¿Qué es Big Data en el cuidado de la salud y cómo se está utilizando ya?

«Big Data» es una palabra de moda importante en estos días.

El tema ha estado causando sensación en otras industrias durante algún tiempo, pero muchas de sus aplicaciones en el cuidado de la salud aún están en pañales. El uso de big data se muestra prometedor para mejorar los resultados de salud y controlar los costos, como lo demuestra algunos casos de uso interesantespero la práctica parece ser definida de manera algo diferente por cada experto entrevistado.

En este artículo, explicaremos exactamente qué son los macrodatos en medicina y cómo (y quién los utiliza) actualmente para mejorar la atención al paciente.

Esto es lo que cubriremos:


¿Qué es el big data en el cuidado de la salud?
La mayor ventaja del big data: un procesamiento más preciso
Big Data ya se está utilizando en el cuidado de la salud: así es como
Grandes datos para la práctica pequeña

¿Qué es el big data en el cuidado de la salud?

Big data en el cuidado de la salud se refiere a la gran cantidad de datos creados por la adopción masiva de Internet y la digitalización de todo tipo de información, incluyendo registros de salud— demasiado grande o demasiado complejo para que la tecnología tradicional tenga sentido.

El problema ha sido tradicionalmente entender ¿Cómo? ‘O’ ¿Qué? para recopilar todos esos datos y analizarlos rápidamente para producir información procesable. Pero con la aparición grandes tecnologías de datosLas organizaciones de atención médica pueden consolidar y analizar estos tesoros digitales para descubrir tendencias, tratar mejor a los pacientes y hacer predicciones más precisas.

Big data en el cuidado de la salud es una de las razones principales de la nueva Requisitos de MACRA para EHR y el impulso legislativo hacia interoperabilidad.

Quería entender qué significarían los grandes datos para la atención médica, así que recurrí al Dr. Russell Richmond, un experto en análisis de grandes datos e informática de la salud, para hablar sobre lo que depara el futuro.

El Dr. Richmond es una autoridad líder en tecnología de la salud cuya experiencia incluye la creación de grandes empresas de análisis de datos, el asesoramiento a los líderes del sistema de salud como consultor y la participación en juntas corporativas.administración de organizaciones de big data.

La mayor ventaja del big data: un procesamiento más preciso

Según el Dr. Richmond, una de las implicaciones más emocionantes de los grandes datos en el cuidado de la salud es que los proveedores podrán brindar una atención mucho más precisa y personalizada.

Con una imagen más completa y detallada de los pacientes y las poblaciones, podrán determinar cómo responderá un paciente en particular a un tratamiento específico, o incluso identificar a los pacientes en riesgo. antes de surge un problema de salud.

Como dijo el Dr. Richmond, «más información produce un diagnóstico más granular, lo que crea la posibilidad de un tratamiento más preciso».

Big Data ya se está utilizando en el cuidado de la salud: así es como

Es importante comprender el panorama general de los grandes datos en la medicina, pero es igualmente importante reconocer las aplicaciones reales del análisis de datos tal como se utilizan hoy en día.

Con ese fin, aquí hay algunos ejemplos notables de análisis de grandes datos extendiéndose a la comunidad de atención médica en este momento.

Diagnósticos más precisos

Actualmente, existen herramientas de análisis de datos que brindan un mejor soporte clínico, manejo de la población de pacientes en riesgo y costo de la atención la medida. Muchos de estos sistemas han establecido grandes bases de datos, algunas de las cuales contienen miles de millones de puntos de datos, a los que luego pueden aplicar algoritmos de clasificación y filtrado para analizar rápidamente toda esta información.

Una cosa asombrosa que los usuarios pueden hacer es determinar cómo las variaciones entre pacientes y tratamientos influyen en los resultados de salud. Con base en esta información, los proveedores pueden determinar planes de tratamiento más específicos para pacientes individuales o poblaciones de pacientes.

Por ejemplo, según el Dr. Richmond, en un mundo de grandes datos, el «asma generalizado» puede no ser un diagnóstico suficiente. La granularidad de los grandes datos podría permitirnos detectar y diagnosticar múltiples variantes de asma, con diferentes vías de tratamiento para cada una. La minería de datos podría guiar a los médicos hacia el plan de tratamiento preciso requerido por el caso único de cada paciente.

medicina predictiva

La genómica, como señaló el Dr. Richmond en nuestra discusión, es la próxima frontera de la medicina.

El costo de la secuenciación del genoma está cayendo; puede secuenciar su genoma completo por unos pocos miles de dólares en estos días, en comparación con alrededor de $ 100 millones hace una década. Como resultado, el volumen de datos genómicos está creciendo rápidamente, al igual que nuestra capacidad para aprovechar esos datos.

El uso de datos genómicos ya nos permite predecir con mayor precisión la progresión de enfermedades como el cáncer.

Por ejemplo, la Universidad de Emory y Aflac Cancer Center se han asociado con una organización de análisis de datos genómicos llamada NextBio para estudiar datos relacionados con el meduloblastoma, el tumor cerebral maligno más común en los niños.

Actualmente, el meduloblastoma tiene un enfoque de tratamiento uniforme: la radioterapia. Emory y Aflac están usando NextBio para examinar datos clínicos y genómicos para descubrir biomarcadores que puedan ayudar a predecir la metástasis del cáncer en pacientes jóvenes. Los proveedores, a su vez, utilizarán esta información para identificar enfoques terapéuticos específicos basados ​​en los biomarcadores de sus pacientes individuales.

Gestión de la Salud de la Población

Si bien el objetivo principal de Big Data para la medicina es mejorar los resultados de los pacientes, otro beneficio importante del análisis de datos es la reducción de costos.

Algunos sistemas pueden recopilar información del software del ciclo de ingresos y los sistemas de facturación para agregar datos de costos e identificar áreas de reducción.

Por ejemplo, el estado de Rhode Island se asoció con InterSystems para usar su herramienta HealthShare Active Analytics para recopilar y analizar datos de pacientes en todo el estado. El Instituto de Calidad del estado descubrió entonces que alrededor del 10 % de las principales pruebas de laboratorio realizadas en más del 25 % de la población del estado eran médicamente innecesarias, un hallazgo que desde entonces ha ayudado a Rhode Island a controlar sus gastos y mejorar la calidad de la atención.

Grandes datos para la práctica pequeña

Entonces, todo esto está muy bien para las grandes organizaciones de atención médica que pueden permitirse herramientas de análisis de big data hoy en día, pero ¿qué significa para la práctica independiente?

El Dr. Richmond resume el desafío: «Pasamos mucho tiempo poniendo información en [to digital systems like EHRs]pero aún no hemos actuado sobre las ideas que surgen del uso de esta información una vez que esté disponible. »

Sin embargo, se están realizando algunos progresos. En un encuesta reciente preguntamos a los proveedores médicos sobre el impacto de la Ley HITECH, la interoperabilidad era un tema muy común. Los pacientes también son no puedo esperar para ver los beneficios datos de salud compartidos más ampliamente.

Los legisladores han hablado durante mucho tiempo sobre empoderar a los proveedores médicos para que estén más conectados, pero solo recientemente la interoperabilidad se ha vuelto realmente imperativa para la calificación de reembolso de Medicare. Ya está MACRA alentar interoperabilidad y requieren el uso de EHR que admitan características interoperables.

Fuera de las regulaciones federales, los inversionistas también ven a los grandes datos como una gran fuente de ingresos, y una mayor inversión conducirá a más soluciones.

En unos pocos años, el Dr. Richmond espera que los grandes datos y la medicina personalizada que facilita ayuden a eliminar los enfoques de tratamiento de «talla única». Es importante, dice, que esta capacidad de administrar mejor la atención también debería conducir a costos de atención médica más bajos.

Deja un comentario

Tu dirección de correo electrónico no será publicada.