Que el proceso de digitalización del sector sanitario es imparable no puede discutirlo nadie a estas alturas, de ahí que imparable sea también el crecimiento del volumen de datos que se generan en Hospitales y centros de Atención Primaria. Estos datos sobre pacientes, de tipo médico y administrativo, se acumulan y organizan para incidir en la mejora de los cuidados y los tratamientos y facilitar el trabajo de los facultativos. Al evaluar los datos acumulados de diagnóstico, los responsables pueden adquirir conocimientos sobre la prevención y el desarrollo de las enfermedades que hasta entonces habían pasado inadvertidos y así generar una terapia personalizada y adaptada a cada caso particular que multiplique la eficacia de los procedimientos tradicionales. Por otro lado, el análisis de los datos administrativos puede, a su vez, conducir a la optimización de procesos y la reducción de gastos.
El mundo sanitario es un generador diario de ingentes cantidades de información. En cualquiera de nuestros sistemas regionales de salud se generan a diario millones de datos que han sido almacenados durante años evaluando y analizando solo una parte superficial de la información que se encuentra oculta en la interrelación entre ellos, debido en parte a la falta de tecnología adecuada.
Los datos médicos de los pacientes se recopilan diariamente en un centro sanitario a través de distintas aplicaciones informáticas que referencian diversos sistemas de información, desde el diagnóstico hasta el historial de los episodios de una enfermedad y los datos sobre el curso del tratamiento y su evolución. Los formatos de este almacenamiento pueden ser múltiples, desde el lenguaje natural de los informes de alta hasta datos numéricos de constantes extraídos con aparatos y sensores electro médicos. Para esta heterogeneidad de la información se han implantado los llamados ‘data lake’, que son capaces de gestionar información de distintos formatos y procedencias, teniendo además una capacidad de expansión en almacenamiento no vista hasta el momento.
Los responsables no sólo pueden analizar los datos médicos, sino que también se pueden evaluar los datos administrativos para optimizar los procesos de trabajo internos. Los datos para el análisis se recopilan de varias fuentes en los sistemas de información sanitarios. Las aplicaciones de Big Data permiten una evaluación previa y la realización de extensos informes sobre los datos de la organización sanitaria. El sistema consta, habitualmente, de bases de datos no relacionales y herramientas para análisis, informes y gestión. Dado que el sistema estructura los datos, los centros siempre tienen una visión general de sus flujos.
Esta enorme cantidad de datos de diversas procedencias y fuentes confluyen en los centros adscritos a las organizaciones sanitarias. En este sentido, se pueden establecer vínculos y relacionar datos obtenidos de una amplia variedad de áreas. Se pueden utilizar, por ejemplo, datos de aplicaciones de terceros y datos no estructurados. Además, los usuarios pueden vincular datos históricos con datos obtenidos en tiempo real. La explotación de datos administrativos usando aplicaciones de Big Data ofrece a los centros sanitarios una infraestructura tecnológica que crea un acceso central e independiente de la fuente a la información administrativa.
Aplicaciones prácticas
Las aplicaciones IA analizan dicha cantidad ingente de datos y encuentran dependencias, descubriendo patrones y modelos que pueden ayudar a habilitar un tratamiento personalizado. Cuanto mayor es la cantidad de datos, con mayor precisión se realiza dicho análisis y es justamente esta cualidad la que está determinando el despegue de estos sistemas. No obstante, tal y como hemos dicho, este es un campo nuevo y estamos en el inicio de una nueva era en la que se verán revolucionados muchos aspectos de nuestra vida cotidiana, y no sólo los relacionados con la salud. Por ejemplo, actualmente se están desarrollando inteligencias artificiales que encuentran dependencias entre distintas variables clínicas entre millones, que pasarían inadvertidas al ser humano. Un ejemplo es la IA Watson de IBM, un sistema informático capaz de responder preguntas formuladas en lenguaje natural. Este sistema de IA puede hacer diagnósticos precisos y sugerir tratamientos basados en las mejores prácticas de los principales centros de todo el mundo. El resultado es que, de facto, la práctica médica es preventiva e individual en mayor medida.
Otro ejemplo de IA que ya se está introduciendo y usándose en algunos centros de nuestro país, tanto de la mano de la empresa privada como de la pública, es la aplicación de esta tecnología en el diagnostico de imagen radiológica. Los sistemas de IA, al poder responder a patrones matemáticos, se entrenan antes de su implantación con una cantidad ingente de información previa (cientos de miles de estudios) y, debido a esa base de conocimiento, es capaz de analizar las imágenes diarias que puede “inyectarle” un centro y generar un pre-informe con un diagnóstico de presunción con evidencias para que el radiólogo tenga que validarlas. Esto acelera drásticamente la resolución de las principales pruebas diagnósticas.
Estas tecnologías de análisis y explotación de los Sistemas de Información implican un gran esfuerzo de implantación y puesta en producción, así como metodologías que permitan una rápida adaptación a las necesidades que surgen ante el descubrimiento de nuevas informaciones. La falta de conocimientos del personal y la falta de perfiles específicos en el mercado laboral es una barrera que la sociedad tiene que ir derribando, de ahí la alta demanda en perfiles Data Science.
Evolución previsible
Un peligro a destacar, y más en el ámbito de la salud y en un entorno como el que postulamos de procesamiento masivo de datos, es todo aquello relacionado con la protección de la intimidad de los ciudadanos. Por ello, es imprescindible una adecuación a la legislación en materia de protección de datos y al Esquema Nacional de Seguridad, ya que aunque son condiciones necesarias y requeridas que pueden verse como barreras, la falta de adecuación a estas puede dar lugar a situaciones de indefensión de los ciudadanos al poder modelar datos sin su consentimiento. Como ejemplo, los responsables de la información tienen que hacerse las preguntas adecuadas cuando se implantan este tipo de sistemas como son qué derechos tienen los pacientes y qué datos pueden almacenarse y analizarse por su relevancia (por ejemplo, ¿son pertinentes datos sobre lugar de residencia, procedencia étnica o sexo?). Además, de acuerdo con el Reglamento General de Protección de Datos (RGPD), los datos no pueden ser analizados automáticamente sin el consentimiento explícito de la persona interesada.
La gran cantidad de datos representa a su vez, un desafío, por lo que es preceptivo crear una infraestructura segura y de alto rendimiento para que los centros puedan trabajar con ellos. Después de todo, los datos no solo se almacenan, sino que también deben procesarse técnicamente, transportarse y archivarse. Es en este punto donde juegan un papel importante los sistemas de almacenamiento tanto “in house”, por parte de los servicios regionales, como la próxima generación de sistemas sanitarios almacenados en las nubes de los grandes proveedores.
Estamos pues ya en una nueva era, donde el nuevo oro es el dato, entendiendo este como elemento que genera información útil. Y nos hemos introducido en ella sin que buena parte de la ciudadanía haya sido consciente de ello.
