Medicina personalizada: 'Big Data' en salud

Escrito por Llanos Sánchez

Actualmente existe una gran cobertura mediática en torno a las aplicaciones del Big Data y la analítica de datos a cualquier sector, incluido el de la salud. Y parece que no hay duda de que aporta valor ayudando a tomar decisiones a los médicos y, por tanto, logrando una mejor salud para los pacientes.

La población envejece cada vez más, así que nuestro sistema sanitario tiene que ser capaz de cuidar durante más tiempo de los pacientes, buscando prevenir y tratar las enfermedades de la mejor manera posible y al menor coste.

¿Dónde está el Big Data en salud?

Datos ha habido siempre, pero las nuevas tecnologías permiten procesar y analizar el gran volumen de datos que manejan los profesionales del ámbito de la salud con el propósito de ofrecer a cada paciente el mejor tratamiento y, cuanto antes, mejor. Este es el gran reto de la medicina personalizada.

Hoy en día es posible analizar esa cantidad masiva de datos a gran velocidad para que la información fluya de forma ágil, se pueda compartir y, lo más importante, pueda reportar un beneficio a todo el mundo.

Los médicos obtienen muchos datos de sus pacientes a partir de distintas fuentes, como por ejemplo, sus historias clínicas electrónicas, los aparatos de telemedicina que utilizan para sus diagnósticos, sus análisis clínicos o los wearables que registran datos sobre sus constantes vitales de salud (tensión, actividad física, etc.).

Y, por otra parte, la investigación clínica arroja muchos datos relacionados con la salud de los pacientes. Este es el caso de la Genómica, que permite obtener el perfil genético de una persona y ayuda así a predecir si tiene riesgo de padecer cáncer, diabetes o enfermedades del corazón.

Además, hay información sobre la población general, encuestas de Sanidad pública, datos epidemiológicos o datos procedentes de ensayos clínicos en los que se evalúa si un fármaco es eficaz o no. El gran reto está en ser capaces de integrar todos esos datos de fuentes tan heterogéneas y analizarlos de forma conjunta para extraer el máximo valor.

Así, recoger, almacenar, ordenar y analizar los datos que ofrece la tecnología a partir de múltiples fuentes es el primer paso, pero para inferir valor de los mismos, además es posible aplica modelos predictivos que nos van a permitir optimizar la atención de los pacientes.

Modelos predictivos para una mejor salud con menores costes sanitarios

Si somos capaces de detectar riesgos en la salud de los pacientes, no solo de forma individualizada sino del conjunto de la población, podremos utilizar los recursos sanitarios de la manera más inteligente y a un menor coste, algo crucial en el momento que atravesamos.

Un buen ejemplo de la utilización del Big Data es el desarrollo de sistemas de alerta para el diagnóstico precoz de enfermedades neurológicas, que permite predecir en qué estadio se encuentra el paciente y cómo puede ser su evolución a través de una selección adecuada de las variables bioquímicas más relevantes a tener en cuenta a la hora de hacer un diagnóstico.

Si el objetivo es optimizar la gestión clínica, se puede inferir conocimiento de los datos de la historia clínica, definir mejor los perfiles de los pacientes, predecir con qué frecuencia van los pacientes a la consulta o su reingreso en el hospital, segmentar grupos de pacientes crónicos, etc.

Podemos concluir entonces que el uso de tecnologías para el análisis del Big Data permite proporcionar una capa de inteligencia con la que ir más allá de la medicina basada en el conocimiento, acercándonos a la medicina personalizada que predice y se anticipa a las necesidades de salud de los pacientes y les ofrece la atención médica más adecuada.