'Big data', nuevo enfoque en investigación médica

El análisis informático de grandes volúmenes de datos clínicos permite pasar de la investigación basada en experimentos a la basada en información.

Enrique Mezquita. Valencia | dmredaccion@diariomedico.com | 05/06/2014 00:00

May Wang, de la Universidad Georgia Tech, ayer en Valencia. (Enrique Mezquita)

VISTA:

La II Conferencia Internacional Biomedical Health Informatics (BHI'14), celebrada en Valencia y organizada por el Instituto Itaca de la Universidad Politécnica de Valencia (UPV) y la IEEE Engineering in Medicine and Biology Society (IEEE-EMBS), puso de manifiesto que el manejo informático de grandes volúmenes de datos (big data) supone una revolución en el enfoque y progresión de la investigación biomédica y la medicina personalizada.

Según explicó ayer a Diario Médico May Wang, profesora titular del Departamento conjunto de Ingeniería Biomédica de la Universidad de Georgia Tech y la Facultad de Medicina de Emory, en Estados Unidos, "el big data permite pasar de la investigación centrada en hipótesis y experimentos a la basada en datos y, por tanto, lo que realmente ocurre en el día a día y la clínica".

Según Wang, ponente en una jornada para jóvenes investigadores dentro de la BHI'14, "con el análisis de datos de salud de todo tipo podemos entender mejor cómo funciona y modelar el conocimiento", recordando que estos avances son fundamentales y pueden "ser utilizados en la toma de decisiones clínicas".

La mayor parte de los centros de investigación no pueden permitirse tener equipos que manejen 'big data', por lo que es básico colaborar y compartir

La especialista explicó que el big data tiene cuatro claves o factores principales (volumen, velocidad, variedad y veracidad), que a su vez representan y cristalizan en una serie de desafíos o retos que hay que solventar. "Necesitamos datos temporales para ver cómo evoluciona la salud de una persona al largo plazo -por ejemplo, los efectos de un mal hábito de salud tras un largo periodo de tiempo-, y disponemos de diversos tipos (de imagen, biomarcadores, genética y fisiológicos) y la necesidad de fiarnos de esos datos". Uno de los desafíos es cómo adquirir los datos y qué estructura se necesita para manejar una enorme cantidad.

Infraestructura
"Conseguir quinientos terabytes de información no es posible para la mayoría de laboratorios y, por ello, si no podemos tener en cada uno de los centros esa infraestructura, es necesario colaborar y compartir ese esfuerzo", dijo Wang.
La velocidad y el tiempo para traer esos datos del repositorio central también puede suponer un desafío importante, ya que, "por ejemplo, descargar los datos de genética de una población puede llevar hasta tres meses".

Un tercer aspecto problemático es la semántica, puesto que "la terminología puede cambiar dentro de las disciplinas, incluso de la propia Medicina, y los datos de un lado pueden significar otra cosa en otro porque usamos distinto vocabulario". A ello se une la falta de estandarización -por ejemplo, cómo se define presión arterial-, que añade dificultad al procesado de los datos.

Por último, Wang también marcó como retos las herramientas y mecanismos para visualizar la gran cantidad de datos que se manejan y cuestiones legales, sobre todo de privacidad y seguridad en esa labor. No obstante, concluyó que, a pesar de los retos y dificultades presentes o futuras, "la apuesta por el big data no es una cuestión opcional, sino una realidad presente y necesaria".