El Big Data conquista la medicina: propuesta de negocio para el Ministerio de Sanidad

60 

Texto completo

(1)

INDICE de contenidos

Resumen ejecutivo ... 3

Abstract... 3

1. Introducción ... 4

2. El desarrollo y la innovación tecnológica da lugar a una nueva Era digitalizada. ... 7

2.1.  Conceptos clave para la comprensión de este TFG  ...  7  

2.1.1   La inteligencia artificial y las machine learning ...7  

2.1.2   Los robots cirujanos ...9  

2.1.3   La medicina regenerativa ...9  

2.1.4   La genómica... 10  

2.1.5   Los wearables ... 12  

2.2.  La Era Digital de la información.  ...  13  

2.3.  Empresas “Data Driven” y la imagen del CDO  ...  16  

3. La fusión del Big Data y la Medicina atrae una evolución a nivel de la prevención, la prescripción medica y el Open Data. ... 19

3.1.  Principal propósito del enlace entre Big Data y sector médico  ...  19  

3.2.  Las tres grandes evoluciones en el proceso médico  ...  20  

4. La nueva medicina de las 5 “Ps” ... 25

4.1.  La medicina predictiva...  26  

4.2.  La medicina preventiva  ...  28  

4.3.  La medicina personalizada  ...  29  

4.4.  La medicina participativa  ...  31  

4.5.  La medicina poblacional  ...  32  

4.6.  La imagen del E-Paciente  ...  32  

5. Desafíos de la Era Digitalizada ... 34

5.1.  La eficiencia del Big Data…  ...  34  

5.1.1   Avances económicos y sociales ... 34  

5.1.2   Avances de calidad y fiabilidad ... 35  

5.2   … puede resultar perjudicial en algunos casos  ...  38  

5.2.1   Peligros económicos y sociales ... 38  

5.2.2   Peligros legales ... 40  

5.2.3   Peligros éticos... 42  

6. Una propuesta de negocio tecnológico para el Ministerio de Sanidad ... 47

6.1   ¿Qué es Savana?  ...  47  

6.2   ¿Cómo implantar Savana en el Ministerio de Sanidad?  ...  51  

(2)

6.2.2   Cálculo de los costes de la implementación de Savana a nivel nacional. ... 56  

7. Conclusión. ... 57

BIBLIOGRAFIA ... 59

INDICE de tablas y gráficos

Gráfico 2.1:Síntesis de la relación entre la inteligencia artificial, el aprendizaje automático y profundo ... 8

Gráfico 2.2: Implicaciones para la investigación del genoma humano ... 11

Gráfico 2.3: Las predicciones del boom de los wearables está a nivel de las muñecas . 12 Gráfico 2.4: Unidades de medidas de almacenamiento ... 14

Gráfico 2.5: Previsión del avance del Big Data de 2018 hasta 2023  ...  16

Gráfico 3.1: Historia clínica de la enfermedad y el tratamiento de un individuo.  ...  19  

Gráfico 3.2: Los ingresos hospitalarios aumentan con la contaminación  ...  23

Gráfico 4.1: Cartografía médica, el “Tamiz Quirúrgica”, dolor abdominal agudo ... 27

Gráfico 4.2: De la talla única a la terapia dirigida  ...  30

Gráfico 5.1: Variación de los presupuestos de Sanidad per cápita 2016 vs. 2015 por CCAA  ...  35

Gráfico 6.1: La composición del software Savana ... 49

Gráfico 6.2: Muestra de una búsqueda en la aplicación Savana...  50  

Gráfico 6.3: Hospitales por Comunidad Autónoma y dependencia patrimonial  ...  52  

(3)

Resumen ejecutivo

La llegada de una masiva ola de datos es una realidad calificada como incuestionable, es la era del Big Data y de la digitalización. Este concepto engloba los grandes volúmenes de información estructurada y no estructurada que parece triplicarse según pasan los años. Hace poco más de una década, estos datos eran inaccesibles, y ahora muchos sectores dependen de ellos.

Esta inmensidad de datos proviene de fuentes de todo tipo, desde las redes sociales, hasta contextos financieros, medioambientales o de salud. En el sector sanitario, la información que se obtiene de estudios como la genómica, los análisis clínicos… son los que se quiere generalizar para que la nueva medicina cumpla sus 5P (predictiva, preventiva, personalizada, participativa y poblacional).

La medicina tradicional es un arte que mantiene su postura pero que puede resultar obsoleta si nos enfocamos en la mejora de la calidad, eficacidad y fiabilidad de los métodos científicos. Una combinación entre el conocimiento y el descubrimiento es un paso idóneo para avanzar en paralelo con la tecnología y la mentalidad humana. El Ministerio de Sanidad es un actor importante en este cambio de era y debería ajustarse a las demandas del sector para ofrecer un servicio sin equivalentes.

Abstract

The arrival of a wave of data is a reality described as unquestionable, it is the era of Big Data and digitalization. This concept encompasses the large volumes of structured and unstructured information that seems to triple as the years pass. A little more than a decade ago, the data were inaccessible, and now many sectors depend on it.

This immensity of data comes from all kinds of sources, from social networks, to financial, environmental or health contexts. In the health sector, the information obtained from studies such as genomics, clinical analysis… are those that can be generalized so that the new medicine meets its 5P (predictive, preventive, personalized, participatory and pertinent).

Traditional medicine is an art that maintains its position but can be obsolete if we seek to improve the quality, effectiveness and reliability of scientific resources. A combination of knowledge and discovery is an ideal step to advance in parallel with technology and the human mentality. The Ministry of Health is an important player in this change of era and should adjust to the demands of the sector to offer a service without equivalents.

(4)

1.  

Introducción

“La medicina es un sector muy tradicional que ha evolucionado en paralelo con la tecnología” (Medrano, 2015).

Padecimientos como la tuberculosis, el sida, los ataques al corazón, apendicitis, la malaria, eran motivos de una muerte asegurada y dolorosa. ¿Quién iba a decir en el siglo XVIII que nuestros biznietos no iban a morir por estas enfermedades?

Entonces, se inventó el estetoscopio por René Laennec, el fonendoscopio que reconoce a los médicos, los tacs, la resonancia magnética… que aparecieron poco a poco y se han ido generalizando para que todo tipo de pacientes puedan tener acceso a ello.

Llegamos a finales del siglo XX, con la aparición de internet, los teléfonos móviles, las redes sociales, las aplicaciones… que no han parado de desarrollase. A principios del siglo XXI, concretamente en 2002, “fue el año en que el volumen de información digitalizada superó por primera vez la cantidad de información almacenada de forma analógica, y puede ser considerado, por tanto, como el inicio de la era digital de la información” (IM Medico, 2017). A raíz de esto aparece una nueva sociedad digital e interconectada.

Siguiendo el desarrollo tecnológico y médico, nos damos cuenta de que dos mundos que pueden parecer tan distintos están a la vez muy relacionados. El desarrollo tecnológico es una tendencia que también ha seguido la salud. Todos los datos que se pueden sacar de internet, así como de los Smartphone, de las aplicaciones, las redes sociales y los sensores y todos estos inventos popularizados, incluyen tanto registros operacionales y clínicos como audios, videos o “una multitud de registros biométricos, que son susceptibles de ser analizados para proporcionar información nueva y útil para los sistemas de salud” (IM Medico, 2017).

Como dice Geraldine Gueron, científica argentina que desarrolla una aplicación llamada Data Donors, “hoy en día existe cerca de 100.000 aplicaciones de salud y medicina así que porque no juntamos toda esta información con los datos clínicos de cada

(5)

ciudadano y vamos más allá juntándolo con los datos de todo el mundo” (Gueron, 2016). Esta idea tan compleja que puede dar un vuelco a la medicina tradicional relacionándola con una inteligencia artificial hay que entenderla desde abajo y por ello vamos a empezar por el principio pregúntanos ¿Qué es el Big Data?

“La explosión de los medios sociales y la informatización de todos los aspectos de la actividad humana ha dado lugar a montañas de datos no estructurados en su mayoría en forma de registros web, videos, grabaciones de voz, fotografías… un concepto denominado Big Data” (curso BBVA). Estos grandes volúmenes de información han inspirado la forma de hacer nuevos negocios de una manera eficiente, pero no solo eso, también ha transformado nuestra sociedad y nuestras vidas. Millones de empresas como Amazon, Facebook, Twitter, Google… han surgido con el fin de generar y explotar toda esta información digital utilizando el Data Driven Business Models (análisis de datos) principalmente en su modelo. Toda la información que se recopila de una sola persona a través de sus movimientos en la red nos ayuda a conocerla casi mejor que ella misma: saber como es, que gustos tiene, donde vive, cuáles son sus aficiones o ideologías… y esto nos permite ofrecerle un bien o un servicio que esté totalmente personalizado. También lo podemos aplicar al sector médico, por ello, Ignacio Medrano confirma que “la medicina también se está volviendo cada vez más personalizada y eficaz” (Medrano, 2017) lo que conocemos como la medicina de las 5”Ps”. Pero no podemos olvidar que “la salud es mucho más que tecnología, hospitales o profesionales sanitarios. Es todo nuestro entorno” (Máñez Ortiz, 2017).

El objetivo de este estudio es valorar y analizar la posibilidad de crear un sistema a nivel Nacional que ponga en común a todos los hospitales públicos y privados del país mediante una base de datos accesible para todos. Para ello tendremos que averiguar cuales son los avances del sector médico gracias al estudio y desarrollo del Big Data. Con el fin de justificar estos avances y evaluarlos, tendremos que realizar una investigación de las repercusiones en la economía, la sociedad, la ética médica y el proceso médico tradicional.

(6)

En esta misma dirección, hemos decidido iniciar el trabajo con una explicación de los conceptos más utilizados en el mundo del Big Data y la medicina, y ponernos al día de la evolución tecnológica que ha tenido lugar hasta la fecha.

Tras comprender la base de la tesis, nos enfocamos en un entorno un poco mas técnico relacionado con los cambios en el proceso médico tradicional y la aparición de una nueva medicina llamada las “5Ps”.

Finalmente, como toda evolución, existen repercusiones positivas y negativas a nivel macroeconómico, social, medioambiental y personal del individuo. Concluiremos el estudio ofreciendo un proyecto que podría ponerse en marcha para disfrutar de una base de datos generalizada para todos los hospitales nacionales y así llegaríamos al objetivo de este TFG.

(7)

2.  

El desarrollo y la innovación tecnológica da lugar a una

nueva Era digitalizada.

2.1.   Conceptos clave para la comprensión de este TFG

2.1.1  La inteligencia artificial y las machine learning

La forma más simple para entender la diferencia entre estos dos conceptos es explicándolo a través de una simulación: en un experimento de ajedrez se colocaron dos maquinas para que compitieran la una contra la otra.

En una primera prueba, se les enseñó mil jugadas posibles para que luego las máquinas las utilizaran. Son maquinas que aprenden como un ordenador, es decir, a través de programaciones y algoritmos, lo que denominamos Machine Learning (ML).

En una segunda prueba, se les mostró únicamente las reglas del juego y las máquinas fueron capaces de desarrollar millones de jugadas. Aquí nos referimos a la inteligencia artificial que es “aplicada” y “robusta” porque, en este caso las maquinas pueden equipararse al humano. Los algoritmos programados están destinados a educar a la maquina con el fin de que pueda ser autónoma posteriormente.

Seguramente, habremos escuchado hablar bastante de la inteligencia artificial. Es importante saber que la IA engloba las “Machine Learning” (también llamado aprendizaje automático) y “Deep learning” (también llamado aprendizaje profundo). Los tres tipos de dispositivos tienen algo es común: el humano les inserta algoritmos para poder utilizar estos dispositivos capaces de remplazar al humano en sus funciones cognitivas, aunque unas aprendan según actúen (IA), y otras actúen según lo que han aprendido (ML). Esto consiste en insertar un dispositivo dotado de una inteligencia dentro de una maquina que, gracias a ello, será capaz de interactuar con seres humanos.

(8)

Gráfico 2.1: Síntesis de la relación entre la inteligencia artificial, el aprendizaje automático y profundo

Fuente: APR – Fernando Alfaro – Huella digital y creación de riqueza 14/09/2016

Pero no debemos pensar que la utilización de estos dispositivos se limita al desarrollo tecnológico, sino que también resultan útiles para aplicaciones en “data science” o para programas capaces de detener el fraude, maquinas para el sector medico o muchos otros ámbitos dedicados a la investigación. Aunque es cierto que, como dice Brenden Lake, investigador americano de la machine learning, “hoy por hoy, las personas siguen siendo mucho mejores a la hora de aprender” (Luque, 2017). Este personaje puede confirmar sus palabras porque realizó un estudio para comparar la capacidad de aprendizaje de las maquinas y de las personas. Tras este estudio, la brecha que existía entre maquina y humano se ha vuelto muy estrecha, aunque no llega a cerrarse del todo. Es cierto que las maquinas son capaces de desarrollar y aprender nuevos conceptos a partir de un solo ejemplo, pero no debemos olvidar que todo ello es gracias al invento humano de un algoritmo que permiten a la máquina llegar a tal punto. No exageramos si decimos que la inteligencia está constantemente en progreso, y aun más lo están las machine learnings. Cualquier)técnica)que)permita)a)los) ordenadores)imitar)la)inteligencia)humana,) usando)la)lógica,)reglas)si)son)necesarias,) los)arboles)de)decisión)y)el)aprendizaje) automático)(incluyendo)el)aprendizaje) profundo)

Un)subconjunto de la inteligencia artificial que incluye técnicas)estadísticas)que) permiten)a)las)maquinas)mejorar)las)tareas)

que)realizan)gracias)a)la)experiencia.)La) categoría)incluye)el)aprendizaje)profundo

El)subconjunto de aprendizaje automático)compuesto por algoritmos que)permiten)que)el) software)se)adiestre)para) realizar)pruebas,)como)el) reconocimiento)de)voz,)de) imágenes,)al)exponer)multicapas) de)redes)neuronales)a)grandes) cantidades)de)datos.)) Inteligencia)artificial Aprendizaje)automático Aprendizaje)profundo

(9)

2.1.2  Los robots cirujanos

Una vez entendida la inteligencia artificial y las machine learnings, vamos a introducir el concepto de robots cirujanos que tiene mucha relación con la inteligencia artificial y son una realidad hoy en día.

Un robot cirujano es una máquina dotada de una inteligencia artificial y por ello se puede calificar como perteneciente al grupo de las machine learnings. Puede resultar extraño pensar que un robot sea capaz de realizar una intervención quirúrgica o que existan los nanos cirujanos, pero es un hecho. Los nanos cirujanos son mini robots capaces de nadar en la sangre y que podrán difundir tratamientos de manera muy focalizada, o atacar a las células cancerígenas, comerse las placas de ateroma…

Según Zhu Long, cofundador de la empresa Yitu, es cierto que la mayoría de los trabajos, en un futuro, serán ejecutados por maquinas “pero no hay que confundir la robótica, que se empleará en los trabajos mecánicos, con la inteligencia artificial, que supone un reto para los empleos cualificados” (Aldama, 2018).

2.1.3  La medicina regenerativa

Por otro lado, la medicina regenerativa también está a la mano del hombre. Este tipo de medicina tiene la ambición de cultivar células madre primitivas y separarlas en distintos grupos como células cardiacas, células óseas, u otras. Con estas células diferenciadas, los tejidos dañados podrán regenerarse, sin trasplantes exteriores o sin necesidad de medicamentos anti-rechazos.

En un caso real, que hemos vivido recientemente de un familiar cercano, se ha utilizado la medicina regenerativa para curar al paciente herido por quemaduras de segundo grado en el 53% del cuerpo. Este proceso trata de extraer pequeñas laminas de piel de las partes que no estaban quemadas (ingles, muslos…) del paciente con el objetivo de llevarlas a un laboratorio encargado de cultivarlas durante un par de semanas. En este tiempo, la piel se regenera y se consigue sacar unas capas de piel compatibles con el

(10)

paciente y de un tamaño suficientemente grande para cubrir las zonas quemadas del cuerpo. De esta forma, los médicos están regenerando la propia piel del paciente evitando rechazos de ella y mejorando los resultados tanto médicos como estéticos. Esto nos muestra como las investigaciones, el conocimiento de casos anteriores y la informatización de los resultados obtenidos previamente, han permitido encontrar la forma idónea de resolver sucesos que son muy comunes.

2.1.4  La genómica

El último concepto médico que debemos conocer es la genómica. Se puede definir como el estudio de uno o varios genomas. Y un genoma es el conjunto del material genético de un individuo. De este modo, con estas dos definiciones entendemos que la genómica es el estudio de la genética del ser humano.

“En el caso de un cáncer, el principio de la genómica trata de secuenciar el genoma de las células cancerígenas para sacar una tarjeta de identidad del tumor e integrarlo a la decisión del terapeuta en vista de un tratamiento personalizado” (Durand, 2017). Por lo que la medicina genómica permite, a partir de un extracto de ADN, saber que patologías tiene el individuo. Si, por ejemplo, su arteria se oxida con más rapidez que en un caso normal, se le puede recetar un antioxidante explícito para ello o si el paciente tiene algún riesgo de enfermedad se detecta a través de la misma prueba de ADN.

La genómica se divide en cuatro pasos principales (supuesto caso de un individuo con un tumor):

-­‐   En primer lugar, se realiza la extracción. El paciente se presenta en el hospital para dos tipos de extracciones: células sanas sacándole sangre al individuo y células cancerígenas recuperadas directamente del propio tumor.

-­‐   El segundo paso es la secuenciación. A partir de las extracciones que se le realizaron al paciente, unos aparatos llamados secuenciadores efectúan secuencias de los genomas del paciente y de su tumor. Luego determinan el orden de las bases nucleicas con el fin de reconstruir la secuencia del ADN. Es gracias a la lectura de varios millones de secuencias en paralelo, que este método ha revolucionado los análisis en genómica.

(11)

-­‐   El tercer paso es el análisis bio-informático. A partir de los datos provenientes de la secuenciación, se realizan unos análisis que verifican la calidad de las lecturas de estas secuencias para luego identificar, clasificar y repartir las diferentes secuencias de ADN con la ayuda de buenos softwares. Tras juntar millones de lecturas, la secuencia del genoma entero se reconstruye. La comprensión del ADN “normal” y del ADN del tumor permite, después, frenar los genes y las mutaciones implicadas en la patología. Estos análisis facilitan también la detección de cambios del genoma implicados en la respuesta del tratamiento.

-­‐   Por último, esta el diagnóstico y la terapia personalizada. A partir del perfil genómico de cada tumor, los médicos pueden proponer a sus pacientes ensayos clínicos en vista de desarrollar un tratamiento enfocado a ellos.

Solo la secuenciación del genoma humano representa 100 Gigaoctets de datos. Esto prueba que el conjunto de todos los métodos biológicos al servicio de la medicina personalizada genera un volumen considerable de datos heterogéneos y personales… Encima de la inmensa capacidad de almacenamiento necesario para estos análisis, requieren también un alto nivel de expertos en ciencias del ser humano que sean capaces de colectar, almacenar y compartir todos los datos según un protocolo que garantice la fiabilidad y la confidencialidad.

La medicina genómica es capaz de predecir la enfermedad, localizarla, estudiar su evolución, tratarla y prever su posible repetición.

Gráfico 2.2: Implicaciones para la investigación del genoma humano

Fuente: Metrópolis Escéptica – La Base mas básica de la medicina – Randolph M.Nesse y Richard Dawkins.

(12)

2.1.5  Los wearables

En el área tecnológico, es importante tener en cuenta el concepto de wearables. Los wearables podemos definirlos como “tecnología incorporada en la ropa y complementos para monitorizar la salud y el análisis de grandes cantidades de datos, que permitirán que la medicina sea mucho más eficaz, individualizada y preventiva, y a menor coste”. (AIESalud).

La cantidad de dispositivos denominados wearables se han multiplicado en los 3 últimos años y para darnos cuenta de ello, no tenemos más que fijarnos en el gráfico siguiente. En un marco global, la cantidad de wearables demandados en 2019 será casi tres veces superior a los pedidos enviados en 2015 pasando de 45,7 millones a 126,1 millones a nivel general. Está claro que los de mayor éxito son los dispositivos enganchados a la muñeca, pero, aun así, el resto se multiplicada del mismo modo.

Gráfico 2.3: Las predicciones del boom de los wearables está a nivel de las muñecas.

Fuente: IDC Worldwide Quarterly Wearable Device Tracker, December 20, 2017.

Según Eric Schadt, director del instituto Icahn en Mont Sinaï (Nueva York), “los wearables representan el futuro de la medicina”. Lo dice porque un individuo normal que generalmente tiene buena salud, de media pasa aproximadamente 10 minutos al año de su tiempo con el doctor. De tal modo que el acierto del diagnóstico del profesional, en esta escala de conocimiento del paciente, a menos que constate la aparición de una

(13)

enfermedad en desarrollo, es prácticamente nulo. Los wearables permiten una vigilancia de las constantes y, por consecuente, una mejor prevención. Esto es una potencial ventaja. Esta revolución de los wearables tiende a dirigirse hacia un desarrollo médico: si estos objetos estuvieron, originalmente, destinados a su utilización personal para asimilar las mejoras deportivas y al ocio, las innovaciones están orientando estos productos hacia dominios de análisis más concretos, como lo demuestran las lentillas conectadas que permiten controlar la diabetes, los relojes que controlan la tensión...

El consejero delegado de Sanitas, Iñaki Ereño, realizó una conferencia frente a unas 500 personas en la que afirmaba que “la digitalización salva vidas” (Ereño, 2017). Del mismo modo, se atreve a decir que “la digitalización esta cambiando el modelo de relación entre el paciente y el doctor” (Ereño, 2017) aunque esto es algo de lo que hablaremos más profundamente en el apartado IV (La medicina de las 5P). En esta misma conferencia, el director tecnológico de Sanitas explicó intensamente sobre el buen funcionamiento de los wearables y del importante juego que dan para conseguir una importante extracción de datos de los individuos.

2.2.   La Era Digital de la información.

Dejamos atrás una era en la que los datos servían únicamente para “detectar y responder” y nos adentramos en un futuro en el que se utilizan para “predecir y actuar”.

“Every day, we create 2.5 quintillion bytes of data – so much that 90% of the data in the world today has been created in the last two years” (IBM, 2014). No tenemos más que fijarnos en el número de mails que se envían cada segundo representando 2.9 millones, el número de data procesado al día por Google que asciende a 24 petabytes o la cantidad de productos pedidos en Amazon por segundo siendo esta cifra de 73 artículos (estudio del CEU “Gobierno del Dato”) para entender que, hoy en día, el desarrollo tecnológico es indispensable para cualquier negocio. En el siglo XXI vivimos gran parte de nuestro día a día online, y en 2020 se prevé que haya 34 billones de dispositivos conectados a internet.

(14)

Los conceptos que hemos nombrado anteriormente, (apartado I-A) como la inteligencia artificial, los robots cirujanos y los wearables entre otros, a todos nos suenan de algo, pero no los utilizamos comúnmente y es necesario empezar a adaptarnos a ellos ya que “estamos ante una situación en la que probablemente esto ya no es un extra, sino es realmente necesario que empecemos a adoptar estas tecnologías porque la información crece de forma exponencial” (Medrano, 2016).

Hay que tener en cuenta que toda la información recopilada de cada ciudadano tiene que estar almacenada para su posterior utilización. Aquí introducimos la evolución en las medidas de almacenamiento.

En la tabla que hay a continuación, aprendemos cual es la equivalencia que existe entre términos que utilizamos diariamente como megabyte o gigabyte, comparado con los zetabyte, o exabyte que vamos a nombrar (o ya hemos nombrado) en varias ocasiones a lo largo de este trabajo.

Gráfico 2.4: Unidades de medidas de almacenamiento.

Fuente: Medidas de Almacenamiento de Información – Almacenamiento de Datos Parte II, Carlos Olvera, diciembre 4, 2010.

Si miramos atrás, alrededor de los años ‘70, recordaremos la creación de los disquetes de 80 KB, los cuales tenían un almacenamiento bastante reducido si lo comparamos con los almacenamientos existentes hoy en día. Pero al poco tiempo se desarrollaron llegando hasta los 1,44 MB. Aproximadamente 10 años más tarde llegaron a nuestra disposición los CD con una capacidad inicial de 700 MB que equivalía a unos

(15)

487 disquetes. Pero los descubrimientos en almacenamiento no cesaban y resultaban cada vez más potentes. En 1997 salieron los DVD cuya función era similar a la de los CD, pero con una capacidad extraordinaria de 4,7 GB (lo equivalente a 7 CD). Aunque por fin, a principio de nuestro milenio, llegaron las tarjetas de memoria con capacidad de almacenamiento llegando a los Terabytes. Finalmente, el medio más popular en el mundo entero son los pendrives de los que se escuchó hablar por primera vez alrededor de los años 2000 con unos modelos que iban desde los 8MB y cuya capacidad puede expresarse actualmente en Terabytes. La Era del Big Data ha tenido lugar, en parte, gracias al desarrollo de estos medios de almacenamiento.

“Big Data es la evolución de la sociedad de la información, donde organizaciones e individuos generan simultáneamente y continuamente grandes volúmenes de datos en distintos formatos, y provenientes de múltiples fuentes y en múltiples formatos” (IBM, 2014). Esta es, probablemente, otra definición aun más precisa que la anterior. Con el Big Data podemos responder a las 4 v’s (volumen, variedad, velocidad y veracidad de datos) que consisten en añadirle un cierto valor al negocio procesando estos inmensos volúmenes de datos en una variedad de formatos y a una extraordinaria velocidad. Al final, el Big Data ha terminado otorgándole el poder del negocio al consumidor, al que también podemos llamar cliente o paciente. Y este cambio también se ve reflejado en la medicina ya que la tecnología está cambiando los sectores incontrolablemente.

(16)

Gráfico 2.5: Previsión del avance del Big Data de 2018 hasta 2023.

2018:

-­‐   Inteligencia artificial: la mitad de los usuarios

interactúan con servicios informáticos cognitivos

-­‐   Falta de profesionales: solo en USA habrá 180.000

trabajos para analistas y cinco veces más en gestión de datos e interpretación

2019:

-­‐   Población conectada: se prevé que la penetración

de internet sea de un 57% (vs. 16% en 2005)

-­‐   Datos de mercado: actualmente el 70% de las

empresas compran datos externos, en 2019 será el 100%. Las empresas monetizaran sus datos vendiéndolos o añadiendo valor a los mismos.

2020:

-­‐   Tráfico de datos: Big Data crece a una media del

40%. En 2020 se prevé que habrá 100,2 zettabytes de datos (vs. 1,2 en 2012)

2021:

-­‐   Deep Learning: permite analizar hábitos

personales y relaciones entre los datos, habla y reconocimiento de imagen

2022:

-­‐   Personalización masiva: máquinas procesarán

toda la información y ofrecerán productos adecuados en cada momento

2023:

-­‐   Convergencia de industrias: la conectividad

acelerara la convergencia de industrias y productos

-­‐   Smart cities: 50% de las ciudades en Europa y

Norte América

Fuente: BBVA “Big Data, present & future”.

2.3.   Empresas “Data Driven” y la imagen del CDO

Francisco González, presidente de BBVA, publicó un artículo de opinión en el Financial Times titulado “Banks need to take on Amazon and Google or die”. En este artículo se defendía el hecho de que el éxito de las “empresas innovadoras, como estas dos, han motivado que el resto de las industrias y de la banca en particular estén centrando sus esfuerzos en como poder sacar el máximo valor de la información de la que disponen para mejorar el proceso de toma de decisiones” (González, 2013). Nuevos modelos de negocio han nacido basándose únicamente en los datos como lo hicieron Facebook, Alibaba, Airbnb o Twitter. Este tipo de empresas son las denominadas empresas “Data Driven” que “toman sus decisiones, diseñan sus procesos internos y la experiencia de sus clientes basadas en datos” (Curso CEU). Al final, son las máquinas las que se encargan de tomar las decisiones y cada una de estas ellas está respaldada y justificada con datos.

(17)

En una conferencia del grupo Sanitas, en octubre de 2017, se insistió mucho en que “no hay nada, ninguna infraestructura, que a diario genere tantos datos como un hospital. Todas las industrias se están convirtiendo en industrias de datos y la Sanidad no va a ser menos” (Medrano, 2016).

Recalcamos que estas empresas denominadas “Data Driven” tienen lugar en cualquier tipo de sector. En la industria de la medicina, el propósito de que un hospital se vuelva una empresa “data driven” sería poder sacar el mayor partido a la multitud de datos que poseen de cada cliente/paciente y de este modo ofrecer soluciones que estén totalmente personalizadas, siendo innovadoras y que garanticen la calidad de cara a las enfermedades a las que se enfrentan. Aunque, por mucho que insistamos en comparar empresas comerciales (como hemos hablado anteriormente de Amazon, Facebook…) con la Medicina, es muy importante tener claro lo que defiende David García, director general de Marketing en Sanitas: “en salud, el factor humano es lo más importante. Hay otros sectores que se basan en transacciones, pero el nuestro se basa en relaciones” (Ereño, 2017).

Primero aparecieron las empresas “Data Driven” y esto vino de la mano de un nuevo puesto entre la dirección de cada empresa. Se creó la imagen del director de datos (CDO: Chief Digital Officer), encargado de centrarse en intensificar y optimizar la utilización de toda la información de la empresa a la que pertenece, siendo esta un activo estratégico. Su objetivo se enfoca en hallar estrategias y analizar los datos para potenciar el valor del negocio y para fomentar nuevas oportunidades de negocio. Cada decisión presentada, tiene que estar respaldada obligatoriamente con datos, especialmente cuantitativos. Este puesto se ofreció por primera vez en 2003, cuando Capital One nombró a Cathryne Clay Doss la CDO de su empresa. Según Gartner, una consultora e investigadora tecnológica, “más del 50% de las grandes organizaciones globales habrá nombrado CDO para 2020” (Aristi y Tomé, 2017). Al fin y al cabo, las empresas se ven obligadas a aprovechar la gran variedad de datos de los que disponen para generar valor de negocio.

(18)

“Con datos aun relativamente mal organizados y parciales, el margen de progresión es considerable abriendo la vera a nuevas oportunidades” (Tirard, 2017).

(19)

3.

 

La fusión del Big Data y la Medicina atrae una evolución a

nivel de la prevención, la prescripción medica y el Open

Data.

3.1.   Principal propósito del enlace entre Big Data y sector médico

Entre todos los datos existentes en el almacenamiento del Big Data, habría que seleccionar los que correspondan a la historia médica de una sola persona. La idea sería que los doctores tuvieran acceso a ellos vía un futuro informe médico, informatizado, donde el paciente tendrá todos sus elementos útiles: desde su nacimiento, como el libro de vacunas, enfermedades crónicas, revisiones médicas… Este informe seguirá al paciente a tiempo real y se convertirá en un elemento verdaderamente útil que coordine su modo de vida, con sus enfermedades y sus tratamientos. Para hacernos una idea de lo que sería este historial médico del que estamos hablando, nos fijaremos en la siguiente imagen.

Gráfico 3.1: Historia clínica de la enfermedad y el tratamiento de un individuo.

(20)

Es un ejemplo para entender como se mostraría toda la información que disponemos de un paciente. En la parte superior izquierda vemos la evolución de este paciente, con puntuaciones que evalúan la severidad de la enfermedad (si es mas alta, es más severa). Solo con este extracto podemos ver casi 10 años de vida del paciente. En la parte inferior izquierda tenemos el arsenal de tratamientos que debe seguir el paciente a causa de su enfermedad la cual no sabemos curar, pero sabemos moderar. Finalmente, a la derecha tenemos las imágenes a tiempo real del cerebro de este paciente y los cálculos que se pueden hacer a partir de estas “radiografías”. Todo ello disponible para el resto de los médicos.

El mítico dicho “más vale prevenir que curar” jamás ha sido tan cierto. Uno de los principales límites que encontramos en la medicina y la industria farmacéutica de hoy en día, es la comprensión de la biología de la enfermedad. El Big Data juega un rol determinante en la recopilación y la clasificación de datos pertinentes para la formación de este informe referente para una enfermedad. Por ejemplo, también podríamos incluir en el informe el tipo de ADN, las proteínas, el comportamiento del paciente o incluso su evolución. Como ya hemos dicho antes, este informe solo puede realizarse vía tecnologías del Big Data que permitirán, en un largo plazo, formar un modelo constantemente actualizado. Este mismo modelo servirá de base referente y dinámica para la búsqueda de diagnósticos y tratamientos de enfermedades que serán cada vez más eficaces.

En la misma línea que grandes empresas del sector de Cloud y de Big Data (como lo son Google, Facebook y Amazon en cabeza) que utilizan este tipo de procesos para orientar sus estrategias de marketing, podrían contribuir a realizar una infraestructura informática capaz de generar datos del sector médico. Sin embargo, algo que parece tan simple tiene sus obstáculos tanto económicos, como sociales y legales de los que hablaremos en el apartado V.

3.2.   Las tres grandes evoluciones en el proceso médico

(21)

En primer lugar, nos enfrentamos a un análisis de datos a gran escala de millones de pacientes y de hospitales tanto públicos como privados que nos va a permitir encontrar una nueva clasificación de patologías, como por ejemplo el cáncer. Dará lugar a una prevención más rápida e inmediata y permitirá afinar las características más específicas de las enfermedades para, de este modo, poner en marcha terapias y diagnósticos que sean mucho más certeros, atinados y eficientes. También, los propios individuos podrán ser capaces de llevar un control propio de sus dolencias realizando búsquedas en plataformas certificadas para autoprevenir alguna enfermedad.

En segundo lugar, tendremos la revolución de la prescripción médica o tratamiento. Contaremos con más conocimientos acerca de cómo funcionan los medicamentos sobre las enfermedades, gracias a los datos de anteriores pacientes. Con el tiempo podremos ser cada vez más eficaces gracias al conocimiento del patrimonio genético de los individuos. Sin el Big Data no habría personalización de la medicina por lo que no contaríamos con la prevención ni las curas eficaces. Los pacientes llegarán a ser capaces de seguir tratamientos a tiempo real, y sin necesidad de acudir a la consulta del médico. Simplemente, necesitarán un dispositivo que le informe de cómo van sus constantes, por ejemplo, mediante los wearables (capaces de medir las constantes, las calorías, el azúcar en sangre…). Con ello, sabrá si debe tomar un medicamento y que tipo de medicamento. Cada uno contará con su propio mapa de salud y los especialistas tendrán la única labor de realizar un seguimiento de ello.

En relación con la prevención y el tratamiento, de los que hemos hablado justo en los dos párrafos anteriores, vamos a presentar un invento llamado Watson el cual ilustra a la perfección la evolución en estos dos procesos médicos.

Watson es “un sistema inteligente desarrollado por IBM” que es capaz de imitar muchas características humanas y que “fue solicitada por la empresa de servicios sanitarios Well-Point” (Carrasco y Medrano, 2016). Esta “máquina” fue diseñada con el fin de detectar los posibles problemas que puede desarrollar un paciente y para proporcionar los diagnósticos necesarios. Se calcula que, con Watson, la medicina preventiva puede mejorar brutalmente pasando de un 50% a un 90% de prevenciones

(22)

acertadas. Gracias a Watson la medicina cuenta con varias ventajas que ni siquiera se planteaban:

-­‐   En primer lugar, se debe a que los médicos y la medicina siempre han estado abiertos al conocimiento de situaciones similares que hayan ocurrido anteriormente y que les de una serie de datos más precisos y evidentes.

-­‐   En segundo lugar, Watson ayuda a la “lectura de conocimiento no estructurada” (Carrasco, 2016) utilizando artículos médicos o científicos que expliquen cuales han sido los remedios efectivos para una enfermedad específica o qué procesos se han seguido para una cura exitosa.

 

Watson proporciona toda esta información gracias a sus capacidades desarrolladas por su inteligencia artificial, las cuales permiten elegir un tratamiento inigualable.

Por último, a la tercera gran revolución la llamamos “Open Data” o liberación de datos. Esta consiste en anonimizar las informaciones provenientes de los informes de los pacientes y cruzarlas con todo tipo de datos: medico-económicos, sociales, medioambientales… Por ejemplo, juntamos los datos médicos anónimos de los individuos con el índice de polución por barrio en el que habitan. Los resultados de este estudio, comentado por el medico Jean Pierre Thierry en una entrevista para AXA, pueden interesar a muchas personas como políticos, trabajadores sociales, investigadores… porque sabremos si el hecho de que haya más polución en un barrio incita a que unas ciertas enfermedades sean más comunes. El Big Data permitirá enormes progresos en las investigaciones.

En el siguiente gráfico, confirmamos que gracias al Open Data conocemos la razón por la que cada paciente ha sido hospitalizado. De esta forma sabemos el número de personas que han sido ingresadas semanalmente por problemas respiratorios y compararlo con la cantidad media de contaminación que ha tenido lugar esa misma semana en un mismo sitio.

(23)

Gráfico 3.2: Los ingresos hospitalarios aumentan con la contaminación

Fuente: Ministerio de Sanidad y Portal de Datos Abiertos del Ayuntamiento de Madrid

Hoy en día, la cantidad y calidad de datos clínicos que dominamos son un poco flojos, aunque, por otro lado, contamos con un número de individuos más grande dispuesto a compartir sus historiales médicos para contribuir al avance de la medicina. Según un estudio de BBVA sobre el Big Data, sabemos que “en 15 segundos, IBM Watson puede entender 10 millones de perfiles de los pacientes para ayudar a los médicos a reconocer la enfermedad mortal más pronto” (Curso BBVA). Con ello, los segmentos del diagnostico y de la prescripción ofrecen perspectivas particularmente prometedoras, dirigido a la mejora de la eficacia de los tratamientos y la realización de economías considerables para los sistemas de la sanidad.

Concluimos que el Big Data nos adentra en una era de avance en la prestación de servicios de salud. El papel que desempeña esta nueva tecnológica, cuya labor es digitalizar el sistema sanitario, es esencial (conforme dicen algunos expertos). “Se abren nuevas oportunidades, tanto para el diagnostico y el tratamiento de multitud de problemas de salud, como en la capacidad, aun incipiente, de proporcionar servicios personalizados desde una perspectiva hipersegmentada” (IM Medico). Esta revolución del proceso

(24)

médico tradicional es el verdadero impulsor de la nueva medicina del futuro llamada “La Medicina de las 5P”, es decir, una medicina predictiva, preventiva, personalizada, participativa y poblacional.

(25)

4.

 

La nueva medicina de las 5 “Ps”

Gracias al Big Data, una medicina llamada “las 5 Ps” (predictiva, preventiva, personalizada, participativa y poblacional) puede, hoy en día, propagarse y generalizarse.

En esta investigación, una conferencia realizada por Dominique Letourneau, presidente de “La Fondation de l’Avenir” que se dedica a la búsqueda médica centrada especialmente en las técnicas medicoquirúrjicas, el 10 de diciembre de 2017, nos ayudó a entender la diferencia de las primeras “4Ps” y ampliar la visión que teníamos hasta el momento, de cómo el Big Data ha provocado una evolución a nivel prevención, tratamiento y open data (volviendo al apartado III-B).

Hasta ahora, ¿de qué creemos que depende el futuro de la Medicina? Según Letourneau, “hoy en día, siendo este un periodo muy mal definido, pero en todo caso en este momento, tenemos un verdadero cambio de paradigma. Vivimos el final de la medicina reparadora que es verdaderamente el modelo de la revolución industrial” (Letourneau, 2014).

Es cierto que estamos entre dos periodos, lo que resulta una situación un poco complicada porque el viejo sistema de la medicina todavía no ha terminado, y el nuevo sistema es un poco aventurado. Sin embargo, hay una cosa en la que todos coincidimos: las previsiones de esta nueva revolución médica son, ante todo, positivas para el conjunto de los individuos. “Pacientes, gestores, proveedores de servicios auxiliares y, como no, los cuidadores (médicos, cirujanos, enfermeros, etc.), podrían beneficiarse de la eficiencia y ventajas que trae obtener insights de los datos. Aquí es donde varios expertos de la materia hablan de la futura Medicina 5P, el cruce entre la Sanidad y el Big Data” (Rayón, 2016).

La medicina de las 5P se originó en los años 2000 cuando el profesor Leroy Hood inventó la medicina de las 2P en un primer momento (predictiva y participativa) y más tarde le sumó los términos “personalizada” y “participativa”. El propósito es transformar

(26)

el arte médico en una disciplina proactiva, teniendo como finalidad no tratar solo una patología, pero aumentar la salud global del individuo. ¿Porqué es esto posible?

Contamos con conocimientos relativamente importantes sobre la genética a partir del estudio de los genes y de las herencias que han dado lugar a las bases biológicas y las transmisiones de caracteres hereditarios. La “herencia” es el proceso por el cual los caracteres se transmiten de una generación a otra por el intermediario de los genes. Una enfermedad hereditaria puede ser de origen genético, pero todas las enfermedades genéticas no son hereditarias. También es posible por el descubrimiento de la genómica y toda la medicina “omica”. Como hemos visto anteriormente, la genómica es el estudio de uno o varios genomas (ADN o ARN) que revelan toda la información genética del individuo. Tenemos mucha información, así que consiste en pensar de una forma diferente. Ya no se trata de actuar a través de un síntoma, sino que intentemos anticiparnos y predecir. El desarrollo de estos análisis genéticos conduce a una individualización cada vez mayor de los tratamientos y de la prevención de enfermedades.

4.1.   La medicina predictiva

La medicina predictiva trata de calcular que riesgo corre una persona de desarrollar una enfermedad un día cualquiera. Estaríamos hablando de pasar de una medicina reactiva a otro modelo mas bien proactivo, es decir, más eficiente en el que se advertiría al paciente de cuales son las situaciones en las que corre más riesgo. “Al aplicar algoritmos muy potentes, de cierto modo, te puedes anticipar a la ocurrencia de la enfermedad. Cuando cambie algo en tu organismo, en algún lugar va a pitar una alarma y te van a llamar por teléfono para decirte que vaya a consulta porque algo está pasando, aunque tu no lo veas o no lo haya notado. Ese es el sueño de la medicina. Mucho tiempo queriendo hacerlo, pero hasta ahora no era posible. El estado del arte de la tecnología nos lo va a permitir” (Collera, 2017).

La predicción es pura estadística, pero con un porcentaje muy elevado de probabilidades. Estaríamos poniendo “la estadística al servicio de nuestra salud” (Rayón, 2016). Para ello se establece una cartografía precisa y personalizada de los factores de

(27)

riesgo del paciente con el fin de proteger su salud. Tiene que estar compaginada con los comportamientos y con los contextos medioambientales (el porcentaje de contaminación que hay en su entorno, la climatología…). Esta cartografía es un fichero que muestra lo que soy, lo que hago y donde lo hago.

Gráfico 4.1: Cartografía médica, el “Tamiz Quirúrgica”, dolor abdominal agudo.

Fuente: British Medical Journal en diciembre de 2009 (BMJ 19-26 Dec 2009, Volume 339, page 1450) – Tom Turmezei.

Esta cartografía se llama “el tamiz quirúrgica”. El autor era un especialista en la sección de radiología y se le ocurrió este mapa para visualizar las patologías del paciente y diagnosticar la causa de un dolor abdominal muy agudo. Nos recordará al mítico mapa del metro de Madrid y de ahí sacó la idea Tom. Según la estación en la que te subas, puedes ir hacia una dirección u otra, pero nunca podrás saltarte ninguna parada. Pues este mapa explica eso mismo. Puedes tener una dolencia, y se puede predecir hacia que direcciones puedes ir y por que paradas nunca vas a pasar.

Por último, no olvidemos que la medicina predictiva es solo una extrapolación del pasado. No se puede predecir ni la fecha, ni el momento ni la intensidad de lo que va a pasar, pero por lo menos se puede saber, potencialmente, que algo puede pasar.

(28)

4.2.   La medicina preventiva

La medicina preventiva se divide en tres niveles: la prevención primaria trata de reducir los riesgos de la enfermedad; la prevención secundaria se encarga de promover la detección temprana; y la prevención terciaria consiste en mejorar la calidad de vida de las personas que contraen una enfermedad crónica.

Las enfermedades causadas por herencias genéticas o por problemas medioambientales son el centro del enfoque de la prevención. Es más simple prevenir a un paciente de las patologías que puede desarrollar su organismo si contamos con datos clínicos que certifican que algún familiar ha tenido un tumor o si conocemos los riesgos medioambientales a los que se enfrenta. Sin embargo, también existen muchos marcadores, muy simples, que aumentan el riesgo de enfermedades y que siempre recomiendan los médicos por costumbre: la actividad física, la alimentación equilibrada, no fumar… Sin duda, son elementos importantes para la prevención.

El objetivo de la medicina preventiva es alertar al individuo de una enfermedad antes de que esta aparezca basándose en todos los datos recopilados del historial de pacientes: como actuaron los médicos, cuales fueron los diagnósticos… Como ya hemos dicho antes: “mejor prevenir que curar”.

Existen muchas marcas que se dedican a integrar en sus sectores unos dispositivos, (ya sean de electrónica, de deportes, de telefonía o de alimentario) llamados wearables (explicado en el apartado I-A), en forma de cinturones, pulseras inteligentes, relojes, cintas para la cabeza, lentillas… y millones de tipos más para controlar las pulsaciones, el nivel de glucosa en la sangre, las calorías, el cansancio y las horas de sueño, los periodos adecuados para tener un bebé o los medios para evitarlo…

Impresiona como un simple aparato puede evitar un problema sanitario. “Estamos entre un cambio de paradigma en la medicina” (Medrano, 2016). Son un medio efectivo para recopilar todos los datos del paciente, estudiarlos y prevenirle del estado de su organismo.

(29)

Estos dispositivos permiten una vigilancia de las constantes y, por consecuente, una mejor prevención.

Si vamos un poco más lejos, cuando hablamos de prevención y de genética, volvemos al riesgo de la prevención eugénica. Por primera vez en EEUU, las “tijeras genéticas” se han utilizado para retirar las partes defectuosas del genoma de embriones viables con el fin de reemplazarlos por nuevos trozos de ADN. Podemos modificar la base de la propia especie humana, algo que hasta ahora era impensable. La ciencia se ha desarrollado hasta tal punto que se ha vuelto capaz de modificar los genes de embriones in vitro. Esta técnica puede, teóricamente, servir para dar vida a bebes genéticamente modificados. La prevención es una actividad de la medicina reparadora que hace preventivamente la cirugía profiláctica.

4.3.   La medicina personalizada

La medicina personalizada es la capacidad que ofrece la genómica. Permite elegir un tratamiento singular en función de las propias características del paciente y de sus necesidades concretas. Es “el eterno sueño de la medicina” (Rayón, 2016) posible gracias a la cantidad de datos y el conocimiento del entorno del paciente. Es lo que algunos llaman la medicina de precisión. “Cada uno tiene un genoma, un conjunto de genes, un microbioma, un conjunto de arterias, que viven en nosotros y que condicionan nuestra respuesta al ambiente o a los fármacos. Se quiere llegar al punto de decir: “a ti que tienes este genoma, este proteoma y este probioma, te voy a recetar este fármaco en este momento porque tú lo necesitas”. Ya no va a ser un paracetamol para todos los que le duela la cabeza, sino algo mas personalizado” (Collera, 2017).  

Antiguamente se buscaba el tratamiento que podía corresponder al mayor número de personas y que se desarrollaría masivamente. En cambio, hoy en día esto ha cambiado completamente. Ahora se busca el tratamiento más pertinente para una situación y una persona precisa. Para ello habría que codificar toda la información que tenemos hasta el momento y que no hemos tocado, convirtiéndola en datos de aspecto clínico (por ejemplo: emociones, expresiones del dolor…). Pero detrás de esto hay un problema económico

(30)

relativamente importante ya que el tratamiento se vuelve más caro y la búsqueda de ese antídoto es difícil y duradera.

Gráfico 4.2: De la talla única a la terapia dirigida.

ANTES

AHORA Fuente: Roche Farma, S.A - 2017.

Al mismo tiempo, cuando hablamos de medicina personalizada, tenemos la impresión de que, utilizando este término, estamos muy centrados en la persona. En nuestra opinión, hay una ambigüedad bastante fuerte entre una medicina centrada en la persona y una medicina en la que, efectivamente, estamos extremadamente atentos a situaciones muy particulares, pero en la cual, finalmente, la persona como individuo no existe. Podemos hablar aquí de términos como especialización (división en disciplinas académicas), racionalización EBM (realidades construidas para grupos homogéneos de pacientes) y protocolización (guidelines). Estos términos nos dirigen a una medicina personalizada, centrada en la persona, que es la medicina de precisión.

Probablemente, la idea de una medicina personalizada atraería a muchos pacientes, al igual que la personalización de los productos atrae a los consumidores. Una

(31)

encuesta de Infosys decía como “el 78% de los consumidores estaría dispuesto a repetir la compra con una marca si se le personalizaba la propuesta de valor” (Ereño, 2017) y, de hecho, también encontramos en un informe de RightNow Customer Impact que “86% de los consumidores estaría dispuesto a pagar más si la personalización se refería a sus necesidades” (Ereño, 2017). Son datos suficientes para hacernos entrar en razón y entender que la personalización es una de las claves para el funcionamiento de los tratamientos y la involucración de los pacientes en el desarrollo médico.

Hace una veintena de años, cuando no conocíamos la existencia del Big Data, este tipo de medicina era impensable porque era un proceso muy caro y no resultaba rentable. Por otro lado, los pacientes no habían solicitado una medicina de este estándar ni tampoco contábamos con los datos suficientes para dar resultados cien por cien efectivos. Sin embargo, estos problemas han perdido valor ya que la inmensa generación de datos ha multiplicado las posibilidades. Ahora, el reto no es encontrar la información necesaria, sino sacar el valor de la información que disponemos. La “era de la personalización” necesita “una buena materia prima, una transformación de los modelos (de negocio u organizativos), una toma de decisiones basada en la evidencia…” (Rayón, 2016).

4.4.   La medicina participativa

La medicina participativa es la buena coordinación entre las 3P anteriores. Poco antes de los años 80, el enfermo era un verdadero elemento y no existía como persona, su palabra no se escuchaba (Letourneau, 2017). Por diferentes razones, el paciente ha empezado a ocupar un espacio bastante particular. Exactamente en el año 1995, con la llegada del “manual del paciente hospitalizado” surge un gran cambio: el paciente pasa a tener un poder de elección.

A partir de aquí, se empieza a desenvolver lentamente una relación paternalista entre el profesional y el enfermo. Al principio solo era una relación informativa, pero poco a poco se ha convertido en una decisión compartida. Del mismo modo, hay un cambio en la asimetría de información. Antes había un sabio por un lado y un individuo inculto (en términos de medicina) por otro lado. Pero ahora surgen dudas como: ¿quién

(32)

será el prescriptor? ¿El experto de sanidad o yo mismo? ¿Soy yo quien tiene toda la información? Se presenta un cambio en la relación medico-paciente. El paciente controla su propia información medical y la comparte con quien quiere. Por último, el paciente puede volverse donante de ordenes para las curas y para la investigación médica utilizando, por ejemplo, las redes sociales a nivel mundial. El enfermo pasa a tener la capacidad de generar recursos, poder ponerlos en común, definir los problemas y buscar los equipos capaces de responder a ellos. Puede parecer utópico, pero es el famoso dicho “aquí y ahora” el que va a dominar la medicina en no mucho tiempo.

La medicina participativa consistiría en juntar los procesos y las gestiones de distintos centros médicos para que a ninguno se le escape un mínimo detalle. “Esto en España, donde tenemos una fragmentación de la organización del Sistema Sanitario importante, con 17 sistemas, vendría realmente bien” (Calderón, 2015).

4.5.   La medicina poblacional

Por último, hablaremos de la medicina poblacional. Esta es la quinta “P” que se ha incorporado recientemente. Como dice la propia palabra, nos referimos a una medicina dirigida a toda la población. El objetivo sería no dejar a nadie sin una atención médica haciendo que el sistema médico fuese lo mas eficiente posible utilizando los recursos que tenemos hasta el momento. Esto seria posible si las 4P de las que hemos hablado anteriormente se desarrollan convenientemente.

4.6.   La imagen del E-Paciente

A raíz de las 5P aparece la imagen del e-paciente. Este nuevo personaje estaría más comprometido con su propia enfermedad, podría elegir a su médico mediante valoraciones u opiniones en la red y participaría activamente con él. Según Iñaki Ereño de Sanitas, en una conferencia de octubre 2017 afirmó que “para finales de 2018, el 25% de las consultas serán digitales por voz, chat o video” (Ereño 2017). En esta misma conferencia, David González Pisando, responsable de analítica de la misma compañía, también insistió en la importancia de los pacientes como protagonistas activos y no solo

(33)

como mero centro de la medicina diciendo que “los pacientes somos una fuente de datos inagotable para hacer una nueva medicina” (González, 2017).

Está claro que es importante escuchar al paciente, porque todo lo que diga sobre sí mismo, sobre sus sentimientos, dolores… puede ser muy relevante. En la conferencia que hemos mencionado anteriormente, se reunieron en una mesa de debate varios sabios de la medicina y todos hicieron especial hincapié en “el valor de la participación del paciente en las redes sociales, lo que conllevará a una cultura asistencial más amplia e influyente, más participativa” (Ereño, 2017): así se define al E-Paciente. La relación que existe hoy en día entre un médico y un paciente va a cambiar, pero positivamente, enriqueciéndose.

El vicepresidente de AIES, Carlos Mateos, definió al e-paciente como el que “toma las riendas de su propia salud, que quiere controlar como está su estado de salud y compartirlo con su médico y con su profesional sanitario” (Mateos, AIES) utilizando principalmente los wearables que son los medios más simples por el momento. El “Consumer Driven Healthcare” pone al paciente en medio de las fases médicas: dispone de la decisión, la información y el control. El E-Paciente toma el mando de la gestión de su propia salud y “están dispuestos a pagar por ello” (Rayón, 2016).

(34)

5.

 

Desafíos de la Era Digitalizada

5.1.   La eficiencia del Big Data…

5.1.1  Avances económicos y sociales

Fijándonos atentamente en la pirámide demográfica de España, nos percatamos de que, por primera vez, esta se ha invertido disminuyendo la cantidad de niños y aumentando la de ancianos. Suponemos que esto podría ser rentable para el sector sanitario porque se exige el tratamiento de mas patologías (cuanto más mayores somos, más tratamientos necesitamos para sobrevivir). Aumentara así el beneficio de los hospitales.

El dominio del Cloud y el Big Data serán unos sectores portadores de nuevos puestos de trabajo ya que la imagen de un CDO y un equipo encargado del análisis de datos y la interpretación de resultados resulta indispensable en cualquier empresa. Del mismo modo, en el sector médico, se prevé una transformación en la profesión que tiende a resultar híbrida con los puestos de informática. Según Schadt: “pienso que es una transformación fundamental de la profesión que contrasta la medicina académica con una orientación basada en el cuantitativo y la informática” (Boatella, 2014). Esta nueva forma de ver la medicina podría denominarse “las ciencias de la vida”.

Desde un punto de vista económico, es cierto que las inversiones iniciales pueden ser muy elevadas para poner en marcha las nuevas técnicas del Big Data. Aunque también existe la certeza de que los costes del sector médico, o de cualquier otro, van a disminuir, permitiéndoles a las organizaciones sanitarias, tanto privadas como públicas, ahorrar una vez que estas tecnologías estén implantadas y desarrolladas. Todos los países quieren poner en marcha esta innovación por la rentabilidad que sostiene. “España debe incrementar sus inversiones en TIC destinadas a entornos de salud para consolidar definitivamente los proyectos ya iniciados como la historia clínica o la receta electrónica, a la vez que abordar, en profundidad, otros igualmente críticos para la sostenibilidad del sistema, así como para reducir los costes” (IM Médico, 2017). En España los presupuestos

(35)

en Sanidad han aumentado, alrededor de un 3,3% per cápita entre 2015 y 2016 y siguen haciéndolo porque se considera una inversión segura y fiable.

Gráfico 5.1: Variación de los presupuestos de Sanidad per cápita 2016 vs. 2015 por CC. AA

Fuente: FENIM – Federación española de empresas de tecnología sanitaria

5.1.2  Avances de calidad y fiabilidad

Para muchos profesionales, las tecnologías conectadas implantadas en las estructuras médicas constituyen un avance y una fuente de innovación inimitable. “El principal beneficio que se espera de la aplicación del Big Data en salud es el de mejorar la calidad de la atención médica, tanto en los aspectos de investigación, diagnóstico y tratamiento, como de atención sociosanitaria”. (Vila, 2014)

La calidad de la información ha pegado un salto agigantado, en parte, gracias a la inteligencia artificial. Una base de datos que compare los perfiles de todos los pacientes va a facilitar el trabajo de los médicos, la rapidez para encontrar el problema y la fiabilidad de los resultados (aunque este último nos atrevemos a ponerlo un poco en duda). Estaremos permitiéndole a cada paciente ser directamente comparado con los datos de referencia de otros pacientes.

(36)

Mientras que tenemos claro que la calidad solo puede ir incrementándo, no podemos confirmar lo mismo para la fiabilidad. El Big Data ha desarrollado la medicina predictiva y preventiva de las que hemos hablado anteriormente. A la vez sabemos que estas dos se basan en estadísticas y probabilidades que han sido calculadas por los resultados de otros pacientes frente a distintas situaciones. Siempre existe un porcentaje de probabilidad de que surja una cierta enfermedad causada por una cierta situación, pero también existe el otro porcentaje, que hay que tener en cuenta, de que eso no surja. Cuando hablamos de predicción, debemos hablar también de la medida de la ignorancia. Aquí entra en juego la actualización de la información de los pacientes. La calidad se asegura en la medida que el paciente tenga un porcentaje de similitudes bastante elevado, ya que no puedes comparar los síntomas de ese paciente con otro de hace 15 años. Esa comparación no seria válida porque no tienen las mismas condiciones de vida, no respiran el mismo aire ni siguen la misma higiene.

Por otro lado, la gente que necesita ayuda sanitaria y no puede permitírsela, estaría muy beneficiada porque existen países donde los buenos especialistas escasean y la tasa de mortalidad es más elevada. Los datos de los pacientes son los mismos para todos los hospitales así que los médicos que no tienen tantos conocimientos o experiencia podrán curar patologías que no sabían ni que existían. La probabilidad de fallo en recetas médicas y diagnósticos disminuirían notablemente, la confianza en la medicina estaría mucho más valorada. Cuando hablamos de calidad, no nos referimos solo a la calidad en tratamientos o diagnósticos, sino también en los servicios hospitalarios que ofrecerán una mayor calidad de servicio y a un coste reducido.

Podríamos pensar que el diálogo entre médico y paciente se va a perder, lo que no tendría mucho sentido porque esto es indispensable para asegurar la calidad y la fiabilidad del tratamiento. Pero el efecto del Big Data ha hecho que esta relación no se pierda. “La discusión entre médico y paciente ha mejorado, porque el paciente colabora con el médico ya que puede ver sus datos cuando antes no los podía ver y los comprendía peor” (Gourraud, 2017).

(37)

Un articulo muy reciente del periódico El País, más concretamente de la sección de Salud, llamó nuestra atención. Este fue escrito por Zigor Aldama y se titula Zhu:” La inteligencia artificial va a redefinir lo que supone ser humano” (Aldama, 2018). Al leer el título nos dimos cuenta de que atinaba directamente con esta tesis por lo que resulta interesante comentarlo. Yitu es una empresa de inteligencia artificial y Zhu Long (cofundador de esta empresa) “avanza una revolución en el sector sanitario que nos permitirá vivir 120 años” (Aldama, 2018). A fecha de este artículo, 17 de marzo de 2018, ya se había probado la valía del programa desarrollado por la empresa Yitu, llamado

AICare, en los mejores hospitales de China. Zhu define este programa como “un sistema de análisis de pruebas médicas visuales, como rayos X, escáneres y resonancias magnéticas” (Aldama, 2018). Con la ayuda de algoritmos que han programado AICare, solo haría falta unos segundos para ofrecer un informe del estudio de todas estas pruebas comparado con los, aproximadamente, 10 minutos que tardaría un médico o especialista en realizarlo. AICare sería capaz de identificar la ubicación de un tumor, al igual que su tamaño y todas las características de esta patología en cuestión de 2 o 3 segundos. Según las pruebas realizadas en los mejores hospitales de China, en el 90% de las veces que se ha utilizado AICare, los resultados han sido correctos. Y ¿cómo es capaz de realizar un informe tan preciso? Porque este sistema “bucea en millones de historiales médicos y pruebas de todo tipo para llegar a un resultado” (Carrasco, 2016).

Finalmente, no podemos dudar que la tecnología no aporte la calidad o la fiabilidad mínima y suficiente ya que, en cierto modo, lo hace en porcentajes superiores a los de un médico tradicional. Simplemente, no se puede confirmar que lo vayan a hacer a un 100%. El paciente tiene la ultima decisión y será capaz de acceder o no a un tratamiento desde el conocimiento porque va a ver con sus propios ojos su estado de salud. El Big Data no va a recetar un tratamiento específico, solo va a buscar las mejores sugerencias o los mejores consejos para que el médico decida y se los muestre a su paciente. Los algoritmos son ayudas para la decisión y permiten ganar tiempo dentro de una franja de calidad y fiabilidad más elevada.

(38)

5.2   … puede resultar perjudicial en algunos casos

“Los datos tienen el poder de transformar sectores y modelos de negocio, pero también pueden desbordar los sistemas y obstaculizar el crecimiento” (IBM, 2014).

5.2.1  Peligros económicos y sociales

Principalmente nos encontramos con problemas económicos, aunque ya hallamos hablados de los beneficios en este ámbito. La estructura es bastante cara: se necesita invertir en un equipo tecnológico y asegurar el almacenamiento de todos los datos. “Si nos damos cuenta, los gastos de energía de estos grandes volúmenes de información son equivalentes a la de una ciudad como Estrasburgo” (Calderón, 2015), asique se necesitará encontrar nuevas competencias. Y en ello trabaja el CDO o Data scientist de los que hemos hablado anteriormente, para tratar e interpretar estos inmensos volúmenes de datos. En el sector español, también existe una ausencia de visión estratégica por parte de los Data Scientist que trabajan en el sector sanitario.

También nos enfrentamos al peligro de la confidencialidad que provoca un daño social, si nos enfocamos en la vida privada de cada persona, y un daño legal, si hablamos de delitos y leyes. Socialmente, existen los hackers que se sienten atraídos por este tipo de información para fines económicos o por puro interés personal, por lo que es imprescindible asegurar la protección de estos datos. Es necesario garantizar el anonimato de los pacientes. En Estados Unidos, por ejemplo, si entras en Google y buscas Intelius (sociedad americana), solo con ser ciudadano americano puedes meter un nombre cualquiera de otro ciudadano. Por ejemplo, si metes el nombre de “Mike Wilson” tendrás acceso a la dirección de Mike, a su trabajo, al historial de sus domicilios, si está casado, cuantos hijos tiene, cuantos cuartos hay en su casa… Esto es un típico ejemplo de lo que podemos hacer a partir de los datos que voluntariamente o involuntariamente dejamos en aplicaciones de internet como Facebook, Amazon... Uno de los principales problemas del Big Data resulta ser la protección y el respeto de la vida privada de los individuos.

También hay que tener en cuenta el miedo que tiene un médico, responsable de una operación, de dar un paso en falso dejándole sus funciones a una máquina dotada de

Figure

Actualización...

Referencias

Actualización...

Related subjects :