RETOS Y APLICACIONES DEL
BIG DATA
TENDENCIAS DE FUTURO EN EHEALTH
Juan Luis Cruz – CIO jlcruz@idiphim.org
1. QUÉ ES
2. PARA QUÉ
3. CÓMO
Qué es
Big
Data
•
“Big Data” es un término que abarca el
uso de técnicas para capturar, procesar,
analizar y visualizar conjuntos de datos
potencialmente grandes en un marco
temporal razonable no accesible a las TI
estándar.
European Technology Platform NESSI (Networked European Software and Services Initiative)
Qué es
Big
Data
“Every two days now we
create as much
information as we did
from the dawn of
civilization up until 2003”
Eric Schmidt. CEO Google (2010)
Qué es
Big
Data
• Número deregistros •• 2,5 millones de notas clínicas / año270K informes / año
• 500K formularios con datos estructurados / año
• 1,2 millones de peticiones / año, de las cuales 400K son analíticas con datos estructurados • 25K altas hospitalarias y 18K intervenciones
quirúrgicas codificadas
• 1,5 millones de pacientes en BB.DD, 350K pacientes activos con 900K procesos
Qué es
Big
Data
• Número deQué es Big
Data
• Del colectivo al individuo: – Socioeconómicos y demográficos – Epidemiológicos y de salud pública – Hábitos y conductas – Clínicos – Moleculares – …
Qué es Big Data
•
¿Moda?
Google Search Trends: “Big Data” – 13/11/2014
Qué es Big Data
•
¿Moda?
Qué es Big Data
•
¿Oportunidad?
http://www.bigopendata.eu/wp-content/uploads/2014/01/bod_europe_2020_full_report_singlepage.pdf
demosEUROPA Centre for European Strategy - 2014
– Soporte a la toma de
decisiones
– Eficiencia de procesos de
Para qué Big Data
Salud
Autogestión Promoción Prevención Asistencia Investigación DocenciaDatos
Socioeconómicos y demográficos Epidemiológicos y de salud pública Hábitos y conductas Clínicos Moleculares Informatización Análisis Big DataeHealth
Para qué Big Data
P4 Medicine
The convergence of systems biology, the digital
revolution and consumer-driven healthcare is
transforming medicine from its current reactive mode, which is focused on treating disease, to a P4 Medicine
mode, which is medicine that is predictive, preventive, personalized and participatory.
Para qué Big Data
• Reducción de la variabilidad
clínica + Medicina 4P
– Soporte a la decisión clínica
(CDSS):
• Búsqueda de casos similares • Alertas
• Pronóstico
• Propuestas de acción
– Identificación de patrones de
comportamiento de
profesionales: buenas y malas • Seguridad del paciente
• Eficiencia asistencial
• Detección de necesidades
formativas
• Potenciación de la
investigación
Para qué Big Data
14 11/20/2014 • Generación de más hipótesis de investigación más publicaciones• Mejora de la calidad de los
datos y de la amplitud de los análisis más impacto
• Conocimiento exacto de la
base de pacientes (número y características) más
credibilidad
• Seguridad del paciente • Eficiencia asistencial
• Detección de necesidades
formativas
• Potenciación de la
investigación
Cómo avanzar con Big Data
• No basta con comprar unaherramienta software
• No basta con fichar a un
experto
• No basta con hacer lo de
siempre y llamarlo Big Data
• Cambio cultural: los datos
son un activo principal
• Enfoque integral:
Organización
TI Procesos
Cómo avanzar con Big Data
TI Procesos
• Perfil “Data Scientist”
• Estructura multidisciplinar: Data Scientists Informáticos Investigadores clínicos y básicos Epidemiólogos Bioestadísticos Documentación Clínica Control de Gestión Directivos Data Governance Metodología Herramientas TI Unidades de Organización
Cómo avanzar con Big Data
Organización
TI
• Gobierno de los procesos
relativos al manejo de datos: Data Governance
• Metodología: CRISP-DM
Cómo avanzar con Big Data
Organización
TI
• Estructuración vs Texto Libre • Automatización
• Diccionarios de datos
• Seguridad y confidencialidad • Calidad de los datos:
Cómo trabajar Big Data
19 11/20/2014 Procesos Organización TI• Big Data no tan Big
• Herramientas clásicas vs.
Nuevas herramientas:
– Natural Language Processing -
Full Text Search
– Bases de datos documentales:
MongoDB / No SQL
– Procesamiento paralelo:
Hadoop / Map Reduce
20 11/20/2014 Procesos Organización TI EMR - Operational Systems DEPARTMENT SYSTEMS EMR SELENE Information Systems SICYT CMDB DATA GRD DWH DM ETL Coding indexation Full semantic indexation BIG DATA APPLICATIONS AdvancedPatient Search Visual Analytics Datamining Biostatistics Automatic coding Manual coding ETL Structured Data Free text: NLP Business Intelligence Research databases CLINICAL -OMICS RIS LIS PHARMACY CRITICAL CARE OMICS SW NRT CDSS
Analytics Systems Architecture
SØPHOS
Cómo trabajar Big Data
Conclusiones
Big Data es un concepto que abarca la captura, procesado y análisis de grandes conjuntos de datos. Más allá del marketing, es una gran oportunidad en el
entorno sanitario.
Big Data supondrá un enorme avance en la asistencia, investigación y docencia sanitarias como pieza fundamental de la eHealth y la Medicina 4P.
No será de forma inmediata, pero sí en los próximos años.
Debemos prepararnos para ser competitivos: considerando a los datos como un activo principal y estableciendo cambios organizativos que incluyan personal dedicado, rediseñando los procesos de gestión de la información e invirtiendo