fredi Vivas, Ingeniero en Sistemas de Información, CEO de RockingData, Alumni de Singularity University y Coordinador académico del Programa Big Data de la Universidad San Andrés.
El experto cuenta que en los últimos diez años, una combinación explosiva de mayor uso de internet, capacidad de almacenamiento más barato y el incremento de dispositivos conectados provocaron que el volumen de datos creciera exponencialmente. “La capacidad de una organización, para competir e innovar se ve en gran parte relacionada al éxito con el que puedan analizar grandes volúmenes de datos, estructurados y no estructurados, de todo tipo de origen, ya sean internos o externos. Las organizaciones data driven (que toman decisiones basadas en datos) saben que los datos son su principal activo estratégico, y que reflejan toda la experiencia de la organización; todo lo que se hace podría generar un registro en los sistemas a cada segundo en todo el mundo. Y todo puede servir para aprender”, explica el especialista y destaca que los datos de salud son especialmente sensibles y por lo tanto se deben tener con ellos consideraciones distintas a los de otros ámbitos.
“Cuestiones como la solicitud de consentimiento, aseguramiento de la calidad de los datos, confidencialidad y procedimientos legales son, sin duda, más rigurosos. Cifrar datos, manejarlos con seguridad estricta y garantizar transparencia en todo el proceso también son parte fundamental de estos proyectos”, asegura.
En una entrevista para Healthcareitnews, el profesor Mahmood Adil, director médico de Public Health Scotland y líder digital y de datos clínicos en el Royal College of Physicians de Edimburgo, habla sobre el estado actual de los datos de salud en la población y las formas prácticas de integrarlos en el sistema de salud.
El especialista dice que se necesitan tres tipos de datos para mejorar la gestión de la salud de la población: estilo de vida, determinantes sociales y servicios de salud. En términos generales, el estilo de vida representa el 30%, los servicios de salud el 25% y los determinantes más amplios de la salud (ingresos, empleo, educación, vivienda, etc.) representan el 40% de incidencia para mejorar los resultados en la gestión de la salud.
Sin embargo, Fredi Vivas ve muy poco análisis avanzado de datos en instituciones de salud en el escenario actual. “Muchas veces la información digital de los pacientes, médicos y staff de los centros de atención están en diferentes sistemas, en archivos excel sueltos que pueden quedar rápidamente desactualizados, porque depende de la carga a mano de datos, y eso, sin dudas, es muy complejo porque el personal tiene otro foco, que es la atención del paciente. Eso imposibilita tener confianza en los datos, a veces no está claro el origen, o no se confía en la calidad por no tener un punto único, así es difícil obtener indicadores bajo los mismos criterios y se pierde demasiado tiempo sin poder tomar decisiones. La ciencia de datos permite no solo entregar una mejor atención médica a los pacientes, sino también la oportunidad de optimizar procesos para convertir sanatorios y hospitales en “Smart Hospitals”, más eficientes, sustentables y con foco ciento por ciento en la experiencia del paciente”, señala el especialista.
Por su parte, Javier Camacho, ingeniero biomédico y Magister en gestión de innovación tecnológica, dice en su artículo “Analítica de grandes datos en salud: retos por superar” , que “los sistemas de salud y hospitales se han sofisticado últimamente con tecnología capaz de recoger y almacenar altos volúmenes de información de los pacientes. Las cifras estiman que cada año los hospitales almacenan en el orden de Petabytes (1015 bytes) de información. En los últimos tiempos, la aplicación del Big Data ha tenido una participación bastante importante como soporte de toma de decisiones en la medicina.”
Vivas comenta que existen muchísimos usos, y a veces implican proyectos muy personalizados según la situación de cada institución médica, pero desde su experiencia trabajando con machine learning, estas son algunas de sus funciones:
- Predicción de disponibilidad de camas de quirófanos, unidades cerradas, internación general y sala de shock room.
- Predicción de turnos médicos a lo largo del año analizando variables estacionales (feriados y otros eventos).
- Predicción de cancelación de turnos.
- Optimización realtime del staff a través de un tablero de relevamiento y segmentación de personal (licencias, vacaciones, altas, horas extras).
- Predicción de cultivos de bacteriología + uso correcto de antibióticos, mejorando la seguridad del paciente y reducción de costos en prescripciones.
Por su parte, según un informe de CAEME el análisis de datos es central para identificar y anticiparse a las necesidades de los pacientes. Así, esto permiten:
- Obtener un archivo centralizado y estructurado con todos los datos recogidos.
- Segmentar a la población en grupos según similaridad de las características sociosanitarias y los rangos de riesgo.
- Analizar la eficacia o efectos adversos de un fármaco o tratamiento.
- Elaborar estadísticas sobre los pacientes para elegir aquellos que sean más adecuados para los estudios clínicos.
- Detectar con antelación la necesidad de un paciente de recibir una atención especializada.
- Obtener patrones de comportamiento en pacientes y profesionales de la salud.
Por otro lado, el informe señala que “analizar los datos históricos junto con el impacto social define políticas preventivas: campañas de salud ambiental y laboral; políticas públicas para el desarrollo de la educación para la salud; estudios de probabilidad de aparición o continuidad de una enfermedad; fortalecimiento en la vigilancia de brotes epidémicos y evaluación de la calidad de los servicios médicos.”
Vivas opina que la pandemia de COVID-19 puso sobre la mesa la búsqueda de eficiencia operativa usando datos y considera que la formación en este tema es fundamental “porque la data empodera a la nueva generación de profesionales de la salud, que busca solucionar problemas usando health tech, para tener más agilidad, precisión y seguridad. Y desde la visión de los centros médicos, puede permitirles tener entornos de trabajo más inteligentes, flexibles, con altos estándares de calidad, que impacten directamente en la atención al paciente y en la atracción de los mejores talentos para trabajar.”
Por otra parte el profesor Mahmood Adil dijo, en la entrevista citada anteriormente, que el desarrollo de la alfabetización de datos entre los profesionales de la salud y los médicos es muy importante. “En un mundo donde todo son datos, en particular en el sector de la salud, como se mostró durante el COVID-19, desafortunadamente, la alfabetización de datos en la fuerza laboral es muy pobre en términos de cómo acceder, comprender y utilizarlos. Necesitamos mejorar esto para que cuando proporcionemos las herramientas digitales, se las pueda utilizar de manera efectiva y mejorar los resultados de salud en la población.”
