Como hemos podido ver la salud digital es muy prometedora, y el uso del big data explicado en la sección anterior, combinado con el sector de la salud abre un abanico de posibilidades muy interesantes que benefician tanto al paciente y personal médico e investigadores, como al sector en sí debido a la mejora de procesos y optimización de recursos.
3.2.1.
Las 4V
Al igual que en el apartado del capítulo 2 (2.1.1) encontramos las 3V características del big data y también otras tres que son complementarias. Esta clasificación puede observarse en la figura ??, en la cual observamos todos los datos que se generan a lo largo de nuestra vida a causa del uso de los servicios sanitarios. A continuación se explican las V más características de los datos masivos en el ámbito sanitario [28]:
3.2 Big data en salud 23
Volumen. A lo largo de la historia la creación de datos en salud ha sido enorme, pero hasta ahora la tendencia era almacenar dichos datos en papel. Actualmente la mayoría de todos estos datos tienen su versión digitalizada: Imágenes 3D, radiológicas, resonancias magnéti- cas y ecografías, lecturas de sensores biométricos, historiales médicos, datos sobre medica- mentos farmacológicos o secuenciaciones genéticas son, tan solo, algunos de la gran lista de datos que podemos almacenar para posteriormente realizar un procesamiento masivo de dichos datos.
Velocidad. La sanidad es un servicio usado por miles de millones de ciudadanos diaria- mente a nivel global, lo que significa un flujo constante de creación de datos. Esto supone una velocidad abismal en la creación de datos, y por ello también es necesaria una gran agi- lidad en el tiempo de análisis de los datos, donde los sistemas de procesamiento de datos en tiempo real toman mayor relevancia y pueden significar la diferencia entre la vida y la muerte. Un ejemplo en el que la velocidad de los análisis es primordial es en el control de epidemias o detección de infecciones en neonatos.
Variedad. La medicina se trata de un campo de la ciencia muy amplio, en el que podemos encontrar muchos tipos de especialidades y con ello, sus respectivas pruebas y métodos de análisis de enfermedades: Análisis de sangre, electrocardiogramas, resonancias magnéticas, wearables, etc. La mayoría de éstos se tratan de datos semi-estructurados pero a ello hay que añadirle el genoma humano y todos los datos del paciente que están almacenados en su historial clínico electrónico, en el que no sólo encontramos datos estructurados como pueden ser nombre del paciente, datos de nacimiento, dirección, tratamientos, si no que a ello debemos añadir los campos en los que encontramos anotaciones médicas realizadas por profesionales médicos y que se encuentran en lenguaje natural. Al igual que los datos que podemos recoger de las redes sociales centradas en la salud 2.0, éstos se tratan de datos no estructurados.
Veracidad. Es una de las características más importantes de los datos en la medicina, ya que la calidad de los datos es vital en la toma de decisiones. Un estado incorrecto de los datos puede repercutir negativamente sobre los pacientes y esto se produce con más probabilidad sobre datos no estructurados.
24 Ámbito sanitario
3.2.2.
Fuentes de información
Las fuentes de información como hemos podido observar brevemente son muy amplias [30]. Las podemos clasificar de la siguiente manera:
Salud 2.0. Datos provenientes de las redes sociales, páginas web y aplicaciones dedicadas a la mejora de la salud de los pacientes.
Registros de máquinas. Como ya vimos en el apartado de big data éste se trata de uno de las fuentes de información cuyo volumen de datos es mayor. Se incluyen datos como las lecturas de sensores de monitorización.
Registros diversos. Quedan recogidos, por ejemplo, las reclamaciones de pacientes, regis- tros de facturación, etc. Este tipo de datos suelen ser semi-estructurados o no estructurados. Datos biomédicos resultantes de pruebas. Multitud de datos son recogidos a lo largo de nuestras estancias en los hospitales y pruebas médicas como datos provenientes de análisis genéticos, resultados de imágenes médicas, constantes vitales y presión arterial, entre otros. Datos del paciente. Datos semi-estructurados como el historial clínico electrónico (HCE), y otros no estructurados como notas en papel de los médicos o correos electrónicos.
Todas estas fuentes de información sobrepasan la capacidad de entendimiento que el ser hu- mano puede poseer, por ello es necesario la intervención del análisis masivo de datos y las tec- nologías en el ámbito sanitario, ayudando así a extraer conocimiento de tantas y variadas fuentes de información. [29]
Figura 3.3:Gráfico de la creciente tendencia de fuentes y volumen de información [29]
3.2.3.
Privacidad y conciencia de datos
Los aspectos éticos y legales de cualquier proyecto de investigación en el que se utilicen datos biológicos personales deben ser evaluados por comités de ética de la investigación, los cuales se encargan de cercionarse que se cumplen mecanismos de protección de los derechos de las personas [32]. Es necesario concretar quién tendrá acceso a los datos recogidos, sabiendo con total certeza las actividades de tratamiento que se vayan a realizar sobre los datos, y si dichas operaciones se externalizarán a terceros, quedando los datos expuestos. Para ello existen contratos de confidencialidad entre empresas, al igual que los que firman los investigadores que desarrollan proyectos bajo las herramientas de datos masivos.