El avance de las nuevas tecnologías tiene también un importante papel en la Salud. Desde hace años son una herramienta para mejorar el abordaje de los pacientes, dirigirse hacia la personalización de la atención y apostar por una visión más sostenible. En este punto, el Big Data también ha supuesto una mejora, todavía por descubrir a qué nivel, de la atención de los pacientes, su diagnóstico y tratamiento.
El Big Data, conformada por las numerosas fuentes de datos que recogen historias clínicas, dispositivos de telemedicina o pruebas clínicas, permiten obtener una información con la que crear modelos predictivos para conocer las personas con más riesgo o predecir su evolución; ofrece diagnósticos más precisos y mayor adherencia a los tratamientos; participa en la medicina preventiva en el desarrollo de nuevos medicamentos y generación de recomendaciones, y llega hasta reducir costes al sistema.
Un ejemplo de aplicación de los modelos predictivos fue el algoritmo desarrollado con las herramientas de Azure Machine Learning de Microsoft y que, durante el peor momento de la pandemia, ayudó a determinar qué pacientes positivos por coronavirus podían desarrollar un empeoramiento que requiriera su traslado a la Unidad de Cuidados Intensivos. Desarrollada por Futurs, la división tecnológica del grupo sanitario Ribera, como explicó Pablo González, Managing Director de Futurs en el Folbers Talk, este algoritmo permitió optimizar los recursos cuando eran escasos. "Y lo conseguimos, sobre todo, gracias a la interoperabilidad y a un procesado de datos eficaz”.
"El Big Data en Sanidad tiene mucho más potencial que en otros sectores”
"El Big Data en Sanidad tiene mucho más potencial que en otros sectores”, afirma Francisco Manuel Aznar, Development Manager de Futurs. La razón, como esgrime, es sencilla: en el sector salud se trabaja con muchas variables que, por pequeñas que sean, pueden cambiar el curso de una enfermedad de manera disruptiva.
Es posible que en un paciente con una enfermedad estén involucrados unos genes concretos y en otro paciente con la misma enfermedad no lo estén, o puede que uno responda ante un tratamiento y otro no. “Ahora mismo no se sabe por qué sucede, y eso se debe a que no se han analizado todas las variables involucradas. Con el Big Data podemos hacerlo, ya que disponemos de herramientas capaces de extraer patrones que nos ayuden a comprender lo que sucede”, explica Aznar.
CLAVE: RECOPILACIÓN DE DATOS
Lo principal para seguir apostando por esta ventaja tecnológica es contar con los datos necesarios que provengan de fuentes diversas. Como se ha comentado, las historias clínicas electrónicas o las pruebas médicas generan una serie de datos que se almacenan y se trabajan para crear los algoritmos de asistencia sanitario.
"En los proyectos de algoritmos para prevenir úlceras por presión y de caídas, por ejemplo, volvemos a recopilar los datos cada seis meses y los mandamos a la máquina para ver qué ha pasado en ese tiempo. Dependiendo de la estadística y los datos que nos devuelva, volvemos a entrenar el modelo picando nuevas instrucciones o lo dejamos como estaba. De esta forma, identificaríamos variables que ya no aportan información relevante y meteríamos otras nuevas que nos trasladen los sanitarios”, explica Adrián Belso Garzas, Lead Data Scientist en Futurs.
Cuando se tienen estos datos, el siguiente paso es la planificación del enfoque asistencial de las personas, algo que se ve facilitado gracias a la tecnología, y que tiene en realidades como TruCare una experiencia tangible. Es una plataforma que permite personalizar tratamientos médicos de forma automatizada gracias a la información previamente recopilada por dispositivos conectados, o bien a aquella disponible en las grandes bases de datos que ya están creando los centros hospitalarios. Se produce, entonces, un itinerario que parte de un dispositivo que recopila datos y los envía a una nube donde una Inteligencia Artificial los analiza, clasifica y archiva, extrayendo patrones que plataformas como TruCare utilizan para sugerir intervenciones concretas por parte del profesional médico.
“El papel de TruCare es elaborar valoraciones estandarizadas en función del nivel de cronicidad del paciente para crear planes de cuidados según esa valoración”, explica Francisco Ballesta, coordinador de la Unidad de Gestión de Salud Poblacional de Grupo Ribera y Product Owner de Cynara Citizen. Utilizando los recursos que ya recopilaba Futurs, “fuimos capaces de recoger mucha información de la historia clínica electrónica y de la historia clínica de atención primaria; con esto segmentamos la población y la estratificamos en niveles de riesgo. Luego, TruCare nos permitió valorar a los pacientes en función de este nivel de riesgo y, según esta valoración, crear planes de cuidados personalizados y estandarizados para cada ciudadano”, destaca.