Big Data y Ciencia de Datos: Cómo la tecnología podría transformar y optimizar la salud en el Perú
- Raúl López Amésquita
- 22 nov 2024
- 3 Min. de lectura
Actualizado: 18 mar 2025
Predecir la escasez de medicinas, comprender patrones de enfermedades y analizar gran cantidad de datos en períodos cortos son la clave para evitar futuros desabastecimientos o colapso del sector salud. Es así que el Big Data y la Ciencia de datos son tecnologías esenciales en este proceso, al permitir recolectar, transformar, analizar , aplicar modelos predictivos y utilizar grandes volúmenes de datos con un impacto significativo.El análisis de Big Data y Machine Learning en la salud permite identificar patrones cruciales para comprender enfermedades, predecir brotes epidemiológicos ,personalizar tratamientos médicos y entender las causas de lo que sucedió y predecir qué sucederá si ciertos datos se cumplen. Gracias al procesamiento masivo de datos de registros médicos, imágenes, y dispositivos de monitoreo, los profesionales de la salud obtienen una visión más completa de la condición física y conductual de los pacientes, facilitando la detección temprana de enfermedades, la reducción de errores y la optimización de recursos.
Un estudio presentado por Jordi Piera en el VII Foro de Transformación Sanitaria destacó la creación de un modelo de aprendizaje automático para predecir la probabilidad de que un paciente acuda a su próxima consulta médica. Además, el estudio abordó la integración de dicho modelo en la organización con el objetivo de reducir los índices de incomparecencia de pacientes, que fluctúan entre el 5% y el 20%. El modelo permitió identificar patrones asociados a mayores probabilidades de incomparecencia y, como medida preventiva, se enviaron recordatorios a los pacientes.
Los resultados fueron significativos: se obtuvo una sensibilidad del 79%, lo que indica un alto porcentaje de identificación correcta de pacientes ausentes. En el grupo de intervención, las tasas de incomparecencia disminuyeron notablemente: del 26,38% al 6,69% en Dermatología y del 23,41% al 11,90% en Neumología, en comparación con el grupo control. Estos hallazgos resaltan el potencial transformador de las tecnologías basadas en aprendizaje automático para mejorar la calidad de la atención médica y optimizar la toma de decisiones clínicas.
Los modelos de inteligencia artificial (IA) están siendo implementados en dispositivos y, en combinación con Big Data, están demostrando su efectividad en el manejo de enfermedades como la diabetes, especialmente en la monitorización continua de la glucosa (MCG). Por ejemplo, es posible imaginar que un paciente pueda medir sus niveles de glucosa hasta 25 veces al día sin necesidad de realizar un solo pinchazo en el dedo. Esto permite a los pacientes registrar mediciones antes, durante y después de cada comida, al dormir o al realizar ejercicio. Al cabo de una hora, un día, una semana o incluso un mes, se podría analizar todos estos datos para tomar decisiones informadas, optimizar el manejo de la enfermedad y, en última instancia, mejorar la calidad de vida de las personas sabiendo que alimentó , hora, actividad o actividad física hace que la glucosa se eleve.
Imagen: Predicción de niveles de glucosa mediante intelitencia artificial.
Fuente: Sociedad Española de Endocrinología y Nutrición, 2024
Según la Sociedad Española de Endocrinología y Nutrición (SEEN) “La monitorización continua de glucosa (MCG) permite conocer los valores de glucosa de manera continua, así como su tendencia durante las 24 horas del día, gracias a un sensor de glucosa insertado en el tejido subcutáneo que envía la información a un lector o a una App. Por lo que el potencial transformador de estas tecnologías para mejorar la calidad de la atención médica y la toma de decisiones clínicas es innegable”.
Además, la implementación de soluciones basadas en Big data y Ciencia de datos en el sector de la salud no está exenta de desafíos, como la implementación del gobierno de datos , la seguridad , privacidad de los datos y ética de datos, la integración de sistemas de información y la formación de profesionales capacitados en el manejo de estas herramientas. De hecho, este campo está experimentando un crecimiento exponencial en Perú y en todo el mundo, según el informe "The State of Data Science and AI Hiring 2023" de Burning Glass Technologies, revela que la tasa de crecimiento anual promedio de empleos en Data Science es del 34%. Por lo que las instituciones educativas ya lo están ofreciendo dentro de sus carreras, incluso a distancia.
El uso de Big data y Ciencia de datos en el sector de la salud tiene el potencial de revolucionar la forma en que se abordan los desafíos médicos, desde el diagnóstico y tratamiento de enfermedades, hasta la gestión de la salud pública. La capacidad de analizar grandes volúmenes de datos para entrenar modelos de Machine Learning y Deep Learning de manera precisa y oportuna puede conducir a avances significativos en la prevención, tratamiento y gestión de la salud brindando beneficios tangibles tanto para los pacientes como para los profesionales de la salud.
Referencias:
