El big data y la medicina de las 4 Ps en España

La informática de la salud va cobrando cada día más importancia. En especial, para la medicina de las 4 Ps. Descubra cómo se usa el big data para la medicina de las 4 Ps.

Los avances médicos han ido cambiando su foco a lo largo de la historia. Primero, se pretendía salvar de la muerte a los enfermos, aunque eso implicara una calidad de vida mermada. Por ejemplo, con amputaciones u otras secuelas graves. Luego se intentó mitigar esas secuelas para llevar una vida lo más plena posible. Ahora, la medicina está enfocada en prevenir las enfermedades.

Pero ¿cómo se evita que las personas enfermen? Para ello, los estudios clínicos son fundamentales. Identificar los factores de riesgo para la salud ayuda a minimizar los riesgos de contraer enfermedades graves, crónicas o que resientan la calidad de vida del paciente. La informática de la salud ha revolucionado este concepto. Esto se debe a que la integración de datos clínicos permite desarrollar una actividad médica que se ha denominado «Medicina de las 4 Ps».

 

Medicina de las 4 Ps

Cuando hablamos de medicina de las 4 Ps, nos referimos a una nueva práctica médica que se basa en cuatro conceptos:

Personalización

Gracias a la integración de datos clínicos del paciente, se le podría ofrecer un tratamiento a su medida. Esto quiere decir que se tendrían en cuenta todos los parámetros de su salud (genética, hábitos, antecedentes familiares) para diseñar la mejor estrategia clínica para cada individuo.

Predicción y prevención

La informática de la salud permitiría identificar factores de riesgo e inclinaciones estadísticas a sufrir según qué tipo de patologías.

Esto permitiría a los médicos tratar a cada paciente no cuando está enfermo, sino cuando está sano. De esa forma, se evitaría llegar a enfermar.

Participación

En esta medicina de las 4 Ps, el paciente tendría un papel activo en el cuidado de su salud. Él mismo participaría en la integración de sus datos clínicos y en la toma de decisiones de su tratamiento. Busca asesoramiento, elige a su médico y se compromete con el tratamiento.

Papel del big data en la medicina de las 4 Ps

Las tecnologías de la información se han centrado en el análisis de grandes cúmulos de datos que introducen los usuarios en Internet. Esto se utiliza en cuestiones de todo tipo: sociológicas, económicas, empresariales y publicitarias, políticas, etc. La informática de la salud lo hace en cuanto a la medicina.

Mediante un análisis del big data, se podría identificar pautas en las patologías, comportamientos y hábitos de los pacientes. Y estas pautas se podrían utilizar para la medicina predictiva. Así, los médicos podrían identificar qué riesgos corre la salud del paciente y actuar antes de que aparezcan las patologías. Con esto se mejoraría la calidad de vida de los usuarios. Pero también servirían para retroalimentar el sistema de aprendizaje electrónico (artificial inteligence in health).

La medicina de las 4 Ps permitiría no solo curar a los pacientes, sino evitar que enfermaran. Y la clave para ello es la integración de datos clínicos y la explotación de datos biomédicos. Una correcta gestión del big data puede proveer a los usuarios de mayor calidad de vida y tratamientos a medida para cada individuo.

El papel de Big Data y Analytics en el sector de la salud

Las nuevas tecnologías, en concreto las denominadas Big Data y Analytics, pueden contribuir a mejorar el sector de la salud. Muchas industrias de este sector ya han comenzado a aplicar ambas. No obstante, todavía quedan bastantes que todavía no ven todas sus ventajas.

A pesar de ello, las experiencias que comparten otras que están aplicando big Data y Analytics en diversas áreas les resultan interesantes. Desde mejorar los diagnósticos en pacientes hasta evitar fallos, pasando por aplicar tratamientos que puedan reducir el tiempo de hospitalización y medicación de pacientes, ambas tecnologías ofrecen numerosos ejemplos de mejora en el sector de la salud.

Big Data y Analytics para reducir los errores de medicación

Las áreas en las que estas dos tecnologías pueden aportar ventajas al sector de la salud son muy diversas. Sobre todo, pueden ayudar a reducir errores de todo tipo. Por ejemplo, de medicación. Este es uno de los problemas más graves en el sector sanitario.  Los expertos en medicina, así como en farmacia, pueden cometer errores. Al fin y al cabo, son humanos. El fallo puede ser leve, o tan grave que llegue a ocasionar una enfermedad e incluso la muerte al paciente. El uso del Big Data y de Analytics en este área puede ayudar a reducir el nivel de error a niveles prácticamente nulos.

Para ello, esta tecnología puede encargarse de analizar el historial del paciente. En él figurarán tanto sus enfermedades como el tratamiento que debe seguir (y su dosis). El sistema que utilice esta tecnología será el que se utilice al prescribir su medicación. Entre otras medidas, contará con una alerta que avisará en caso de error.

Identificación de pacientes en situación de riesgo

La identificación de pacientes en riesgo de enfermedad grave o aguda puede facilitarse gracias al Big Data y al Analytics. El uso de analítica predictiva ha hecho que se reduzca en muchos casos la visita a urgencias. Pero también da la oportunidad a los médicos de identificar los síntomas que pueden llevar a un paciente  a sufrir una enfermedad grave. Y de hacerlo antes de que sea demasiado tarde. Así, no sólo podrá tratarse adecuadamente de manera preventiva. También puede incluso evitarse una enfermedad prolongada y dura.

Eso sí, para poder hacer esto es preciso recopilar datos e historiales de la mayor cantidad de pacientes posible. Estos datos, en gran cantidad, serán los que se utilicen como contraste con la información sanitaria de los pacientes. Y su análisis contrastado, lo que ponga de manifiesto si existe riesgo. Aún así, todavía habrá pocos datos. A no ser que se interconecten sistemas y bases de datos de pacientes y se suministren a un sistema de Inteligencia Artificial, poco se podrá hacer. Es por eso, entre otras cosas, que el Big Data juega un papel tan importante en salud.

Mejora de diagnósticos y reducción de tiempo de hospitalización

El análisis de otros casos (de hecho, de cuantos más mejor) puede ayudar a los médicos a realizar un diagnóstico más acertado de los enfermos. Esto no sólo ayudará a acabar con más facilidad con su enfermedad. También reducirá costes, al optimizar tanto el tratamiento acertado como su dosis.

El uso de sistemas de Big Data y Analytics al diagnosticar y tratar dolencias también redunda en hospitalizaciones más cortas. Esto también lleva a menos esperas para intervenciones. Y si se usan ambas tecnologías para predecir cuándo se prevé que aumente la afluencia a los hospitales por enfermedades estacionales, incluso se puede influir en la gestión de personal. O de las instalaciones y camas disponibles en una ciudad o una comarca.

La adopción de Big Data y Analytics en el sector sanitario es un proceso que aún llevará tiempo. Por suerte, muchos hospitales y sistemas sanitarios ya han adoptado sistemas digitales. Esto es la base para la recopilación de datos que analizar y utilizar como base para todos los casos mencionados. Y para muchos más.

 

Cómo el Machine learning puede ayudar en la medicina predictiva

Las nuevas tecnologías aportan mucho más de lo que parece en gran cantidad de sectores. Por ejemplo, en el sanitario. Un ejemplo lo tenemos en las aplicaciones del Machine learning, una rama de la Inteligencia Artificial, en sanidad. Sobre todo, en medicina predictiva.

El uso de algoritmos de Machine learning en sistemas de diagnóstico y analítica puede llevar a importantes mejoras en la predicción de enfermedades. Eso sí, para poder funcionar adecuadamente, el Machine learning necesita ingentes cantidades de datos.

Por lo tanto, su funcionamiento está íntimamente relacionado con otra tecnología: el Big Data. Afortunadamente, muchos sistemas sanitarios han adoptado la digitalización. Por lo tanto, el historial de los pacientes y sus tratamientos están ya en formato digital. Así que el sistema puede alimentarse de ellos para encontrar datos útiles para realizar tareas de analítica y medicina predictiva.

Lo que puede aportar el Machine learning a la medicina preventiva

Como hemos mencionado, el Machine learning es de gran utilidad en el diagnóstico precoz de dolencias y enfermedades. Los sistemas que lo incorporan pueden “aprender” cuándo se dan las condiciones para que un paciente sufra una enfermedad. Si se le suministran suficientes datos, no sólo podrán detectar una dolencia con la misma o más exactitud que un patólogo humano. Si el sistema detecta en el paciente señales que pueden conducir a una enfermedad, avisará de ello.

De esta manera, el Machine learning puede ayudar a los facultativos a poder comenzar a tratar los síntomas de una enfermedad cuando antes. A veces, incluso antes de que llegue a manifestarse. Esto reduciría las posibilidades de contraer una enfermedad grave. O, debido a que se comenzaría a tratar en sus primeras etapas, su efecto sería bastante más leve.

Además, el Machine learning puede haber aprendido también cuáles son los tratamientos más utilizados para tratar cada enfermedad. Un sistema que utilice esta tecnología puede conocerlos a partir de los datos de medicación de los expedientes que se le han suministrado. Así, el sistema no sólo podrá indicar la medicación o tratamiento necesarios para evitar que aparezca una enfermedad. También podrá sugerir la dosis necesaria en cada caso.

Machine learning en la predicción de epidemias

Además de aprender cuándo se dan los factores para que una persona vaya a ponerse enferma, los sistemas con Machine learning pueden ofrecer mucho más a la medicina preventiva. Por ejemplo, ayuda en la prevención de situaciones epidémicas. Desde las más leves, como la gripe, hasta otras más graves, como las de ciertos virus tropicales.

Para ello, los sistemas no sólo tienen que aprender la información que aparece en los historiales. También deben conocer datos de otras epidemias anteriores. Y tener en cuenta información relacionada. Por ejemplo, datos procedentes de satélites o datos sobre epidemias en Internet. También mensajes en redes sociales en tiempo real. Así, el sistema contará con ayuda para saber cuándo están aumentando los casos de una enfermedad infecciosa.

El Machine learning puede actuar aquí en combinación con sistemas de Inteligencia Artificial y redes neuronales. Así mejorarán todavía más los resultados. Y cuando el sistema detecte que se dan las condiciones adecuadas para que se desate una epidemia, podrá avisar. Y, por lo tanto, dar a los médicos un tiempo precioso para poder tomar medidas para reducir su alcance. También para hacer una provisión de todo lo necesario para combatirla.

Variables clínicas, wearables e historia clínica electrónica

Para profundizar nuestro conocimiento sobre las variaciones del estado de salud del paciente, es necesario llevar un registro fiable, informatizado y constante. Hoy explicaremos la relación entre variables clínicas, wearables e historia clínica electrónica.

Gran parte del trabajo actual en medicina se dedica a la medicina predictiva (predictive medicine). Muchos expertos señalan que la informática de la salud puede ser la clave para mejorar la prevención de enfermedades. Su posición se basa en una mejora de la comparativa de variables clínicas medidas a tiempo real por medio de la tecnología.

 

Variables clínicas

Las variables clínicas son parámetros de la salud que se estudian en una muestra de la población para comprobar una patología concreta. Algunas variables clínicas son más claras que otras. Por ejemplo, cuando se hacen estudios sobre cardiopatías, podría ser que el paciente tuviera una actividad cardíaca irregular, como arritmias, y no se lo comunicara a su médico. Esto podría deberse a que no fuera consciente de que sufre arritmias. Pero hay que tener en cuenta otra cosa. La salud es una cosa muy delicada. Muchos pacientes temen enfrentarse a patologías potencialmente mortales. Por eso, deciden no hacer caso a según qué señales de peligro en su salud.

Llevar una correcta medición de las variables clínicas es fundamental para estudios útiles. Ahí es donde entran los wearables.

Wearables

Los wearables han supuesto una forma sencilla y revolucionaria de medir los parámetros de los pacientes. Las famosas pulseras fitness que muchas personas llevan hoy les controlan su actividad diaria, su consumo de calorías, sus pulsaciones, sus ciclos de sueño, etc. Estos aparatos podrían convertirse en una manera fiable y continua de controlar las variables clínicas de los pacientes. El elemento de subjetividad a la hora de llevar un registro de sus variables clínicas pasaría a estar controlada de una forma objetiva. Además, cuantos más datos toma más fiable es.

Historia clínica electrónica

Pero estos avances son fútiles a menos que haya una buena base de datos en la que comparar la información.

La mejora del sistema de historia clínica electrónica permitiría integrar todos estos nuevos datos de las wearables y catalogarlos por variables clínicas que estuvieran fácilmente accesibles y etiquetadas. De esta forma, los investigadores tendrían una extensa y concienzuda base de datos. De ella podrían extraer la información y las conclusiones de sus estudios.

Aún hay muchos centros médicos que están a la retaguardia en materia de historia clínica electrónica. Estos centros solo integran los datos mínimos necesarios. Impulsar nuevas normativas europeas y españolas que fomenten la integración de los datos de los centros clínicos al sistema de historia clínica electrónica es un paso fundamental para que los investigadores puedan realizar estudios realmente útiles y con todos los datos posibles a su disposición.

La prevención es la próxima frontera en cuestiones médicas. La tecnología es un puente que nos permite identificar factores de riesgo y otras variables clínicas. Pero esos datos solo serán útiles si se mejora el sistema de historia clínica electrónica para que los investigadores puedan acceder a la información.

Bitac, entre los participantes en el Elixir Innovation and SME Forum

En junio de 2017 se organizaron en Barcelona unas jornadas gratuitas sobre la plataforma Elixir. Bajo el título Elixir Innovation and SME Forum, entre los días 6 y 7 de junio este foro acogió varias charlas y conferencias de expertos en biotecnología, genómica y salud. Y en Bitac no quisimos perdernos este evento, en el que tuvimos la oportunidad de aprender sobre los recursos que ofrece ElixirRead More

Bitac acude a Inforsalud 2017, Congreso Nacional de Informática de Salud

El pasado mes de marzo se celebró en Madrid, la XX Edición de Inforsalud, el Congreso Nacional de Informática de la Salud. Se trata de una cita imprescindible para cualquier profesional y empresa interesado en el papel que las nuevas tecnologías desempeñan en el sector sanitario. Y en Bitac no nos quisimos perder Inforsalud 2017, una importante cita para profesionales y empresas del sector.Read More

BITAC y Costaisa firman un acuerdo para la distribución de servicios de codificación en Latam

costaisa

Hoy estamos de enhorabuena en BITAC. Hemos firmado con COSTAISA un acuerdo de distribución internacional de nuestros Servicios de normalización de catálogos y consultoría en estándares de codificación, como SNOMED-CT, CIE9 y CIE10, SERAM, LOINC, NANDA, NOC y NIC.

Además, COSTAISA también comercializará el CTMAP, la solución SaaS que hemos estado desarrollando durante los últimos 18 meses y que ofrece ayuda a la codificación en CIE-10 al facilitar el mapeo automático de los términos locales no normalizados a términos normalizados en CIM-10-MC/PCS. COSTAISA contribuye, además, con su módulo de integración de datos asistenciales y de gestión, el COMMH, que debe permitir al CTMAP la creación de CMBDs y la conexión con sistemas de GRD.

Cabe destacar que COSTAISA es una compañía especializada en salud que desde hace más de 45 años ofrece servicios de consultoria por todo el mundo, así como soluciones en estrategias de negocio, tecnologías de la información y de la comunicación, desarrollo de aplicaciones y externalización de servicios.

Podéis seguir la actividad de COSTAISA en sus respectivos canales:

Web – costaisa.com

Twitter – @CostaisaGroup

LinkedIn – Costaisa

Bioinformatics Barcelona (BIB), presenta su nueva página web

Bioinformatics Barcelona (BIB), asociación de la cual BITAC es miembro fundador,  presenta su nueva página web con el objetivo de dar más visibilidad al potencial bioinformático de Cataluña. A continuación, podéis leer la nota de Prensa integra. También podéis visitar la página de BIB en el siguiente enlace:

Bioinformatics Barcelona

Partners BIOINFORMATICS BARCELONA


NACE LA WEB DEL BIB PARA DAR

VISIBILIDAD AL POTENCIAL BIOINFORMÁTICO DE CATALUÑA

– Bioinformatics Barcelona potencia su presencia digital para convertirse en el punto de encuentro de la comunidad bioinformática

– La web muestra las actividades bioinformáticas de las 40 entidades asociadas y más de 80 grupos de investigación

– La asociación pretende responder a las necesidades de los diversos sectores implicados en el ámbito bioinformático

Barcelona, 15 de junio de 2016. La Asociación Bioinformatics Barcelona (BIB) lanza la web www.bioinformaticsbarcelona.eu que pretende ser una referencia dentro del sector bioinformático a nivel nacional e internacional, y convertirse en la plataforma de comunicación e interacción entre los socios que la integran. De esta manera, la asociación potencia su presencia digital para convertirse en punto de encuentro facilitador de iniciativas y think tank de la comunidad bioinformática.

El portal cuenta con secciones dedicadas a dar información sobre los socios y cada uno de sus grupos de investigación en el campo de la bioinformática, formación y cursos, ofertas de trabajo y prácticas, noticias, actividades y clipping de prensa, además de un espacio específico de información relativa a la asociación.

La web pretende impulsar la visibilidad internacional del potencial bioinformático del que disponemos, y que mediante la colaboración entre los socios y con agentes externos se potencien las sinergias que permitan alcanzar metas cada vez más ambiciosas. En este sentido, la web muestra las actividades en el campo de la bioinformática de las 40 entidades asociadas y más de 80 grupos de investigación. En particular, las áreas de investigación en las que se concentra la mayor actividad son las de informática biomédica, genómica computacional, bioinformática para el tratamiento de enfermedades, biología de sistemas, bioinformática estructural y diseño de nuevos fármacos.

Destaca la sección dedicada a la formación, uno de los ejes estratégicos fundamentales del BIB, con la que se pretende reunir la oferta formativa existente para dar respuesta a las necesidades de profesionales de cada uno de los sectores demandantes.