Big Data dejará ningún sector sin tocar, ya que continúa cambiando la forma de pensar acerca de todo, desde las ventas a los recursos humanos, y la medicina y la salud no son diferentes.
Durante años, la base de la mayoría de la investigación médica y descubrimiento ha sido la recopilación y análisis de datos: ¿quién se enferma, la forma en que se enferman y por qué.
Pero ahora, con sensores en todos los teléfonos inteligentes y los médicos capaces de compartir información a través de las disciplinas, la cantidad y la calidad de los datos disponibles es mayor que nunca, lo que significa que el potencial de los avances y el cambio está creciendo al igual que de manera exponencial.
Prevención
Nosotros, los humanos son notoriamente muy mal por la prevención de problemas – estamos mucho más motivados para tratarlos de aparecer. Sin embargo, los proveedores de salud saben que el viejo adagio «una onza de prevención vale una libra de curación» es cierto.
Los teléfonos inteligentes y otros dispositivos inteligentes más populares, incluyendo la quijada, Fitbit y otros, ahora tienen la capacidad de ayudar a la gente un seguimiento de su progreso hacia un estilo de vida más saludable. Aplicaciones y dispositivos para ayudar a rastrear y monitorear la condición física, sino también a enfermedades crónicas como la diabetes, también se están desarrollando la enfermedad de Parkinson y el corazón.
Los investigadores están comenzando a recopilar esta información en bases de datos muy útiles que podrían ser cambiadores de juego en la comprensión de la intersección de estilo de vida y la enfermedad. El problema con muchos estudios médicos es que los comportamientos de los pacientes son auto-reporte, y hay un fenómeno psicológico conocido en el que los participantes fudge sus propios datos para verse mejor.
Sin embargo, con los teléfonos inteligentes y otros dispositivos, el dispositivo de imparcialidad puede registrar y transmitir los datos reales – pasos dados, la frecuencia cardiaca, etc. – y el ego o las opiniones nunca entran en la ecuación del paciente proporcionando más y más precisas de datos para los investigadores que nunca.
Diagnóstico
El siguiente paso lógico, a continuación, se dan los médicos tengan acceso a este tesoro de información del paciente.
La industria médica ya acumula una gran cantidad de datos, pero está a menudo en silos en oficinas, hospitales, médicos y clínicas individuales. La unificación de los datos – y combinándolo con los datos del paciente, recogida de dispositivos inteligentes – es el próximo gran obstáculo de la industria de superar.
Los proveedores de salud ya se están centrando en la digitalización de los registros de pacientes y garantizar el acceso a un conjunto de registros en todo el sistema de salud. Por ejemplo, Kaiser Permanente ha creado un programa llamado HealthConnect que unifica los registros de salud a través de su sistema, y el programa ya está acreditado con una reducción de $ 1 mil millones en costos de todo el sistema.
La Alianza de datos Pittsburgh Salud tiene como objetivo recopilar datos de diversas fuentes (incluyendo los registros médicos y de seguros, sensores portátiles, los datos genéticos e incluso el uso de medios sociales) para dibujar una imagen completa del paciente como individuo, y luego ofrecer un paquete de cuidado de la salud a la medida. Mi predicción es que cada vez más servicios de este tipo surgirán en el futuro.
Además, los programas como Watson de IBM se aplican como programas de reconocimiento de patrones para el diagnóstico. Hasta el momento, los algoritmos de aprendizaje automático con capacidades están demostrando ser tan eficaz o más eficaz que los diagnósticos humanos en la detección de cánceres en los resultados de las pruebas. El potencial aquí es increíble para la captura de más enfermedades en etapas anteriores, y por lo tanto aumenta la probabilidad de éxito del tratamiento.
Tratamiento
Grandes volúmenes de datos también permite el fascinante intersección de enormes cantidades de datos de los pacientes con la atención personal e individualizada.
Watson de IBM y otros algoritmos de aprendizaje profundas ya han demostrado su eficacia en la «lectura» y el análisis de grandes cantidades de texto. IBM está trabajando para producir una interfaz que permita a Watson (o un programa parecido) para analizar la investigación médica existente sobre cualquier tema y luego sintetizar y los resúmenes de la información para el médico. El resultado es que el médico será capaz de tomar las mejores opciones de tratamiento para un paciente individual sobre la base de la enorme cantidad de datos disponibles – sin tener que pasar horas haciendo lo mismo la investigación.
Es probable que los medicamentos y los tratamientos del médico se prescriben a continuación, se desarrollaron también con la ayuda de grandes volúmenes de datos. Datos de los solicitantes ayuda a los investigadores elegir los mejores temas de los ensayos clínicos, y los algoritmos de ayudarles a analizar los resultados. Recientemente, los acuerdos de intercambio de datos entre los gigantes farmacéuticos ha dado lugar a avances tales como el descubrimiento de que la desipramina, comúnmente usado como un antidepresivo, tiene usos potenciales en la curación de los tipos de cáncer de pulmón.
En un futuro próximo, el médico también puede optar por utilizar la medicina personalizada como una opción de tratamiento, que consiste en la adaptación de medicamentos para la composición genética única de una persona. Se desarrolla mediante la integración de modelo y los datos genéticos de una persona en su estilo de vida y el medio ambiente, a continuación, comparándolo junto a miles de otros para predecir la enfermedad y determinar el mejor tratamiento.
Big Data también está siendo utilizado para realizar un seguimiento, analizar y tratar las epidemias en todo el mundo, incluyendo Ébola y Zika.
Los cuidados de seguimiento
Datos, el aprendizaje profundo y robótica se juntan en especial cuando se trata de seguimiento, atención a largo plazo, y la prevención de recaídas y reingresos.
Big Data se ha utilizado para predecir qué pacientes tienen más probabilidades de seguir el consejo de su médico – y cuáles no lo son – para ayudar a prevenir los reingresos hospitalarios en los pacientes más vulnerables.
Se están desarrollando aplicaciones que pueden realizar un seguimiento cuando un paciente toma su medicación – como el GPS activado inhaladores para asmáticos. Otros registro de información acerca de las llamadas, textos, ubicación física, el movimiento y los patrones de sueño que pueden ayudar a los médicos de alerta o miembros de la familia si el paciente es probable sentía bien (la falta de sueño, falta de movimiento) o incluso en peligro de una ansiedad u otro ataque psicológico.
Debido a una población que envejece rápidamente, los japoneses, en particular, están a la vanguardia de la combinación de la robótica avanzada con los cuidados y el tratamiento. Los robots pueden ser utilizados para todo, desde el seguimiento de los pacientes ancianos que viven solos, para ayudar a los médicos proporcionan atención a la distancia a los pacientes rurales, incluso robótico petsthat ayuda a calmar y suavizar los pacientes con demencia y el Alzheimer.
El potencial para mejorar los resultados del paciente, comprender la enfermedad – incluso curar el cáncer – todos parecen a la vuelta de la esquina con estos avances en la cantidad y calidad de los datos recopilados, junto con la potencia de cálculo para analizar y entender.[:en]
How Big Data Is Transforming The Healthcare Sector?
Big Data will leave no sector untouched as it continues to change the way we think about everything from sales to human resources, and medicine and healthcare are no different.
For years, the basis of most medical research and discovery has been the collection and analysis of data: who gets sick, how they get sick and why.
But now, with sensors in every smartphone and doctors able to share information across disciplines, the quantity and quality of the data available is greater than ever before, which means that the potential for breakthroughs and change is growing just as exponentially.
Prevention
We humans are notoriously terrible about preventing problems — we’re much more motivated to treat them after they appear. But healthcare providers know that the old adage “an ounce of prevention is worth a pound of cure” is true.
Smartphones and other popular smart devices including Jawbone, Fitbit and others, now have the capacity to help people track their progress towards a healthier lifestyle. Apps and devices to help track and monitor physical fitness but also chronic ailments like diabetes, Parkinson’s and heart disease are also being developed.
Researchers are beginning to compile this information into incredibly useful databases that could be game changers in understanding the intersection of lifestyle and disease. The problem with many medical studies is that patient behaviors are self-reported, and there’s a well known psychological phenomenon wherein participants fudge their own data to make themselves look better.
But with smartphones and other devices, the device can impartially record and transmit the actual data — steps walked, heart rate, etc. — and the patient’s ego or opinions never enter into the equation providing more and more accurate data for researchers than ever before.
Diagnosis
The next logical step, then is giving doctors access to this trove of patient information.
The medical industry already collects a huge amount of data, but it’s often siloed in individual doctors’ offices, hospitals, and clinics. Unifying that data — and combining it with patient-collected data from smart devices — is the industry’s next big hurdle to overcome.
Healthcare providers are already focusing on digitizing patient records and ensuring access to one set of records across the healthcare system. For example, Kaiser Permanente has created a program called HealthConnect that unifies health records across its system, and the program is already credited with a $1 billion reduction in costs across the system.
The Pittsburgh Health Data Alliance aims to compile data from various sources (including medical and insurance records, wearable sensors, genetic data and even social media use) to draw a comprehensive picture of the patient as an individual, and then offer a tailored healthcare package. I predict that more and more services like this will emerge in the future.
In addition, programs like IBM’s Watson are being applied as pattern recognition programs to diagnostics. So far, algorithms with machine learning capabilities are proving as effective or more effective than human diagnosticians in spotting cancers in test results. The potential here is incredible for catching more diseases at earlier stages, and thus increasing the likelihood of treatment success.
Treatment
Big Data also allows the fascinating intersection of huge quantities of patient data with personal, individualized care.
IBM’s Watson and other deep learning algorithms have already proven successful at “reading” and analyzing huge quantities of text. IBM is working to produce an interface that would allow Watson (or a program like it) to analyze the existing medical research on any given topic and then synthesize and summaries the information for the doctor. The result is that the doctor will be able to make the best treatment choices for an individual patient based on the vast amounts of data available — without having to spend hours doing the research himself.
It’s likely that the medicines and treatments the doctor would then prescribe were also developed with the aid of Big Data. Data on applicants helps researchers choose the best subjects for clinical trials, and algorithms help them analyze the results. Recently, data-sharing arrangements between the pharmaceutical giants has led to breakthroughs such as the discovery that Desipramine, commonly used as an anti-depressant, has potential uses in curing types of lung cancer.
In the near future, the doctor might also choose to use personalized medicine as a treatment option, which involves tailoring medicines to a person’s unique genetic makeup. It is developed by integrating a person’s genetic blueprint and data on their lifestyle and environment, then comparing it alongside thousands of others to predict illness and determine the best treatment.
Big Data is also being used to track, analyze and treat epidemics across the world, including Ebola and Zika.
Follow Up Care
Data, deep learning, and robotics come together especially when it comes to follow-up, long-term care, and preventing relapses and readmissions.
Big Data has been used to predict which patients are most likely to follow their doctor’s advice — and which aren’t — to help prevent hospital readmissions in the most vulnerable patients.
Apps are being developed that can track when a patient takes his or her medication — like GPS enabled inhalers for asthmatics. Others record information about calls, texts, physical location, movement and sleep patterns that can help alert doctors or family members if the patient is likely feeling unwell (poor sleep, lack of movement) or even in danger of an anxiety or other psychological attack.
Because of a rapidly aging population, the Japanese in particular are at the forefront of combining advanced robotics with caregiving and treatment. Robots can be used for everything from monitoring elderly patients who live alone, to helping doctors provide care from a distance to rural patients, to even robotic petsthat help calm and soothe dementia and Alzheimer’s patients.
The potential to improve patient outcomes, understand disease — even cure cancer — all seem just around the corner with these advances in the quantity and quality of the data we collect along with the computing power to analyze and understand it.