Big data y determinantes de la salud

Si humanización fue la palabra de 2018, seguramente big data o inteligencia artificial sean las protagonistas absolutas de 2019. De hecho, hace unos días hablamos de las tendencias que está desarrollando la inteligencia artificial (y el machine learning, que podríamos decir que son familia). 


Frente a los algoritmos de la inteligencia artificial, el big data parece más como el universo: infinito, sin una definición clara, sin límites. Y aunque en parte es así, hemos encontrado un artículo que puede ayudar a cuantificar los datos que se generan alrededor de la salud.

Se trata de un texto titulado “The era of exponential improvement in healthcare?” que se publica en la web de la consultora McKinsey. El objetivo del artículo se centra en la definición de nuevos modelos de negocio alrededor de la salud, pero hay un gráfico que nos ha llamado mucho la atención.

En el artículo han estructurado la generación de datos de salud según el modelo de determinantes de salud, y hay algo muy llamativo. Mientras que muchos proyectos se están centrando en datos estructurados como la historia clínica o los datos genéticos, la información que se genera por cada persona en relación a los determinantes sociales y a los comportamientos relacionados con la salud (estilos de vida) es mucho mayor (de 6,4 terabytes pasamos a 1100 terabytes). Y si hay más datos, es lógico que sea más probable obtener información mucho más fiable y útil.

Todavía estamos haciendo esfuerzos (sobre todo económicos) para generar y manejar la información clínica de forma adecuada (interoperabilidad, datos compartidos, grandes bases de datos, etc). Pero el gran reto que tenemos delante es el uso (adecuado y seguro) de los otros datos, quizás menos estructurados, pero que son los que más afectan a la salud del individuo y de la población y con los que se pueden construir también mejores algoritmos. Julio Mayol lo ha comentado en algunas de sus conferencias, cuando habla del origen de datos para hacer análisis big-data:






Uno de los principales miedos es el tema de la privacidad. Los datos relacionados con estilos de vida son muy útiles para el marketing, y por eso Google y otro tipo de webs ofrecen sus servicios gratis, porque a cambio les damos ese gran volumen de datos sobre nuestra vida y entorno social. De hecho, algunos autores ya se preguntan si nuestras leyes de privacidad están preparadas para ello, como cuentan en este artículo publicado en Catalyst.


Una solución interesante, que ya comentamos en el blog hace unos meses, es integrar la información social y de estilos de vida de cada persona en su propia historia clínica. De esta forma, se le otorga un nivel de protección mayor.  En Estados Unidos se ha elaborado un protocolo de recogida de parte de esta información (preguntando al paciente) conocido como PRAPARE. Sin embargo, ¿y el resto de la información? ¿cómo podemos recogerla e incorporarla? En este artículo de 2019plantean algunas ideas y casos prácticos muy interesantes, como se ve en esta gráfica.






Dos cosas finales:
– Un reciente libro sobre el papel de los datos y de la inteligencia artificial en el entorno sanitario es “Deep medicine“, de Eric Topol.
– Un zasca que hemos leído en Microsiervos sobre el uso del ADN: ante un artículo sobre el uso de la información genética para saber si un bebé obtendrá un doctorado o no, alguien respondió “Esto ya puede hacerse sabiendo el código postal“. 

2 comentarios

  1. Gran entrada como siempre, maestro! Una referencia que puede ser interesante es el trabajo de Claus Nielsen desde una perspectiva de paciente https://digitalenlightenment.org/system/files/230517_nordic_geoforum_ab_short.pdf con la Data for Good Fundation.

  2. Muchas gracias por el gran post, as usual. Tenemos que relacionar los datos sociales con los datos clinicos, como ya estan haciendo en Estados Unidos

Deja un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.