Hace poco hablamos de la vacilante relación entre el big data y la sanidad en un post titulado Herramientas de limpieza de datos: Salvando las distancias entre la sanidad y el big data. La sanidad reúne enormes cantidades de datos, pero se ha resistido a aplicar estrategias de gestión de big data para aprovechar las medidas de mejora del rendimiento, los resultados clínicos y las ventajas fiscales. Algunas de las limitaciones en la gestión del big data sanitario tienen que ver con la información confidencial de los pacientes y la apertura de sus sistemas a procesos que no consideran de metodología probada. La «vieja guardia» ha mantenido estas creencias como ciertas, pero la innovación se está agitando en la comunidad sanitaria que abre un futuro brillante para una relación armoniosa entre la asistencia sanitaria y los grandes datos.
Si se observan las oportunidades potenciales para la sanidad, se estima que el sector ha acumulado datos en términos de terabytes y se está acercando a la categoría de los petabytes. Es una gran oportunidad. En un artículo titulado Big Data for Healthcare: ¿Por qué estamos recogiendo todos estos datos? High Tech Answers descubrió que, en menos de un año, los Institutos Nacionales de la Salud (NIH) recibieron 200 millones de dólares de financiación para el Proyecto Internacional 1000 Genomas. A partir de ahí, los investigadores pudieron validar un descubrimiento científico relacionado con la enfermedad de Alzheimer. En su artículo afirmaban que:
«Se espera que este proyecto de «big data» contenga el mayor conjunto de datos del mundo sobre la variación genética humana, y pretende secuenciar el genoma completo de 2.600 personas de todo el mundo».
Del MIT nos llegan más pruebas de esta nueva y apasionante frontera. En 2012, el MIT puso en marcha una iniciativa de big data denominada bigdata@CSAIL. Los investigadores asociados al proyecto están desarrollando nuevas técnicas de procesamiento de datos médicos para hacerlos más accesibles tanto a los médicos como a los pacientes y encontrar correlaciones que puedan mejorar el diagnóstico o la elección de terapias.
John Guttag, catedrático Dugald C. Jackson de EECS, dirige el grupo de Medicina Basada en Datos del CSAIL. Entre otras cosas, el grupo está investigando técnicas para detectar y predecir infecciones hospitalarias. Gracias a sus esfuerzos, un investigador utilizó técnicas de aprendizaje automático para peinar los datos y encontrar a los pacientes que sugerían un riesgo elevado de infección por el desagradable bicho intestinal Clostridium difficile. Este bicho, comúnmente conocido como C-Diff, es común en hospitales y entornos sanitarios, donde los pacientes son susceptibles de contraer infecciones. Es persistente y preocupante en su control.
Estos hechos por sí solos indican claramente el valor y las perspectivas de futuro de una relación armoniosa entre la asistencia sanitaria, la limpieza de datos y el big data. La visión clara a la que nos enfrentamos no es «podemos», sino «cómo» avanzar en la asistencia sanitaria utilizando estratégicamente técnicas de limpieza de datos y vinculación de registros. Nuestras oportunidades para mejorar los resultados clínicos y reforzar las posiciones fiscales son infinitas y abundantes.
