Jul 26, 2021

Tecnología en la industria salud: creada para las personas

Diverse-Team-of-Medical-Scientist-Posing-with-Crossed-Arms-in-the-High-Tech-Laboratory.-Brain-Sceince--Neurology-Center-Research-Lab-with-Multiple-Dispalys-Showing-CT--MRI-Scan-Images.-1050311782_5120x2880

Se habla mucho sobre cómo la tecnología y el manejo de datos pueden impactar al sector salud, pero ¿cuánto entendemos de estos nuevos términos y herramientas? A continuación te explicaré cómo la Big Data, Inteligencia Artificial y el Machine Learning pueden aportar a la medicina preventiva en el mundo.

Big Data

 

Para identificar y analizar las poblaciones se requieren análisis de datos a gran escala, como comparar estadísticas de fuentes oficiales como el INEGI, la OMS, OCDE, por mencionar algunas. Incluso, para hacer un análisis de las mejores prácticas que funcionan en uno u otro hospital para evitar la contaminación de bacterias que generan contagios y muertes por falta de control de infecciones. 

En este tipo de situaciones es donde el análisis de datos previene grandes problemas, incluso de llegar a una pandemia. En el 2009 en México hubo grandes problemas de casos de influenza (H1N1) por no tener un control predictivo de estudios y casos, que con analítica de datos pudo haberse evitado. Adicionalmente hubo escasez de medicamentos porque se dispararon los casos.

¿Se Imaginan lo que pudo hacer para mitigar los efectos de la pandemia por Covid-19?

Inteligencia Artificial

En el campo de la medicina, los algoritmos salvan vidas a diario. Las técnicas de Deep Learning (aprendizaje de máquinas) llevan a un mundo controlado por la Ai (Inteligencia Artificial). Un ejemplo es cuando el sistema analiza a través de sus bases de datos una radiografía, quizás identificando un cáncer de pulmón o precisando un padecimiento. 

Machine Learning

Machine Learning es una rama de la Ai (Inteligencia Artificial), su principal misión es la de crear una Inteligencia Artificial con la capacidad de aprender rápidamente, gracias a un volumen de datos introducidos previamente en un programa o aplicación que se va automodificando; según va aprendiendo, así es como se crea un mecanismo que evoluciona digitalmente. Esta manera de establecer educación en las máquinas ya se está usando en los analíticos de la salud para medicina preventiva

Según un estudio del Instituto George para la Salud Global para la Universidad de Oxford, el machine learning puede utilizarse para analizar y predecir la cantidad de registros y admisiones hospitalarias de emergencia que se producen en el día a día. 

La investigación, publicada en la revista PLOS Medicine, sugiere que el uso de estas técnicas podría ayudar a los profesionales sanitarios a monitorear con precisión los riesgos que enfrentan los pacientes, y establecer así medidas para evitar las admisiones no planificadas, que son una fuente importante de gasto en atención médica.

La conclusión a la que han llegado los investigadores es clara. El machine learning puede ser una herramienta mucho más precisa que cualquier medición convencional; y en este caso, su uso podría ahorrar una gran cantidad de dinero a las arcas públicas en materia sanitaria. Más allá de esto, las habilidades analíticas pueden alimentar el rendimiento, medición y ayuda derivadas de los determinantes sociales de la población de pacientes.

Medicina Preventiva

Con la llegada de 5G, la implementación de análisis en la industria de la salud será testigo de nuevos cambios. Las sesiones de rehabilitación basadas en la realidad virtual serán realizadas en hogares de pacientes en tiempo real, al igual que las visitas virtuales del personal médico. 

Tales posibilidades aparentemente descabelladas, se realizarán a través de datos de sensores y/o robótica en el campo, maniobrados por especialistas centralizados. Los múltiples beneficios de la analítica predictiva se encuentran más allá de la esfera médica. 

Los investigadores podrán desarrollar modelos de predicción que no requieran cientos de casos para perfeccionar sus habilidades de manera anticipada y los hospitales se apoyarán por el análisis, en cuestiones relativas a los costos de seguros. 

El descubrimiento de fármacos y administración hospitalaria se encuentran entre los beneficiarios de estas tecnologías. El papel que juegan en la anticipación de enfermedades crónicas y alivio. El análisis predictivo con AI/ML son perfectamente colocados para lograr estos fines. Sin embargo, sabemos que es casi imposible reemplazar a los médicos clínicos, al menos en el futuro previsible. Está comprobado que el paciente evoluciona por el apoyo cara a cara y la parte humana que cada profesional de la salud inyecta a su paciente. 

Y la mejoría en el hospital es básicamente por la seguridad que contagia a los enfermos y sus familiares. Los pilares de la analítica predictiva y la personalización se construyen sobre la base de un análisis rápido y un conjunto de datos. Utilizando científicamente modelos de predicción del riesgo de enfermedad corroborada, el análisis presentará una imagen completa de la salud presente y futura del paciente. 

Gracias a las tecnologías digitales de vanguardia, estamos a punto de entrar en una era de tratamiento preventivo. Desde los sensores portátiles que proporcionan datos en tiempo real sobre el bienestar de un paciente, hasta la capacidad de secuenciar el genoma de una persona. Ya que los pacientes se están volviendo más conscientes y asumiendo un mayor control de su salud personal, el tiempo para la pasividad ha terminado. 

Soluciones de Salud: de la gente, por la gente y para la gente

Muy pronto, los pacientes exigirán acceso en tiempo real a sus datos médicos digitales. El conjunto completo de soluciones habilitantes que van desde la prescripción electrónica, teleconsultas y búsquedas de información clínica y tratamientos, ganará prominencia automáticamente. 

Ya sea que el objetivo sea el ahorro de costos o una mejora en la salud general de la población, el enfoque digitalizado habilitado por *AI/ML, HPC, análisis predictivo, 5G y otras tecnologías es la única manera segura de avanzar para los proveedores de atención médica. Aumentar las posibilidades de lograr un retorno significativo de la inversión tanto para los proveedores de servicios de salud, como para los pagadores. 

Y por supuesto, referente a la industria de la salud, el logro de objetivos de atención integral, personalizados y preventivos. A medida que el ecosistema del cuidado de la salud se convierte en uno con estas tecnologías, la colaboración cruzada entre los proveedores se desplegará automáticamente, haciendo que la visión definitiva de la industria se convierta en realidad, acercándose al paciente con un manejo adecuado personalizado.

New call-to-action