Novedades

Dentro de la industria de la salud digital, big data se refiere al uso de técnicas de ciencia de datos para capturar y analizar conjuntos de datos enormes y complejos con el fin de impactar positivamente los resultados de la atención del paciente y optimizar los procesos comerciales.

Si bien el término Big Data puede parecer hacer referencia al volumen de datos, no es necesariamente el caso. Big data también puede referirse al alcance de la tecnología que una organización requiere para manejar grandes cantidades de datos, así como a las instalaciones necesarias para almacenarlos.

La industria de la salud produce grandes cantidades de datos clínicos, financieros, administrativos y genómicos y necesita técnicas de big data para administrarlos.

El uso de big data en la industria de la salud digital generalmente aborda las siguientes seis categorías de información:

• Datos web y de redes sociales, como datos de interacción de Facebook, Twitter, LinkedIn, blogs, sitios web de planes de salud y aplicaciones para teléfonos inteligentes.
• Datos de máquina a máquina, como información de sensores, medidores y otros dispositivos.
• Datos de transacciones, como reclamos de atención médica y registros de facturación en formatos semiestructurados y no estructurados.
• Datos biométricos, como huellas dactilares, genética, escritura a mano, escáneres de retina, radiografías y otras imágenes médicas.
• Datos generados por humanos, como registros médicos electrónicos (EMR), notas de médicos, correo electrónico y documentos en papel.
• Datos de investigación y desarrollo farmacéuticos relacionados con el mecanismo de acción de un fármaco, el comportamiento objetivo en el cuerpo humano y los efectos secundarios.

Los objetivos para el uso de big data en la atención médica continuarán evolucionando y actualmente incluyen:

• Mejores resultados para los pacientes mediante el uso de análisis clínicos avanzados para mejorar la atención proactiva
• Soporte de decisiones clínicas mejorado a través del análisis rápido de las bases de datos de conocimiento más actualizadas
• Diseño de ensayos clínicos mejorado con el uso de herramientas y algoritmos estadísticos
• Modelos mejorados de medicina personalizada mediante el análisis de grandes conjuntos de datos
• Soporte optimizado de decisiones comerciales para ayudar a garantizar la asignación adecuada de recursos