Cómo el Big Data puede mejorar nuestra salud

David Prieto

«Big Data» es, sin duda, uno de los términos de moda del nuevo milenio. Pero poca gente tiene una idea clara y precisa de lo que realmente es. Una definición sencilla sería referirnos a este término como la recopilación masiva de datos en las actividades de al vida real en lugar de la recogida programada en entornos de experimentación.

Pero esta acepción es demasiado general y quizás no nos acerca a lo que el Big Data puede hacer para prevenir y ayudar al cuidado de la salud. Para comprender mejor el Big Data en este entorno, vamos a imaginar un paciente ficticio y comparar cómo se recogía y usaba su información de salud antes y cómo lo podemos mejorar con las tecnologías de Big Data.

 

Medicina y prevención antes del Big Data

 

Año 1990, una paciente embarazada va a su médico de cabecera a causa de cierta patología. El medico la explora, diagnostica y le receta un tratamiento anotándolo todo en una historia clínica en papel. El tratamiento es el estándar que se da a la población general con la misma patología, ya que nunca se hacen ensayos clínicos en embarazadas y ni se sabe si para ellas implica un riesgo especial o hay alternativas mejores.

Al cabo de unos días, la paciente sufre un shock e ingresa en urgencias inconsciente. El médico de urgencias no la conoce, no tiene su historia clínica (que está en el archivador del médico de cabecera). El médico empieza de cero a pedir las mismas pruebas que ya le pidieron en primaria, pero sin poder comunicarse con la paciente desconoce gran parte de su historia y hace un diagnóstico erróneo. Para colmo, le prescribe un medicamento que interacciona con el tratamiento anterior (y que él desconoce) y le produce una reacción adversa. Los datos están en papel, fragmentados y aislados en distintos centros que no se comunican entre si. Cada vez que un médico ve a un paciente tiene que recomenzar muchos procesos de nuevo.

 

Digitalización y buenos pasos para compartir información

 

En 2010, una paciente también embarazada va al médico. Le abre una historia clínica electrónica donde apunta los datos de la entrevista, las pruebas clínicas, los diagnósticos y los tratamientos que le prescribe. Cuando la paciente es admitida inconsciente en urgencias tras sufrir un desvanecimiento, el médico de guardia tiene acceso a todo su historial clínico con diagnósticos, test de laboratorios, tratamientos y evoluciones. Sus decisiones y reacciones quedarán registradas en ese mismo sistema. La información ya es digital, se puede acumular y compartir entre profesionales. Es un gran avance para el paciente, pero sin embargo aun no es «Big Data». Para ello se necesita algo más, hay que combinar muchos datos de muchos pacientes para obtener conocimiento y avanzar en la prevención.

 

Big Data hoy: datos que curan

 

En el 2021 un médico busca el mejor tratamiento para su paciente embarazada y con una patología complicada. El tratamiento estándar recomendado por los protocolos clínicos no ha sido probado en embarazadas y el médico está preocupado por los posibles efectos a largo plazo.

Pero este mismo médico sabe que hay muchas pacientes embarazadas con esa patología y quizás con distintos tratamientos. Con la ayuda de un informático buscan en la base de datos del sistema de salud nacional pacientes embarazadas con la misma patología con al menos 5 años de seguimiento. Comparan las respuestas a largo plazo a diferentes tratamientos y, como la base de datos es tan grande, puede incluso seleccionar un subgrupo de pacientes con características muy similares a su paciente para buscar el mejor tratamiento.

Esto es realmente Big Data, es decir, la recopilación de información de muchos pacientes que se combina y estudia para dar respuestas a problemas muy específicos. Información que cura y ayuda a prevenir.

 

Big Data mañana: más personalización y mayor atención

 

Mismo escenario en el año 2030. Los usuarios utilizan diversos sensores para monitorizar su salud. Estos incluyen los llamados «wearables» (relojes, pulseras, ropa inteligente) y sensores en el domicilio, el trabajo o el coche. Los sensores recogen constantemente información de distintos aspectos de salud como el ritmo cardíaco, la presión arterial, la saturación de oxígeno, el peso, el índice de grasa, la cantidad de movimiento que hace, la cantidad y calidad del sueño, etc.

La enorme cantidad de datos que se genera diariamente es procesada por un sistema de inteligencia artificial que calcula y monitoriza indicadores de salud complejos. Por ejemplo, la actividad metabólica del paciente, la capacidad de reacción frente al estrés y la capacidad de recuperación. Además de dar alertas cuando estas métricas se salen de rangos «saludables». El sistema aprende a personalizar estos rangos para cada individuo. Establece los patrones de evolución y ritmos de estas variables en condiciones de salud de ese paciente en particular, y puede detectar cuándo ese paciente empieza a desviarse de su propia estabilidad.

Esto es sólo un pequeño viaje para situarnos en cómo era hasta ahora la información en la salud y hacia dónde podemos ir si aprovechamos las oportunidades del enorme desarrollo en tecnologías para recopilar, almacenar y manejar enormes cantidades de datos.

Pero no debemos olvidar que, para aprovechar estas oportunidades, debemos cambiar nuestra forma de pensar en cómo usamos y analizamos la información clínica y desarrollar un nuevo conjunto de algoritmos y técnicas de análisis.

Seguiremos informando de todos estos retos y oportunidades del Big Data en próximos posts, porque lo mejor de trabajar con datos, es lograr que toda esa información nos proporcione mejor atención, soluciones más efectivas y salud, para seguir siendo autónomos e independientes.

Sobre el autor

David Prieto

David Prieto es profesor titular en la London School of Hygiene & Tropical Medicine y dirige la Cátedra Internacional de Análisis Estadístico y Big Data de la Universidad Católica de Murcia. David lleva más de 20 años desarrollando metodología estadística y analizando datos en ciencias de la salud. Actualmente trabaja en el análisis estadístico de bases de datos complejas como historias clínicas electrónicas y es asesor de ATAM en el análisis estadístico de los datos generados por los distintos servicios de ViveLibre.

David Prieto es profesor titular en la London School of Hygiene & Tropical Medicine y dirige la Cátedra Internacional de Análisis Estadístico y Big Data de la Universidad Católica de Murcia. David lleva más de 20 años desarrollando metodología estadística y analizando datos en ciencias de la salud. Actualmente trabaja en el análisis estadístico de bases de datos complejas como historias clínicas electrónicas y es asesor de ATAM en el análisis estadístico de los datos generados por los distintos servicios de ViveLibre.

Artículos relacionados

© ViveLibre Autonomía Personal S.L.U. 2019