RETOS Y APLICACIONES DEL BIG DATA

(1)

RETOS Y APLICACIONES DEL

BIG DATA

TENDENCIAS DE FUTURO EN EHEALTH

Juan Luis Cruz – CIO jlcruz@idiphim.org

(2)

1. QUÉ ES

2. PARA QUÉ

3. CÓMO

(3)

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)

(4)

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)

(5)

Qué es

Big

Data

• Número de

registros •_• 2,5 millones de notas clínicas / año_{270K 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

(6)

Qué es

Big

Data

• Número de

(7)

Qué es Big

Data

• Del colectivo al individuo: – Socioeconómicos y demográficos – Epidemiológicos y de salud pública – Hábitos y conductas – Clínicos – Moleculares – …

(8)

Qué es Big Data

• ¿Moda?

Google Search Trends: “Big Data” – 13/11/2014

(9)

Qué es Big Data

• ¿Moda?

(10)

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

(11)

Para qué Big Data

Salud

Autogestión Promoción Prevención Asistencia Investigación Docencia

Datos

Socioeconómicos y demográficos Epidemiológicos y de salud pública Hábitos y conductas Clínicos Moleculares Informatización Análisis Big Data

eHealth

(12)

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.

(13)

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

(14)

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

(15)

Cómo avanzar con Big Data

• No basta con comprar una

herramienta 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

(16)

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

(17)

Cómo avanzar con Big Data

Organización

TI

• Gobierno de los procesos

relativos al manejo de datos: Data Governance

• Metodología: CRISP-DM

(18)

Cómo avanzar con Big Data

Organización

TI

• Estructuración vs Texto Libre • Automatización

• Diccionarios de datos

• Seguridad y confidencialidad • Calidad de los datos:

(19)

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)

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

(21)

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

(22)