Obstáculos del big data en la salud

En una entrada anterior en nuestro blog comentábamos la necesidad del uso del big data en el sector salud teniendo en cuenta todo lo que puede ofrecer para mejorar la atención de los pacientes y la optimización de los sistemas sanitarios. La aplicación del big data es una realidad en muchas áreas de negocio y diferentes estudios como el de McKinsey Global Institue indican que el uso del big data puede producir un ahorro de más de 200.000 millones de euros en el sector público europeo.

Con la llegada de la era de Internet, la cantidad de datos generados y por lo tanto disponibles es inimaginable. Este escenario no es diferente en el sector salud. Cada día se generan millones de datos en los sistemas de gestión sanitaria y si a esto añadimos los generados por los dispositivos móviles (donde cada día existen más aplicaciones de salud), la magnitud de la información disponible es inimaginable.

Este gran volumen de información es clave para asegurar la atención médica de calidad a los pacientes y mejorar la capacidad de los proveedores tecnológicos sanitarios de ayudar en la mejora de la asistencia sanitaria. Sin embargo tenemos que tener en cuenta que esta gran cantidad de información implica que encontrar información relevante resulta una tarea tediosa y complicada. Para obtener esta información se convierte en imprescindible el uso de técnicas de inteligencia artificial y nuevos algoritmos que surgen constantemente.

La cuestión ahora es, ¿cómo transformar esta gran cantidad de datos en información útil que pueda ser utilizada para mejorar la atención de los pacientes? Para poder realizar esto, también tenemos que tener en cuenta que tenemos que hacer frente a una serie de obstáculos. El potencial del análisis de estos datos es inimaginable, pero vamos a revisar algunos de los obstáculos que nos encontramos.

• Información no estructurada

Con tal cantidad de datos, una estructura adecuada de la información se convierte en imprescindible. Existen muchas técnicas que permiten trabajar con datos no estructurados pero también es verdad que de alguna manera esta información no estructurada se convierte en estructurada. Esto implica en general una gran capacidad de procesamiento y complejidad en los algoritmos aplicados.

Al problema de la información no estructurada se une que el origen de la información se produce desde multitud de fuentes lo que implica que poner orden en la misma tiene su complejidad. Se estima que el 80% de los datos son no estructurados y que está en continuo crecimiento por los orígenes de los mismos. La solución a esto es la utilización de nuevas tecnologías cuya aplicación no es sencilla, lo que está provocando que su implantación en el sector salud no se esté realizando a la velocidad adecuada ya que se necesita inversión y actualmente las organizaciones no están para muchas inversiones.

• Calidad de la información

La calidad de la información analizada es fundamental para obtener información útil con el objetivo de mejorar la atención del paciente. Esto implica que la información registrada debe ser de calidad a nivel cualitativo y cuantitativo. Para conseguir esto, hay que conseguir que los profesionales registren la información de forma correcta y los proveedores de soluciones deben hacer que el registro de la misma sea sencillo e intuitivo y apoyarlo con las formaciones y soporte necesario, etc. Un aspecto que ayuda a conseguir este objetivo pasa por implantar políticas de feedback de información con los profesionales sanitarios, para lo que el big data puede ayudar mucho dado que permite obtener indicadores muy útiles a todos los niveles de la organización.

En la calidad de la información también influyen los cambios regulatorios, como por ejemplo la nueva codificación con CIE-10. Los profesionales de documentación indican que la nueva codificación implica un periodo de formación que en general no se está produciendo y los departamentos tampoco se están reforzando. Esto implicará una caída en la calidad de la información y como comentamos en un post anterior, el potencial del CMBD es enorme.

• Interoperabilidad

La interoperabilidad es fundamental en los sistemas de información de nuestros sistemas de gestión de salud ya que permite tenerlo todo interrelacionado, hablando en el mismo lenguaje, etc. No obstante, la interoperabilidad ha traído sus propios problemas, como cierta confusión con los mismos conceptos, ya que lo que en algunos sistemas significa una cosa, en otros significa algo muy diferente.

Estándares como el HL7 ayudan mucho en conseguir la continuidad de la información generada en los diferentes sistemas, por lo que es un gran paso su adopción en la resolución de estos problemas pero no es el definitivo.

• Poca Conciencia  de los Datos Significativos

Muchos de los profesionales no son conscientes de los datos asociados a los pacientes que son significativos. Esto implica que mucha información asociada a los pacientes no queda registrada y asociada a los mismos. Los profesionales asistenciales tienen muy claro qué información es muy significativa pero su registro se pierde en datos no estructurados, otros no se consiguen registrar en las historias clínicas lo que implica que los profesionales médicos no tienen la información correcta para hacer su trabajo y además esta información no puede ser analizada con técnicas de big data lo que implica la pérdida de muchas oportunidades futuras.

• Capacidad para evolucionar

Regularmente, se están lanzando nuevas herramientas y tecnologías que pueden ayudar a evolucionar los sistemas sanitarios. La tecnología está en constante cambio y las organizaciones deben evolucionar con ellas. Las organizaciones están tratando de poner la información en el centro de sus decisiones y las organizaciones sanitarias no son una excepción. Nuevas y mejores formas para crear y analizar datos se lanzan todos los días y las organizaciones deben tratar de evolucionar a la misma velocidad, lo que en muchas ocasiones es muy difícil. Las causas son diferentes pero una de ellas es que esto implica inversión y en estos momentos esto es muy complicado.

En nuestra experiencia profesional, no vemos que las organizaciones sanitarias estén aplicando el big data a la velocidad que lo están aplicando en otras industrias, ¿Cuál es vuestra experiencia? ¿Cuáles son los principales obstáculos? Esperamos vuestros comentarios.