Del dato a la información en los servicios de salud
El futuro de los servicios de salud está destinado a cambiar de una manera que no nos podemos imaginar. Para ello, es indispensable disponer de un volumen y una calidad de datos, igualmente inéditos hasta la fecha. Iniciamos hoy la serie de artículos “A la transformación sanitaria con QuintilesIMS”.
Este artículo inaugura una serie de análisis dedicados al informe de QuintilesIMS "El poder de la información para transformar los servicios de salud", trabajo presentado por el Principal Healthcare de IASIST (QuintilesIMS), Carles Illa. El objeto de dicho estudio es describir los grandes desafíos a los que se enfrenta la asistencia sanitaria en nuestro país; además de añadir innovadoras recetas capaces de hacer de dicha información especializada la base del éxito de la organización sanitaria.
El futuro de los servicios de salud será completamente distinto a como se conoce en la actualidad. Para su transformación, es imprescindible disponer de un volumen y una calidad de datos inéditos hasta la fecho. Sin embargo, como bien advierte Illa, "los datos son absolutamente inservibles, sino son convenientemente analizados, interpretados y puestos al servicio de la acción directiva". De forma que los algoritmos, y no la mera compilación de datos, serán la verdadera fuerza transformadora de la sanidad del futuro. Razón por la cual, la atención deberá prestarse a las nuevas herramientas estadísticas que emerjan del Learning Machine, de cara a potenciar la medicina que se está configurando en el presente siglo. Una tarea que, en opinión del experto, pasará por "una nueva generación de sistemas de computación mediante algoritmos médicos que permitan hacer predicciones fiables y tomar decisiones con márgenes decrecientes de error".
La información como base de las decisiones
Para hacer comprensibles los cambios que afectan a la organización de los servicios de salud, el experto aclaró que la asistencia sanitaria debe ser considerada siempre como un sistema de información. En el mismo, existen siempre dos polos emisores de datos, habitualmente dentro de un contexto ampliamente mediatizado. El profesional sanitario, fundamentalmente médico, que interactúa con el acerbo científico común y que dispone de su propio bagaje clínico para poder detectar las señales y síntomas que recibe del paciente, de forma primaria, o ya enmarcados dentro de sus antecedentes clínicos. Con esa información, el facultativo emite un diagnóstico que conlleva un tratamiento que se traduce en resultados clínicos con efecto deseable sobre la salud del paciente. En este flujo de datos, existe un subciclo de información en el que médico y paciente incrementan el volumen de antecedentes del segundo, para un mejor conocimiento del primero
Carles Illa también hizo suyo el esquema que desarrolló Tom Davenport en la Universidad de Harvard (EEUU) para la separación analítica de la información aplicada a la toma de decisiones. En su compartimentación del análisis aplicable a los casos médicos, el modelo distingue entre analítica descriptiva, analítica predictiva y analítica prescripctiva. La primera de ellas detalla los datos del pasado, sin incidir de manera especial en las causas. La segunda supone un modelo que parte del pasado para postular lo que pasará en el futuro, en términos de hipótesis. Finalmente, la analítica descriptiva propone las acciones a realizar, como estrategia a adoptar a partir de un conjunto de alternativas testadas. Según la directora de innovación del área Health and Energy Predictive Analytics del Instituto de Ingeniería del Conocimiento (IIC), doctora Julia Díaz García, este último tipo de analítica, prescriptiva, es el de mayor predicamento en los sectores industriales, como el farmacéutico. Sin embargo, sólo le atribuyó un 3% de los análisis realizados actualmente, frente al 13% de la analítica predictiva y el 84% de la descriptiva.
Surgimiento de la analítica automatizada
Como superación del anterior esquema tripartito, Illa añadió un cuarto tipo de análisis, la analítica automatizada, la cual no sólo hace lo que hay que hacer, sino que toma sus decisiones de una forma unilateral. Para ilustrar su exposición, el directivo de QuintilesIMS utilizó el símil de la conducción, en los albores de los desplazamientos con coches sin conductor. Partiendo de un vehículo que empieza a derrapar y a pisar el arcén, el efecto deseado sería que el propio coche advirtiera del peligro al usuario, para volver al carril correcto. Sin embargo, en caso de no actuar el humano, la propia máquina estaría capacitada para aplicar los frenos y corregir la trayectoria de una forma segura. En esta secuencia, aparentemente, sencilla, operarían según el experto los cuatro tipos de analíticas descritas.
Por un lado, la descriptiva proveería todos los datos necesarios, empezando por la velocidad, los ángulos de giro, etc. En segundo lugar, la predictiva, detectaría el peligro de salida de la calzada en función de todas las variables aportadas. Fruto de las anteriores, la prescriptiva determinaría la necesidad de corregir la dirección para evitar el accidente temido. De forma que, en última instancia, el propio coche podría tomar el control del volante, frenar y volver al carril de forma segura, gracias a la analítica automatizada.
No obstante al esquema anterior, Illa coincidió con la profesora Díaz García al afirmar que, en la actualidad, la aplicabilidad de la analítica prescriptiva todavía es escasa y que los casos de analítica automatizada no han dado el salto del campo de la investigación y el desarrollo de productos y servicios a la vida real de los ciudadanos y los pacientes.
Puedes leer el artículo completo haciendo click en el PDF.
Este es el primer artículo de una serie de análisis "A la transformación sanitaria con QuintilesIMS"
- Generar información para dirigir en salud (próxima publicación)
- Benchmarking de resultados en salud (próxima publicación)
Descarga archivo adjunto.
No hay comentarios:
Publicar un comentario