El sector sanitario está cada vez más impulsado por la tecnología y ha avanzado mucho hacia la transformación digital. Esto no sería posible sin el big data, que es el núcleo de los cambios que se están produciendo en este sector.

Gracias a la enorme cantidad de datos de los que ahora disponen los médicos, investigadores y otros profesionales de la salud, pueden descubrir detalles hasta ahora desconocidos sobre enfermedades o métodos de tratamiento, diagnosticar a los pacientes con mayor rapidez y precisión, y proporcionar una mejor atención.

En este artículo, analizamos de forma general el big data en la salud: qué significa para el sector, qué oportunidades y retos plantea, y a qué aspectos deben prestar atención los arquitectos y desarrolladores cuando trabajan en sistemas de big data para el sector médico.

¿Qué es el big data en la salud?
El big data en la salud se refiere a las enormes cantidades de información recopilada de diversas fuentes, con diferentes formatos, tipos, tamaños y contextos. Esta información describe las características de los pacientes y las enfermedades, los medicamentos, etc. Aunque el uso del big data en la atención médica plantea ciertos retos (más información al respecto en la sección «Retos a tener en cuenta en los proyectos de big data para la atención médica» más adelante), sigue mereciendo la pena el esfuerzo, ya que los resultados que se obtienen del análisis de los datos aportan importantes beneficios a los proveedores de atención médica y, en última instancia, a sus pacientes.

Tipos de datos sanitarios
Como se ha mencionado anteriormente, los datos médicos proceden de muchas fuentes: los científicos suben datos detallados de sus investigaciones, los pacientes suben datos desde sus dispositivos inteligentes, incluidos wearables y smartphones, algunos datos estadísticos están disponibles en organismos gubernamentales, etc. Estos datos se presentan en muchas formas:

• Datos demográficos como edad, sexo, peso, etc.
• Historial médico del paciente.
• Incluyendo tipo de terapia duración.
• Medicamentos.
• Imágenes de rayos X.
• Tomografías computarizadas.
• Tomografías por emisión de positrones.
• Fotografías.
• Otras imágenes médicas.

datos complementarios para las tomografías, por ejemplo, el tipo y la concentración del agente nuclear.

Estos tipos de datos, o la mayoría de los datos relacionados con la salud, constituyen piezas de datos pesadas. Una sola tomografía puede constar de cientos de imágenes con docenas de MB cada una. Los datos se introducen en una base de datos, un motor de indexación o un proceso de entrenamiento de IA.

Los datos médicos suelen ser de gran volumen y muy variables, ya que proceden de muchas fuentes diferentes y en muchos formatos. Esto significa que, antes de poder pasar a su procesamiento posterior, deben unificarse. Sin embargo, por motivos normativos, a menudo también es necesario conservar el formato original de los datos.

¿Cómo puede utilizar el sector sanitario el big data?
En el sector sanitario, la máxima prioridad es mantener a los pacientes sanos y ofrecerles el mejor plan de tratamiento y la mejor atención posibles cuando lo necesitan, por lo que no es de extrañar que las soluciones que apoyan el diagnóstico y el tratamiento se encuentren entre las más investigadas y desarrolladas. Sin embargo, el big data tiene mucho más que ofrecer y puede ayudar a los proveedores de atención médica en su trabajo diario de diversas maneras.

¿Cómo utilizan las empresas el big data?
Los datos también son el punto central de cualquier proyecto de IA/ML, ya que el aprendizaje automático y la inteligencia artificial necesitan una gran cantidad de datos para que los modelos puedan entrenarse con precisión. La aplicación del análisis de datos, el aprendizaje automático y la inteligencia artificial sobre el big data en la atención médica permite identificar patrones y correlaciones en muchos ámbitos. El sector de la atención médica no es una excepción y las nuevas tecnologías proporcionan información útil para mejorar los servicios de salud, como los procesos de diagnóstico y terapia.
La recopilación de datos de hospitales, laboratorios, otras organizaciones sanitarias y centros de investigación puede proporcionar una gran cantidad de tomografías PET y CT, imágenes de rayos X, etc., que posteriormente son examinadas por médicos que pueden diagnosticar a los pacientes y determinar, por ejemplo, si tienen cáncer. Sin embargo, cada médico establece un diagnóstico diferente, ya que cada uno de ellos tiene conocimientos especializados únicos.
La IA puede combinar los conocimientos de muchas personas para diagnosticar más rápido y mejor, basándose en los datos, por ejemplo, imágenes, que se le proporcionan. Hay enfermedades que solo pueden ser diagnosticadas por especialistas capacitados, y hay muy pocos especialistas de este tipo en el mundo. Estos conocimientos limitados impiden que muchas personas sean diagnosticadas correctamente y reciban el tratamiento adecuado, que a menudo les salva la vida.