1. Ingeniería

Sumario
PRIVACIDAD
8
Los datos son del paciente
9
“Hay que hacer cambios tecnológicos
para abordar proyectos de Big Data”
LUCIANO SAEZ AYERRA
de los sistemas sanitarios
JOSEP MARIA ARGIMON
La revolución del Big Data en la Sanidad
2
El poder del Real World Data
SALVADOR PEIRÓ
3
Farmacia y Big Data
JESÚS AGUILAR SANTAMARIA
“Si queremos hacer sostenible el sistema
estamos abocados a la medicina de precisión”
BERNARDO VALDIVIESO
4
La hora del Big Data en Salud
MIGUEL ÁNGEL MAÑEZ
5
“Analizar millones de datos en las redes
sociales es muy valioso”
PALOMA MARTÍNEZ
el desarrollo de productos”
JULIO MAYOL
7
Retos futuros para los Sistemas de
Información en el Entorno Sanitario
JOSÉ A. GUERRERO
55
13 Lo que aporta el Big Data a la industria
8
14
18
farmacéutica
TERESA HERNANDO
22
situación de las ventas de productos”
CARLOS MOCHO
64
TECNOLOGÍA
15 Proyectos. IBM Watson/
69
16 Píldoras. Wearables para monitorizar
73
17 Mini diccionario
76
la salud
28
60
14 “Para el farmacéutico es clave conocer la
23andme/PatientsLikeMe
6 “Tenemos que ser capaces de hacer las
preguntas correctas para avanzar en Big Data”
51
12 “El volumen de información es crítico para
FEDERICO PLAZA
3
45
FARMACIA
11
SALUD
2
40
10 La información de salud: motor de cambio
INTRODUCCIÓN
1
34
INTRODUCCIÓN: La revolución del Big Data en la Sanidad
1
INTRODUCCIÓN
La revolución del
Big Data en la Sanidad
El futuro de la Sanidad pasa por los
datos. Este informe analiza lo que
está aportando el Big Data en el
campo de la Salud: cómo se están
recogiendo, analizando y utilizando
estos datos para dar un paso de
gigante en las decisiones médicas
que atañen a millones de pacientes.
Médicos, especialistas en Farmacia,
profesionales y gestores sanitarios
reflexionan en estas páginas sobre
las posibilidades de la recogida
masiva de información. Cómo sirve
en la investigación, en la evaluación
y mejora de la atención de
pacientes o para predecir
enfermedades; cómo ayuda en la
gestión de los hospitales para
evaluar el coste, producción y
calidad de la prestación de una
asistencia o cómo se utiliza para
desarrollar fármacos o para
prevenir reacciones adversas de
los medicamentos.
Por último, se abordan cuestiones
arduas: ¿está garantizada la
privacidad de los pacientes?
¿Estamos preparados
tecnológicamente y
profesionalmente para procesar
millones de datos? ¿Podemos
hablar de una auténtica “revolución”
en la Medicina? ¿Cómo va a cambiar
nuestra vida el Big Data?
2
OPINIÓN: El poder del Real World Data
2
OPINIÓN
El poder del Real World Data
La utilidad de las grandes bases de datos para
mejorar la calidad de la atención sanitaria.
Salvador Peiró
Fundación para el
Fomento de la
Investigación Sanitaria y
Biomédica de la
Comunidad Valenciana
(FISABIO). Red de
Investigación en
Servicios de Salud en
Enfermedades Crónicas
(REDISSEC). Valencia.
3
OPINIÓN: El poder del Real World Data
El término Big Data sanitario hace referencia a
volúmenes de información tan grandes y
heterogéneos que no pueden ser manejados
con los software (y hardware) tradicionales, ni
fácilmente analizados con las herramientas
convencionales de gestión de datos. En atención
sanitaria estamos especialmente interesados en
una “pequeña” porción de este Big Data que
incorpora la información de la historia clínica
electrónica (incluyendo la monitorización y los
datos de telemedicina), los sistemas de
introducción de órdenes y prescripciones médicas
(prescripción electrónica, pruebas de laboratorio,
derivaciones, etc.), los sistemas de ayuda a la
decisión, los sistemas de almacenamiento y
comunicación de imágenes, y una larga serie de
bases de datos construidas con finalidades clínicas,
de gestión, administrativas o estadísticas (bases de
datos de aseguramiento, registros de alta
hospitalaria, registros de mortalidad, de urgencias,
de hospitalización a domicilio) o de reembolso
(dispensación farmacéutica, facturación de
diversos tipos de servicios como la diálisis,
ambulancias, prótesis, conciertos, etc.) y alguna
otra cosa.
A esta parte del Big Data sanitario la llamamos
Real World Data (RWD) porque, a diferencia de los
ensayos clínicos y otros estudios realizados bajo
condiciones controladas, refleja la atención real
que reciben los pacientes en cada contexto
concreto, y los resultados clínicos que realmente
obtienen, que no son necesariamente iguales a los
que se obtuvieron en los ensayos. El RWD recoge
los beneficios y efectos adversos de las decisiones
médicas en la práctica clínica habitual de millones
de pacientes.
4
OPINIÓN: El poder del Real World Data
Quizás lo más sorprendente de
esta enorme fuente de
información es que todavía sea
percibida casi exclusivamente
como un subproducto de la
atención sanitaria, antes que
como un elemento central para
mejorar su calidad, seguridad y
eficiencia. Los RWD, por un lado,
permiten identificar
anticipadamente los pacientes
Crónicos en riesgo de
descompensación (estratificación
poblacional) para incluirlos en
programas específicos de
atención (case management,
disease management). También
puede ayudar a la toma de
decisiones clínicas en tiempo
real (analizando casos similares y
proponiendo alternativas de
manejo) y reducir la variabilidad
en la práctica médica.
Adicionalmente, es posible
trasladar información
directamente a los pacientes,
permitiéndoles un rol más
activo en sus propios cuidados
y, quizás, una mayor efectividad
para modificar estilos de vida,
controlar factores de riesgo
y mejorar la adherencia a los
tratamientos.
Ayudar a la toma de
decisiones clínicas
en tiempo real
Trasladar información
directamente a los
pacientes
RWD permiten:
Identificar pacientes
crónicos en riesgo de
descompensación
5
OPINIÓN: El poder del Real World Data
En investigación clínica,
farmacológica y
epidemiológica el análisis de
los RWD está suponiendo ya
enormes beneficios para la
población. Algunas
aplicaciones, como el
programa Mini-Sentinel
(http://www.mini-sentinel.org)
de la Agencia de
Medicamentos de Estados
Unidos, han permitido detectar
nuevas interacciones, efectos
adversos de medicamentos y
otros problemas de seguridad
que han llevado a la retirada de
fármacos o la modificación de
sus indicaciones. Los RWD
también pueden comparar
distintos tratamientos para una
misma condición (comparative
effectiveness) y establecer el
papel de cada uno en el manejo
de los diferentes pacientes, un
aspecto con importantes
implicaciones en efectividad,
seguridad y costes. En gestión
de la atención sanitaria, los
RWD permiten el desarrollo de
indicadores sofisticados para
comparar la calidad de la
atención que reciben los
pacientes atendidos en distintos
centros o por diferentes
médicos y desarrollar
estrategias de mejora.
6
OPINIÓN: El poder del Real World Data
La utilización del Big Data para transformar la
atención sanitaria no está libre de barreras y
limitaciones. Entre ellas, el mantenimiento de la
privacidad ocupa un lugar preeminente. Pese a
que España dispone de normas legales (protección
de datos, investigación biomédica, derechos de
pacientes) que regulan adecuadamente estos
aspectos, probablemente falta mejorar la
gobernanza de la gestión de datos. También
existen problemas técnicos (fragmentación de los
sistemas, limitada interoperabilidad), de calidad de
la información y, por descontado, de desarrollo en
diseños epidemiológicos y métodos de análisis
estadístico que mejoren la fortaleza de los análisis
causales. Pero más allá de estos problemas, que
probablemente compartimos con otros países, el
Sistema Nacional de Salud (SNS) afronta barreras
específicas para utilizar los RWD en investigación,
evaluación y mejora de la atención. Entre ellas, la
precariedad y debilidad de sus estructuras
investigadoras en servicios de salud y atención
sanitaria, que difícilmente podrán producir ni una
pequeña parte del conocimiento que el SNS
precisa. También, la necesidad de mayor
transparencia en la información y de accesibilidad
a los datos de las organizaciones sanitarias. No
olvidemos que aquí, como en otras áreas de la vida
española, existe una importante opacidad que no
deriva tanto de la protección de la privacidad de
los pacientes, como de limitar la evaluación
independiente de las políticas sanitarias públicas.
7
ENTREVISTA: “Si queremos hacer sostenible el sistema estamos abocados a la medicina de precisión”
3
ENTREVISTA
“Si queremos hacer
sostenible el sistema
estamos abocados a la
medicina de precisión”
Bernardo Valdivieso
Director del Área de
Planificación y del área de
Atención Domiciliaria y
Telemedicina del Hospital
Universitario y Politécnico LA
FE de Valencia
8
ENTREVISTA: “Si queremos hacer sostenible el sistema estamos abocados a la medicina de precisión”
P: ¿Cómo ve el desarrollo del Big Data en España?
R: Es un campo todavía muy desconocido pero todos los
que estamos trabajando en ese entorno pensamos que es
una de las palancas importantes para cambiar el
paradigma actual del modelo de cuidados. Aunque de
momento, tanto aquí como en otros países, el Big Data
supone más una oferta tecnológica que un proyecto real
aplicado a la práctica clínica.
P: ¿Qué va a aportar?
R: Uno de los cambios que pretende el
nuevo modelo es realizar una gestión
proactiva del cuidado: no tendremos que
esperar a que vengan los enfermos
cuando se encuentren mal sino nosotros,
de alguna manera, gestionaremos la
población para preservarla sana y para
mantener estables las enfermedades y
que no progresen. Usar la información
que estamos acumulando para predecir
qué va a pasar tiene que ayudarnos a
lograr esa proactividad.
9
ENTREVISTA: “Si queremos hacer sostenible el sistema estamos abocados a la medicina de precisión”
P: ¿Se hacen las preguntas adecuadas en la recogida
de datos?
R: El Big Data recoge millones de datos. Tenemos muchos
demográficos -sobre todo desde que contamos con la
tarjeta de identificación sanitaria implantada en todo el país; tenemos muchos almacenados en el sistema sanitario al
digitalizarse la historia clínica, con un porcentaje muy alto
tanto en primaria como en hospital (casi el 70%); y tenemos
bastantes que se están empezando a recoger con lo que
llaman ahora el Internet de las cosas a través de
smartphones, con una penetración casi universal en la
población joven. Todo esto, junto con datos que se recogen
en las casas o con los ambientales, nos lleva a que
podamos predecir muchas cosas si somos capaces de unir
esa información alrededor de la población y del individuo.
P: ¿Qué cosas?
R: Podemos detectar necesidades, gestionar mejor lo
que hacemos para tomar decisiones correctas y a
partir de ahí predecir, validar si lo que hemos
predicho logra el resultado efectivo. La finalidad de
todo es prescribir algo que evite lo que sabemos que
va a pasar. Ese el camino de la medicina de precisión.
10
ENTREVISTA: “Si queremos hacer sostenible el sistema estamos abocados a la medicina de precisión”
P: ¿Se avanza en ese camino?
R: Estamos empezando. Todo el mundo quiere
desarrollar modelos predictivos para adelantarse a
lo que ocurra y para eso hay que construir lo que
llaman Big Data o Real World Data que es el mundo
real de los datos. Hay organizaciones como la
nuestra que lleva dos años intentando tener ese
Real World Data para, sobre eso, generar múltiples
predicciones para distintas enfermedades o para
prevenir hábitos no saludables y caminar hacia la
medicina de precisión. Nosotros recogemos la
información alrededor de una tarjeta sanitaria:
información demográfica de los ciudadanos; de
movilidad a través de sus contactos con el sistema
sanitario; de consumo de recursos cada vez que
acuden al sistema sanitario; de sus parámetros de
laboratorio cuando tienen contacto desde el punto
de vista de promoción de la salud como de uso del
sistema cuando están enfermos así como los datos
no estructurados como la imagen radiológica. Y
estamos empezando a recoger también de manera
ordenada la información de las ómicas, todo lo que
deriva del genoma. Con todo esto tendría uno el
mundo ideal de los datos para empezar a detectar
las necesidades, tomar mejores decisiones cada
día de una manera proactiva y, sobre eso, construir
predicciones y evaluar con esa información si lo
que se hace es efectivo o no.
P: ¿A cuántas personas están estudiando?
R: En nuestro caso estamos construyendo un Real
World Data sobre una población que tenemos
adscrita de 300.000 habitantes. Manejamos 24
millones de datos. Tener esta información y
manejarla bien tiene que servir para que los clínicos
trabajemos de manera proactiva y gestionemos la
población sana y también la enferma.
24 MILLONES
de datos
300.000
HABITANTES
11
ENTREVISTA: “Si queremos hacer sostenible el sistema estamos abocados a la medicina de precisión”
P: ¿Se ahorran costes?
P: ¿La administración es receptiva?
R: Para la industria farmacéutica y para la sociedad
se abre una nueva vía. Estamos acostumbrados a
demostrar la eficacia de los fármacos a través de
los ensayos clínicos, pero esto no deja de ser una
burbuja en la que se selecciona una población muy
concreta. Salir de esa burbuja solo lo puedes hacer
si tienes un RWD construido para ver a qué
personas les das ese fármaco y si la eficacia que
tenía demostrada se comprueba en el salto a la
efectividad cuando lo usas en el mundo real. Ello
permite identificar si el fármaco tiene más o menos
efectos adversos de los que están preestablecidos
y ayudar a la industria a su investigación. También
esos datos permiten detectar necesidades e
incluso ayudan a determinar el target de la
población que se beneficiaría de ese fármaco.
El Big Data tiene que servir para investigar mejor,
para centrarse más en las necesidades, para
predecir a quién le va a ir mejor en la investigación
que haya puesto en marcha y para evaluar la
efectividad de los estudios y ver realmente el
impacto social que tiene la introducción de ese
nuevo fármaco.
R: Sí. No hay vuelta atrás.
P: ¿Es necesario otro perfil de profesionales
sanitarios?
R: El sector sanitario necesita nuevas herramientas
que son las del Big Data o de inteligencia de
negocio y necesita nuevas capacidades
funcionales. Tenemos buenos médicos y buenos
enfermeros pero, en nuestro proyecto, estamos
incorporando gente que se dedica a la informática,
a la estadística y al manejo de estas herramientas
para sumar capacidades junto a las de nuestros
profesionales sanitarios. En definitiva, nuevas
herramientas y nuevos perfiles funcionales, pero
con poco se puede hacer mucho.
12
ENTREVISTA: “Si queremos hacer sostenible el sistema estamos abocados a la medicina de precisión”
P: ¿La privacidad de los pacientes está protegida?
P: ¿Por qué irrumpe ahora el Big Data y no antes?
R: En nuestro caso no hemos hecho un open data,
no estamos cediendo los datos. Estamos usando
los datos anonimizados dentro de la organización
para identificar y predecir necesidades y
actuaciones.
R: Por un lado por la capacidad tecnológica que
existe y, por otro lado por la crisis. La crisis
económica ha metido en cintura al sector sanitario;
ya vivíamos en crisis y en deuda desde hace
bastantes años y si queremos hacer sostenible el
sistema estamos abocados a la medicina de
precisión que es darle a cada uno lo que necesita.
Tenemos que ser efectivos y si además somos
capaces de adelantarnos a la necesidad pues
vamos a evitar enfermedad y daños
multiorgánicos. Está demostrado que el 5% de la
población consume el 40% de los recursos; que
unos pocos consumen mucho. Solamente si somos
capaces de evitar deterioros multiorgánicos y de
gestionar proactivamente salud y enfermedad
podremos sostener el sistema actual. Cuanto mejor
gestiones la salud y la enfermedad menos gastarás
y mejor estará tu población. Esa nueva propuesta
de valor de ser más accesible, de tener más
calidad y bajar los costes, solo se consigue usando
la información de manera adecuada.
P: ¿El Big Data va a revolucionar la medicina?
R: Creo que sí. Va a ser el gran cambio. Somos el
único sector productivo de servicios que nunca ha
utilizado la información de manera adecuada para
adaptar los servicios a las necesidades, para
predecir expectativas o lo que demandan los
usuarios y para evaluar las actuaciones.
“CUANTO MEJOR
GESTIONES LA SALUD
MENOS GASTARÁS”
13
OPINIÓN: La hora del Big Data en Salud
4
OPINIÓN
La hora del Big Data
en Salud
Miguel Ángel Mañez
Economista, gestor
sanitario y experto en
entornos digitales
Hoy por hoy, la salud son datos.
Bueno, quizás exageramos, ya
que, evidentemente, alrededor
de la salud de las personas hay
mucho más: territorio, actitudes,
creencias, relaciones
personales, servicios sanitarios,
medios de comunicación,
culturas, enfermedades,
medicamentos, síntomas,
diagnósticos, etc. Pero estamos
en la era del registro masivo de
la información, las estadísticas y
la historia clínica electrónica, y
por ello nos encontramos con
que todos esos elementos
sobre los que pivota la salud
pueden acabar resumidos en
datos. Incluso la investigación
tiene una gran base
cuantitativa: ensayos, encuestas
de salud, etc. La gran pregunta
es: ¿utilizamos todo ese arsenal
de datos para mejorar la salud
del individuo y de la población?
¿qué posibilidades tienen todos
esos datos?
Big Data no es más que la
disponibilidad de un volumen
masivo de datos, de gran
variedad, que permiten su
análisis para encontrar
14
OPINIÓN: La hora del Big Data en Salud
tendencias y patrones de comportamiento.
El Big Data va íntimamente ligado al concepto de
liberación y reutilización de los datos, y ya el
propio Consejo Asesor de Sanidad elaboró en
2014 un documento estratégico sobre esalud en
el que ponía de manifiesto la necesidad de
transformar los datos de salud en conocimiento,
promover los bancos de datos abiertos y
conseguir que la comunidad científica pueda
utilizar dichos datos; todo ello en un marco
regulatorio muy claro basado en la
confidencialidad y la privacidad. Dado que se trata
de datos personales que deben ser
especialmente protegidos por la Administración,
es obligatorio evitar que el tratamiento de los
datos de salud permita identificar a la persona
a la que se refieren, salvo que exista
consentimiento expreso.
¿Y por qué se habla de la revolución del Big Data
en el ámbito de la salud? Han coincidido en el
tiempo diversos factores: existe una demanda
creciente de datos por parte de los
investigadores, la historia clínica electrónica
permite obtener información de muchas personas
y de sus patologías, las políticas de datos abiertos
y de transparencia están generando muchos
proyectos basados en Big Data y, obviamente,
existen las herramientas adecuadas para su
tratamiento. De hecho, muchas organizaciones
sanitarias están clasificando a sus pacientes
según su riesgo, permitiendo centrar sus
actuaciones en los grupos más vulnerables.
15
OPINIÓN: La hora del Big Data en Salud
Otro elemento importante son los avances en
relación a la genética y a la medicina
personalizada, que permiten utilizar biobancos
con datos de ADN para hacer predicciones
sobre los problemas futuros de salud que
podría tener una persona. Para ello, se está
trabajando en complejos sistemas de análisis
que por un lado estudian las relaciones entre
los genes y algunas patologías (como el
cáncer), y por otro, analizan el ADN de una
persona para establecer la probabilidad de
que pueda padecer una enfermedad
concreta. Eso sí, es importante no dejar de
lado otro tipo de datos esenciales para la
salud como son los sociales y ambientales.
La casuística para el uso del Big Data es muy
amplia. De hecho ahora que los datos
empiezan a estar disponibles, es el momento
de crear, de poner en marcha proyectos y de
establecer alianzas con proveedores
tecnológicos y desarrolladores que ayuden a
encontrar la varita mágica. Hemos
seleccionado algunos ejemplos de las
posibilidades del Big Data en el ámbito de
la salud:
Predicción de hospitalizaciones por
patologías en base a factores ambientales,
poblacionales, etc.
Identificación de pacientes de alto riesgo.
De hecho, en muchos servicios de salud se han
puesto en marcha programas de atención a la
cronicidad que, en base a los datos que
constan en la historia clínica, han podido
catalogar a cada paciente en un nivel de la
conocida pirámide de Kaiser.
Toma de decisiones en la consulta.
Análisis del estado de salud de una
población o territorio.
Seguimiento de tendencias.
16
OPINIÓN: La hora del Big Data en Salud
Ensayos clínicos. En muchos casos, ya no
será necesario reclutar a pacientes o
revisar casi manualmente las historias
clínicas, ya que los sistemas de Big Data
permitirán encontrar a los pacientes para el
ensayo y hacer el seguimiento de forma
casi automática.
¿Llegaremos a predecir la aparición
de una enfermedad? ¿Cambiará el
Big Data la forma en la que se hace la
asistencia sanitaria o la prevención de
enfermedades? La fiabilidad de los
datos, tener las ideas claras sobre
nuestro objetivo y utilizar
herramientas y procesos rigurosos
son nuestros compañeros de viaje.
Efectividad de medicamentos y seguimiento de
efectos adversos. ¿Cuántos pacientes han
sufrido el mismo efecto adverso ante un
medicamento? ¿Existe una mejora en los
pacientes que utilizan el medicamento A frente a
los que toman el medicamento B?.
Evaluación de servicios sanitarios. Será mucho
más sencillo obtener resultados de salud y
comparar y evaluar iniciativas, proyectos,
unidades, etc.
Vigilancia epidemiológica.
17
ENTREVISTA: “Analizar millones de datos en las redes sociales es muy valioso”
5
ENTREVISTA
“Analizar millones de
datos en las redes
sociales es muy valioso”
Paloma Martínez
Profesora del Área de Ciencias
de la Computación e Inteligencia
Artificial del Departamento de
Informática de la Universidad
Carlos III de Madrid y
responsable del grupo de
investigación LaBDA (Bases de
Datos Avanzadas). Ha liderado el
proyecto europeo TrendMiner
de monitorización de temas de
salud en redes sociales.
18
ENTREVISTA: “Analizar millones de datos en las redes sociales es muy valioso”
P: Han analizado más de tres millones de tuits
¿Qué buscaban y qué han encontrado?
R: Buscábamos limpiar, depurar los datos de las
redes sociales y convertirlos en información
estructurada. Decidimos analizar millones de tuits
–con la empresa tecnológica Singular Meaningcon la información que los pacientes dejaban
sobre determinados medicamentos en las redes
sociales. Nos dimos cuenta de que en Twitter la
gente habla de todo y que podíamos obtener
muchísima información, por ejemplo, de efectos
adversos de medicamentos que no se resaltan en
los ensayos clínicos.
P: ¿Cómo consiguen interpretar esos datos?
R: Antes de saber si un determinado paciente está
informando sobre un determinado efecto adverso
primero hay que entender lo que ha escrito en un
comentario o en un tweet y para ello se utilizan
técnicas de procesamiento del lenguaje natural
que identifican qué fármacos, enfermedades y
efectos se mencionan. No es fácil, hay gente que
escribe mal los nombres de los medicamentos o
que cuenta, por ejemplo, “me ha dejado k.o
determinada pastilla”. Tampoco suele decir que
tiene cefaleas cuando le duele la cabeza. La
máquina no sabe interpretar lo que se escribe, por
ello hay que ser muy preciso en las clasificaciones.
Los pacientes no hablan como los especialistas.
El reto es transformar esos millones de datos en
lenguaje natural para interpretarlos.
19
ENTREVISTA: “Analizar millones de datos en las redes sociales es muy valioso”
P: ¿Las redes sociales ayudan a los
investigadores?
P: Se tiende a retuitear mucho los mensajes,
¿no se distorsiona la muestra?
R: Muchísimo. En Twitter la gente habla de todo,
sin ningún problema. También analizamos miles
de mensajes en foros. La información ayuda a
conocer mucho mejor las enfermedades y en el
caso concreto de esta investigación,
determinados medicamentos.
R: Claro, este estudio es pionero pero abre un
abanico enorme de posibilidades. Hay que limar
las herramientas para que para que además se
pueda asegurar la veracidad de una información.
Hay que escuchar a los pacientes en los sitios
donde están hablando.
P: ¿Qué otras conclusiones les dieron esos
millones de tuits?
R: En nuestro estudio vimos que la gente hablaba
mucho de ansiolíticos y antidepresivos y nos
centramos en ellos. Nos sirvió para conocer
efectos adversos y que, en algunos casos, podían
servir también para otras dolencias. Analizar
millones de datos es muy valioso, por ejemplo,
para conseguir más información sobre las
enfermedades raras. La relación de dos cosas que
se mencionan en 140 caracteres ayuda a
descubrir asociaciones entre conceptos.
“ANALIZAMOS MILES DE
MENSAJES.
LA INFORMACIÓN AYUDA A
CONOCER MUCHO MEJOR
LAS ENFERMEDADES Y LOS
MEDICAMENTOS”
20
ENTREVISTA: “Analizar millones de datos en las redes sociales es muy valioso”
P: ¿El Big Data funciona?
R: Se necesitan muchísimos datos para que los estudios sean
interesantes.
Hay un volumen inmenso de información. Necesitamos herramientas que
nos digan qué es lo que hay que mirar. En nuestro caso vamos a
comenzar un proyecto con el hospital de Alcorcón para analizar el texto
que hay en las historias clínicas y que a día de hoy no se procesa. Lo que
escribe el médico es importante y hay que saber clasificarlo e
interpretarlo. Hay que cruzar la información para potenciar la medicina
personalizada. Hay mucha información -y muy valiosa-, escrita que no
está estructurada en metadatos y que hay que analizar para, por ejemplo,
llevar a cabo estudios epidemiológicos o personalización de tratamientos.
P: ¿Le preocupa la privacidad?
R: Hay un vacío legal que hay que resolver. Siempre con la garantía del
anonimato hay que intentar acceder al mayor volumen de datos, cruzarlos
con otras fuentes. Podemos predecir y descubrir gracias al Big Data; las
posibilidades - siempre respetando al paciente-, son infinitas.
21
ENTREVISTA: “Tenemos que ser capaces de hacer las preguntas correctas para avanzar en Big Data”
6
ENTREVISTA
“Tenemos que ser capaces
de hacer las preguntas
correctas para avanzar
en Big Data”
Julio Mayol
Profesor de Cirugía de la
Universidad Complutense de
Madrid, director de la
Fundación para la
Investigación Biomédica del
Hospital Clínico San Carlos y
codirector del Madrid-MIT
MVision Consortium.
22
ENTREVISTA: “Tenemos que ser capaces de hacer las preguntas correctas para avanzar en Big Data”
R: Hemos empezado a trabajar con
Fujitsu y tenemos una herramienta de
apoyo para la toma de decisiones en
salud mental que todavía está en una
fase muy inicial. Es una herramienta que
se comercializará en el futuro -esa es la
idea-, que utiliza datos clínicos y no
clínicos, estructurados y no
estructurados, que permiten identificar
patrones de comportamiento de grupos
en pacientes con problemas de salud
mental pero también de otros individuos.
Internas
P: Lidera un estudio -Hakari (Luz)- con
miles de pacientes patrocinado por
Fujitsu ¿Qué están aprendiendo?
FUENTES DE DATOS
R: Ahora mismo el Big Data no aporta
nada. Es todo una hipótesis, es todo un
“si utilizáramos, si hiciéramos, si
cogiéramos…”. Pero realmente ahora
mismo no aporta nada.
Externas
P: ¿Qué aporta a los médicos hoy en día
el análisis masivo de datos?
Los datos externos
estructurados
pueden proceder de
otras empresas
como aseguradoras,
tecnológicas,
bancos, el censo
Es el área más difícil
de utilizar tanto por
ser ajena como por
la dispersión y
variedad de los
datos.
Los mensajes de las
redes sociales son el
mejor ejemplo
Las fichas
hospitalarias en
bases de datos con
nombres de
pacientes y campos
como edades,
tratamientos u otros
son un buen
ejemplo
Los datos clínicos
en papel, las notas
manuscritas y las
radiografías son una
mínima parte de los
muchos datos
internos
desestructurados
Estructurados
Desestructurados
TIPOS DE DATOS
23
ENTREVISTA: “Tenemos que ser capaces de hacer las preguntas correctas para avanzar en Big Data”
Permite generar un sistema de
ayuda a la toma de decisiones:
desde dónde se tienen que
dedicar los recursos hasta en
qué fases hay que hacerlo o
qué factores del entorno
pueden desencadenar un
determinado aumento de la
frecuencia de la enfermedad y,
por lo tanto, hay que responder
ante ella.
P: ¿Cuánta gente participa en
el estudio?
R: Estamos en la primera fase
con datos clínicos con miles de
pacientes de Madrid. Son datos
anonimizados y también se
utilizan bases de datos del
tiempo, de la meteorología,
bases no estructuradas de las
redes sociales. Se utilizan
grandes volúmenes de datos.
Conseguimos demostrar que su
utilización ofrece información
de interés para los clínicos. Es
una primera fase pero hay que
demostrar que eso en la
práctica clínica tiene impacto.
P: ¿El Big Data está
empezando?
R: En el campo de la Salud
absolutamente. Ahora mismo
todo el mundo está con el
Internet de las cosas y está
recogiendo datos, de sanos, de
enfermos, pero realmente no
sabemos lo que significan.
Hasta que no seamos capaces
de hacer las preguntas
correctas y procesar toda esa
información y los datos de la
manera adecuada no sabremos
lo que significan y, por lo tanto,
no nos aportan nada.
“AHORA MISMO
TODO EL
MUNDO ESTÁ
CON EL
INTERNET DE
LAS COSAS Y
ESTÁ
RECOGIENDO
DATOS, DE
SANOS, DE
ENFERMOS,
PERO
REALMENTE NO
SABEMOS LO
QUE SIGNIFICAN”
24
ENTREVISTA: “Tenemos que ser capaces de hacer las preguntas correctas para avanzar en Big Data”
P: ¿Qué es necesario para
conseguir resultados?
R: Requiere profesionales que
sean capaces de hacerse las
preguntas correctas, datos de
calidad suficiente para poder
ser explotados y toda una
infraestructura tecnológica y de
conocimiento que permita
encontrar las respuestas a esas
preguntas. Requiere crear un
mundo nuevo. Ahora mismo
nadie está preparado para eso.
Hay grupos que están
trabajando en Big Data en
historia clínica. Aunque
demostraciones con resultados
definitivos que luego hay que
validar, en España no hay.
Nosotros estamos en ello con
el estudio.
P: ¿Les preocupa la privacidad
de los pacientes?
R: En el sistema público existe
evidentemente
confidencialidad, no es posible
identificar al paciente. Las
herramientas utilizadas son para
investigación y apoyo a la toma
de decisiones que
eventualmente en el futuro se
podrán utilizar para personalizar
el tratamiento. Lo que hagan las
aseguradoras con datos que les
hemos dado (y que son
públicos) es un problema que
nosotros teníamos que haber
pensado antes. Con la cantidad
de información que damos en
redes sociales, en la tarjeta del
banco, en los correos
electrónicos… se puede extraer
información sanitaria pero no es
un problema nuestro, no es un
problema del sistema sanitario,
al menos del público.
25
ENTREVISTA: “Tenemos que ser capaces de hacer las preguntas correctas para avanzar en Big Data”
P: ¿No hay riesgos?
R: Siempre alguien va a estar vigilando a
alguien. La personalización es buena
pero también tiene una parte mala, que
es que lo bueno y lo malo puede ser
personalizado. Dentro del grupo como
animal social nos encontramos muy
cómodos pero cuando pedimos que
personalicen nuestro tratamiento y
nuestra manera de hacer las cosas,
estamos ofreciendo un flanco.
Evidentemente hay una legislación
actualmente vigente que regula de
manera estricta la utilización de datos
pero es cierto que la realidad suele ir por
delante de la legalidad y es posible que
haya muchas personas que
potencialmente pudiesen ser
discriminadas, pero ya lo son sin el Big
Data. Hoy en día hay muchas maneras
muy personalizadas de discriminar a
las personas sin necesidad de recurrir
a los datos.
26
ENTREVISTA: “Tenemos que ser capaces de hacer las preguntas correctas para avanzar en Big Data”
P: ¿El panorama con respecto al Big Data en
el extranjero es diferente al español?
R: Pasa lo mismo fuera. Se está en fase de
investigación. En la sanidad no hay herramientas
más que en fase de investigación- como Watson
de IBM-, en fase de validación como nosotros con
Fujitsu. Hay plataformas de investigación pero no
son asistenciales. Se están haciendo estudios con
volumen de datos en genómica o genética
metabolómica pero todo es en el plano de la
investigación, en el de aplicación clínica hay
pocas cosas.
P: ¿Esos datos sirven?
R: En investigación es cierto que utilizar grandes
masas de datos te permite identificar nuevas
dianas terapéuticas, pero su impacto en la clínica
se desconoce. Y no hay que olvidar que la
genética no es el elemento determinante, citando
a Ortega: “Yo soy yo y mi circunstancia”.
P: Si en el futuro el Big Data se convirtiese en una
verdadera revolución ¿qué papel deberían jugar
los médicos?
R: Con los datos, el médico hoy en día clasifica al
paciente en el sitio adecuado y toma las decisiones
claves en el tratamiento. Si llega el momento en el
que la inteligencia artificial nos sobrepasase y
analice los datos mejor que nosotros, los humanos
pasaremos a otro plano. No somos imprescindibles
aunque a algunos les cueste asumirlo.
BIG
DATA
27
OPINIÓN: Retos futuros para los Sistemas de Información en el Entorno Sanitario
7
OPINIÓN
Retos futuros para los
Sistemas de Información
en el Entorno Sanitario
“El Big Data ayuda a encontrar las preguntas que no
sabes que quieres preguntar”
José A. Guerrero
Licenciado en
Matemáticas (Estadística
e Investigación
Operativa), postgrado en
Programación Científica
y Experto Universitario
en Gestión Pública. Top
solver en Kaggle,
plataforma de referencia
de modelos predictivos
basados en Big Data.
28
OPINIÓN: Retos futuros para los Sistemas de Información en el Entorno Sanitario
Bajo el paradigma del Big Data
se hace referencia no sólo al
tamaño de los datos, sino
especialmente a su
heterogeneidad y a la velocidad
con la que se generan. Con esta
definición, los entornos
sanitarios son territorio Big Data
por excelencia.
Desde un punto de vista
productivo, un hospital es una
empresa compleja en la que no
existe una estructura lineal sino
una intrincada malla de
procesos. A esto se unen otros
factores como la propia
variabilidad natural, que dificulta
la medición de los resultados y
el elevado número de medios
técnicos especializados
necesarios para la atención a
los usuarios.
De manera simplificada,
tradicionalmente la Gestión
Sanitaria ha sido un equilibrio
entre la voluntad de los clínicos,
cuya prioridad era la prestación
de la mejor asistencia posible
independientemente del coste,
y la de los gestores,
preocupados
fundamentalmente por los
presupuestos. Actualmente, sin
embargo, existe una profunda
sensibilidad de todos los
actores sobre la sostenibilidad
del sistema. Dos conceptos han
sido claves a la hora de
entender esta evolución de la
gestión sanitaria en las últimas
décadas: Gestión Clínica y
Medicina Basada en
la Evidencia.
limitados. La estrategia del
traslado de autonomía a los
clínicos en aspectos que
tradicionalmente no tenían,
como la gestión financiera o de
recursos humanos, favorece la
corresponsabilidad en la
gestión. El desarrollo de la
Gestión Clínica se ha sustentado
en cambios organizativos y en la
implantación de nuevos
Sistemas de Información.
La Gestión Clínica viene a
resolver el problema del
equilibrio entre la prestación
de la asistencia sanitaria y la
gestión eficiente de recursos
29
OPINIÓN: Retos futuros para los Sistemas de Información en el Entorno Sanitario
La historia clínica electrónica y
la informatización de los
procesos de flujos de pacientes
han permitido pasar de
sistemas de información
agregados a los denominados
Conjuntos Mínimos Básicos de
Datos (CMBD), que han sido
implantados en los diferentes
ámbitos asistenciales.
Estos registros desagregados
se integran en repositorios que
utilizan herramientas de
Business Intelligence para su
explotación. Los cubos OLAP
utilizan dimensiones como la
estructura física, geográfica,
funcional o la actividad clínica
realizada, permitiendo la
navegabilidad y la exportación
de tablas pivotales. El Data
Warehouse de las Áreas
Económicas y Logísticas, como
Personal, Compras, Suministros
y Almacenes se utiliza para la
elaboración de presupuestos,
como entrada de información
de los sistemas de contabilidad
analítica, para evaluar los costes
por proceso y en el seguimiento
de los pactos de consumo de
las Unidades de Gestión.
Business Intelligence es un
término que con frecuencia se
suele utilizar como sinónimo de
Big Data. Mucho se ha escrito
sobre las diferencias entre uno
y otro, pero si tuviera que
quedarme con una cita lo haría
con la de Eric D. Brown,
Consultor en Tecnologías:
“Business Intelligence ayuda
a encontrar respuestas a
preguntas conocidas, mientras
que el Big Data ayuda a
encontrar las preguntas
que no sabes que quieres
preguntar”.
“BUSINESS
INTELLIGENCE
AYUDA A
ENCONTRAR
RESPUESTAS A
PREGUNTAS
CONOCIDAS;
EL BIG DATA
AYUDA A
ENCONTRAR LAS
PREGUNTAS QUE
NO SABES QUE
QUIERES
PREGUNTAR”
Eric D. Brown
Consultor en Tecnologías
30
OPINIÓN: Retos futuros para los Sistemas de Información en el Entorno Sanitario
El mayor reto actual, tras haber
concluido las fases de
informatización y explotación,
es la exploración avanzada de
los repositorios mediante Big
Data para, por ejemplo, el
reconocimiento de patrones
que rigen la relación entre el
consumo de recursos y la
actividad realizada o determinar
si existe una anomalía en la
calidad de la prestación de una
asistencia o en el coste
asociado a la misma. El
conocimiento que se extraiga
con estas técnicas podrá ser
aplicado en el desarrollo de
simuladores avanzados que
permitan, por ejemplo, decidir
entre dos modalidades
organizativas teniendo en
cuenta coste, producción y
calidad.
El otro concepto que
indicábamos junto a la gestión
clínica era la medicina basada
en la evidencia. Este surge
como necesidad de contrastar
con una metodología científica
y reproducible las nuevas
técnicas diagnósticas y
terapéuticas que, de forma
exponencial, el mercado pone a
disposición de nuestros clínicos.
La evaluación tecnológica y los
ensayos clínicos utilizan
fundamentalmente estadística
multivariable clásica. Análisis
de la mortalidad tras un
tratamiento, análisis de la
varianzas e interacción en un
diseño experimental o la
evaluación de una técnica de
cribaje respecto a la de
referencia mediante sensibilidad
y especificidad son algunos
casos de análisis realizados.
Recordemos que la estadística
clásica se basa en una serie de
hipótesis como el conocimiento
de la distribución de los datos,
independencia de la variables,
restricciones en la variabilidad
de los errores con el tiempo
o con la variable a estudiar…,
y que determinados artefactos,
como la presencia
31
OPINIÓN: Retos futuros para los Sistemas de Información en el Entorno Sanitario
de valores extremos o valores con información
desconocida no son bien manejados por muchas
de las técnicas tradicionales. A diferencia de esto,
las técnicas de aprendizaje automático explotan la
capacidad de cálculo de los ordenadores actuales
para obviar dichas hipótesis y minimizar el impacto
de los déficits de información. Cada día es más
frecuente el ver estudios basados en árboles de
regresión (random forest o gradient boosting),
máquinas de vectores de soporte y redes
neuronales, pero quedan sin duda muchos retos
por delante.
El más importante, dado la gran cantidad de
documentación clínica escrita en formato no
estructurado, es el procesamiento del lenguaje
natural (NLP) y la construcción automática de
ontologías que sirvan para representar el
conocimiento clínico. Los modelos de
representación de información clínica llevan años
desarrollándose, pero su aplicación en la práctica
ha sido muy reducida. SNOMED y RIM HL7
(sistema para almacenar y compartir conocimiento
clínico) están bien concebidos pero su punto débil
es precisamente que necesitan de un gran trabajo
para la implantación y para el posterior registro de
la información. La interoperabilidad de los sistemas
pasa necesariamente por las técnicas de
aprendizaje automático, que deben aportar los
mecanismos para que la estructuración de la
información sea no supervisada o, en el peor de los
casos, semisupervisada.
32
OPINIÓN: Retos futuros para los Sistemas de Información en el Entorno Sanitario
Otro campo de aplicación de técnicas
semisupervisadas es la detección de
observaciones extremas, que puedan servir
como sucesos centinelas epidemiológicos o
interacción de medicamentos.
Técnicas diagnósticas de vanguardia hace pocos
años se han convertido ahora en técnicas de
cribaje, siendo necesario rentabilizarlas mediante
el desarrollo de modelos que infieran el
diagnóstico cierto a partir del de sospecha.
Los sistemas de monitorización generan cada día
más tráfico de información. El desarrollo de
técnicas específicas de análisis en streaming,
que generen alertas cada vez más fiables será
también otro objetivo prioritario para conseguir la
eficiencia.
¿Cuáles serán los proyectos de Big Data en el
entorno sanitario dentro de diez años? Bien,
parafraseando a Eric D. Brown, será la propia y
progresiva aplicación de herramientas Big Data
la que nos descubrirá las ‘preguntas’ ocultas en
nuestros datos.
33
REPORTAJE: Los datos son del paciente
8
REPORTAJE
Los datos son del paciente
“El paciente es dueño de sus
datos. Su consentimiento tiene
que regir cualquier actuación
con sus datos. No hay otro
camino”. El director de la
Agencia Vasca de Protección de
Datos, Iñaki Pariente de la Prada,
afirma que aunque no haya una
regulación especial de Big Data
en el campo de la salud, el
paciente es el que tiene que
tener la última palabra cuando
se utilizan sus datos sanitarios.
Y detalla: “Pese a no haber una
ley se prevé la obligación a las
administraciones y empresas
de todo el mundo que hagan
tratamiento masivos de datos
de redactar un texto
denominado ‘evaluación de
impacto’ que tiene que
elaborarse antes de la recogida
o tratamientos masivos de
información. En dónde se
analice si se va a respetar o no
la normativa de privacidad y
cómo se va a hacer”.
34
REPORTAJE: Los datos son del paciente
Para Pariente de la Prada hay que respetar la ley
tanto en la recogida, como en el tratamiento y en la
cancelación de los datos personales.
¿Pero qué ley dado que no hay una específica para
datos de Salud? La ley general de Protección de
Datos es del año 1999 (traspone una directiva del
95) y engloba la protección de datos en general y
no regula sectorialmente cada campo de
actuación. Una ley que se hizo cuando unos pocos
estaban familiarizados con Internet y el término Big
Data ni existía. El director de la Agencia Vasca de
Protección de Datos explica: “Hay dos principios
esenciales en la recogida de datos sanitarios:
información y consentimiento. Supuestamente una
persona cuando da sus datos a otra tiene que
haber sido informada previamente de para qué se
van a recoger -la finalidad-, cómo se van a utilizar,
dónde se van a utilizar, en qué ficheros se van a
guardar y la seguridad que van a tener.
Teóricamente una vez que he informado de todo
esto, la persona consiente o no dar esa información.
Específicamente en los datos de salud siempre
tiene que existir un consentimiento expreso y por
escrito. Y si recojo datos en una página web gracias
a una casilla, el sistema tiene que permitir guardar
esa casilla para acreditar que se dio el
consentimiento. A efectos de prueba”. Pariente de la
Prada remacha: “Siempre que se recojan datos de
salud el esquema es este: información y
consentimiento y esto último agravado pues son
datos especialmente protegidos”.
35
REPORTAJE: Los datos son del paciente
Está claro que cuando un
paciente va a un hospital a
tratarse existe un
consentimiento tácito. Sus
datos los puede ver todo el
equipo médico pues la
finalidad es curativa, paliativasanitaria- y existe el secreto
profesional. Otro de los casos
en que no se pide
consentimiento es cuando se
estudian millones de datos. Si
es imposible contactar con los
pacientes uno a uno, esa
información se puede
anonimizar para ser utilizada,
por ejemplo, en investigaciones
médicas o en la gestión de
recursos sanitarios. El
problema, señala otro experto
en datos, Ramón Miralles, es si
esa información -en principio
segura- nunca va a desvelar la
identidad de los pacientes. “Al
igual que las técnicas de
anonimización han ido
evolucionando, las técnicas para
cruzar bases de datos han
evolucionado también. Y esos
procesos pueden, en ciertas
circunstancias, llegar a asociar
esa información anonimizada
con alguien. La tecnología no
para y al cruzar información y
utilizar muchas bases de datos
perdemos el control de a quién
cedemos los datos”. Pariente de
la Prada comparte la misma
opinión: “Es un acto fe. Te dicen
que técnicamente hay garantía
de que no puede ser
‘reanonimizado’ pero
realmente no sabes,
aunque en ese
momento sea
cierto,
si mañana la tecnología va a
evolucionar. Pasa a ser un
problema técnico.”
Europa ya ha tomado cartas en
el asunto. La directiva de la
Protección de Datos de 1995
creó un grupo de trabajo que
reúne a todas las autoridades
de protección de datos de los
países miembros y ese grupo
de expertos, que inicialmente
36
REPORTAJE: Los datos son del paciente
se reunía de forma esporádica,
ha cobrado importancia y emite
cerca de cuatro dictámenes al
año. El de abril de 2014 fue
sobre “técnicas de
anonimización” y estableció los
criterios técnicos para
anonimizar los datos. “Es un
dictamen que marca las pautas
que hay que seguir. De alguna
forma es como si actualizase la
ley. Trata cosas que la norma no
contempló cuando nació y que
hay que ir interpretando. La ley
no cambia pero con estos
dictámenes se actualiza, son
muy importantes”, explica el
experto vasco.
Uno de los puntos de mira de
este grupo de expertos
europeos son las empresas de
tecnología que, con sus
wearables, controlan hasta el
último latido de un paciente
sano y que también están
detrás de los dispositivos de
control que se instalan en las
viviendas de pacientes crónicos.
Como señala el director de la
agencia vasca: “Los sanos que
se ponen pulseras con
aplicaciones en el móvil están
registrando millones de datos
de salud que una empresa está
guardando. Hoy por hoy con
una finalidad indeterminada
pues todavía no tienen claro
para qué los van a utilizar. Son
empresas que están en Estados
Unidos, que no están sujetas al
derecho español, y por ello si
tengo un problema no voy a
poder acudir a que me tutelen o
ayuden las instituciones
estatales. También hay cada vez
más modelos mixtos: médicos
de la sanidad pública que
pueden acceder a perfiles que
se está generando en la
empresa privada” ¿Cómo
se gestiona todo eso? “, se
pregunta Iñaki Pariente de la
Prada. César Rubio,
coordinador del Sector de eHealth de la Federación
Española de Empresas de
Tecnología Sanitaria (Fenin)
señala que esos datos “sirven
para obtener información y
transformarla en valor. Y se
supone que su uso va a ser
bueno”.
“LA LEY NO
CAMBIA PERO
CON ESTOS
DICTÁMENES
SE ACTUALIZA,
SON MUY
IMPORTANTES”
37
REPORTAJE: Los datos son del paciente
Ramón Miralles también refleja la misma idea y
explica que los pacientes ceden en algún momento
sus datos porque confían en la sanidad y que,
aunque puedan ser utilizados por terceras
personas, “hay que poner en una balanza si ese
riesgo compensa”. “Los datos pueden pasar de ser
seguros a inseguros y escapar de nuestro control.
0
1
1
1
0
0
1
0
0
1
0
0
1
1
0
0
0
1
1 0
0
01
1
1 1
0
00
1
1 0
0
01
1
1 0
0
1 1
1
00
0
1 0
0
El riesgo está presente pero también es verdad
que esa información que se cede puede ser vital
en la investigación médica. Hay que hacer un
equilibrio entre el riesgo que presenta y los
beneficios que nos puede aportar ceder nuestros
datos, nadie puede decir que estos datos seguirán
siendo anónimos dentro de cinco años”.
Aparte de la anonimización, en los mecanismos
para salvaguardar la privacidad del paciente “se
aplica una lógica que ya existía y que ya estaba en
la ley de historia clínica -en la ley 41/2002- y que
dice que el paciente es dueño de sus datos, señala
Pariente de la Prada. La historia clínica es del
paciente. Puede pedir, puede ver, y eso se ha
plasmado en la generalización de las tarjetas
sanitarias con las que puede consultar parte de la
historia clínica y la puede gestionar. Los datos son
cada vez más del paciente . Y por ello si se
utilizan con otra finalidad que no sea la curativa,
sólo se pueden conseguir con su consentimiento.
O tirar por la anonimización. No hay un camino
intermedio”, concluye.
38
REPORTAJE: Los datos son del paciente
La última decisión europea en octubre
de 2015 lanza un rotundo mensaje a
Estados Unidos en materia de
protección de datos. Una sentencia
del Tribunal de Justicia de la UE sobre
la que no cabe recurso señala que
cualquier estado miembro podrá a
partir de ahora bloquear el envío de
datos personales a EE. UU. El fallo
habilita a las agencias nacionales de
protección de datos para que frenen
las transferencias de datos de
ciudadanos europeos a terceros
países (incluido EE. UU.) si consideran
que la empresa o el país no es de fiar.
Con este dictamen, el criterio de las
agencias prevalecerá sobre el de la
Comisión Europea y, por ello, las
empresas americanas con sede en
Europa tendrán que legitimar la
transferencia de datos hacia Estados
Unidos recabando la voluntad
inequívoca del usuario que debe ser
informado y consentirlo.
39
ENTREVISTA: “Hay que hacer cambios tecnológicos para abordar proyectos de Big Data”
9
ENTREVISTA
“Hay que hacer cambios
tecnológicos para abordar
proyectos de Big Data”
Luciano Saez Ayerra
Presidente de la Sociedad
Española de Informática
de la Salud
40
ENTREVISTA: “Hay que hacer cambios tecnológicos para abordar proyectos de Big Data”
P: ¿Qué reto supone el Big
Data en las TIC en el sistema
sanitario público?
R: Llevamos planteando
muchos años la necesidad de
que se utilice la cuantiosa
información clínica y de salud
que se encuentra disponible en
las organizaciones sanitarias
con el fin de generar
conocimiento y asegurar una
toma de decisiones basada en
la información. Esto es un reto a
nivel de organización sanitaria
ya que esta función de explotar
la información no está imbuida
en nuestra cultura de una
forma profesionalizada, no
disponemos prácticamente en
el sistema de expertos en
análisis de datos. Lógicamente
existen algunas experiencias e
iniciativas para anonimizar
datos de salud y ofrecer esta
información para la
investigación. Por otra parte los
sistemas tecnológicos actuales
no están preparados en general
para abordar proyectos de Big
Data, será necesario hacer
importantes cambios en
arquitecturas y comunicaciones.
Pero antes de plantearse estos
cambios habrá que definir qué
datos se van a utilizar, donde se
van a almacenar, quien lo va a
coordinar y para que se van a
utilizar. Preguntas básicas para
las que todavía no hay
respuesta.
correspondiente a tendencias y
proyectos prioritarios, no están
dentro de los 10 primeros
proyectos definidos como de
Big Data, aunque si se va
avanzando en proyectos
encaminados a la utilización de
la información para la toma de
decisiones clínicas y de gestión.
Hay que tener en cuenta que
las restricciones económicas en
el sistema sanitario público
afectaron de forma muy
importante en los últimos tres
años a los proyectos TIC.
P: ¿Se invierte más en
proyectos tecnológicos tras la
aparición del denominado Big
Data?
R: Según los datos de que
disponemos a través del INDICE
SEIS 2014, en el apartado
41
ENTREVISTA: “Hay que hacer cambios tecnológicos para abordar proyectos de Big Data”
P: ¿Hacen falta más profesionales TIC
especializados en salud?
R: La carencia de profesionales TIC especializados
en salud es uno de los frenos más importantes que
tiene el sistema sanitario. Desde la Sociedad
Española de Informática de la Salud llevamos
muchos años planteando a todos los niveles que
este es un recurso estratégico del sistema y que
no se está haciendo prácticamente nada para
solucionarlo. Nosotros promovemos la existencia
de profesionales dentro del sistema experto en TIC
y además en el “negocio” salud, creemos que es
imprescindible no solo para poder acometer los
complejos proyectos de salud que la tecnología
hoy en día permite. También para garantizar,
mantener e implantar totalmente los proyectos
que están en marcha.
Para avanzar, hace dos años firmamos un convenio
con el Instituto de Salud Carlos III. Uno de los
objetivos era poner en marcha un Master en
Dirección de Sistemas y Tecnologías de la
Información y la Comunicación en Salud, del que
ya vamos a empezar la II Edición, como una
titulación de ámbito nacional de la Escuela
Nacional de Sanidad. Creo que al margen de que
en las Universidades adecúen sus planes de
estudios e incorporen estas disciplinas, debemos
disponer de un conjunto de profesionales
formados en TIC, con conocimientos del sistema
de salud y capacidad directiva. Es imprescindible
que dispongan del máximo nivel de conocimientos
para que se generalice que estos profesionales
estén presentes en los diferentes comités
directivos de las organizaciones, sino va a ser muy
difícil la innovación de nuestro sector.
42
ENTREVISTA: “Hay que hacer cambios tecnológicos para abordar proyectos de Big Data”
P: ¿El paciente está protegido o sus datos corren
riesgo con los mecanismos que existen
actualmente en los hospitales?
R: Lo más importante es tomar conciencia de que
el tratamiento masivo de datos de salud, además
de entrañar grandes beneficios para la
investigación
y la asistencia y gestión sanitaria, supone una serie
de riesgos para la privacidad y la intimidad de los
pacientes. Para lidiar con estos riesgos y poder
identificarlos tempranamente y adoptar las
medidas necesarias para eliminarlos o, al menos,
mitigarlos hasta un nivel que resulte aceptable, es
necesario e imprescindible que antes de abordar
estos proyectos se lleve a cabo una Evaluación de
Impacto en la Protección de Datos Personales
(EIPD) -una de las herramientas más útiles del
paradigma de la Protección de Datos desde el
Diseño- que busca que los requerimientos y
obligaciones en materia de protección de datos se
tengan en cuenta desde las fases iniciales
de cualquier proyecto que trate datos de
carácter personal.
¿Cómo se garantiza tecnológicamente esa
protección, esa anonimización de miles de datos?
R: En relación con las EIPD, la Agencia Española de
Protección de Datos ha publicado una guía para
ayudar a las organizaciones y para promover el uso
de esta herramienta que, como decía, es
imprescindible para controlar los riesgos y tomar las
medidas adecuadas para no verse sorprendidos por
la materialización de los mismos durante todo el
ciclo de vida de un producto o servicio.
Esto es igualmente cierto cuando se llevan a cabo
procesos de anonimización. En nuestros días es
cada vez más difícil conseguir el total e irreversible
anonimato de los datos por la cantidad de
información públicamente accesible así como por la
evolución tecnológica que proporciona cada vez
herramientas más potentes de correlación de la
información. Por lo tanto, de nuevo, la anonimización
ha de hacerse a través de metodologías
contrastadas y evaluando claramente el riesgo
residual de reidentificación de las personas para
reducirlo a un nivel que se considere aceptable por
todos los actores y, en particular, por las
autoridades de protección de datos competente.
43
ENTREVISTA: “Hay que hacer cambios tecnológicos para abordar proyectos de Big Data”
P: ¿Cuáles son los retos
tecnológicos a los que se
enfrenta el sistema sanitario?
R: El sistema sanitario de
entrada a lo que se enfrenta es
al reto del cambio. Un cambio
provocado por los avances
científicos, los costes
económicos, los requerimientos
de los ciudadanos y
naturalmente por los avances
tecnológicos.
Este reto supone modificar
procedimientos, legislación,
roles profesionales y nuevas
formas de atención sanitaria. Y
todos estos cambios deben
ser contemplados desde la
perspectiva de utilizar la
tecnología disponible. Ahora
bien, en lo que se refiere a retos
tecnológicos, es necesario
redefinir la arquitectura de las
redes de comunicación y
las infraestructuras
tecnológicas, todo ello
planteado no solo para
garantizar los servicios actuales
y en implantación, como por
ejemplo la historia clínica, sino
con la visión de lo que habrá
que poner en marcha.
P: ¿Puede hacer una valoración
del funcionamiento de las
historias clínicas? ¿La recogida
masiva de datos va a cambiar
el modelo sanitario?
R: En cuanto a la historia clínica
electrónica (HCE), este proyecto
está muy implantado en los
centros sanitarios. En Atención
Primaria y Especializada se
dispone de más de 45 millones
de Historias, dato referido a
2014. Otro tema vital es la
necesidad de la
interoperabilidad de todos los
sistemas, de forma que toda la
información de salud de un
ciudadano esté disponible allí
donde se encuentre y a su
disposición. En cuanto a la
existencia de un Big Data
sanitario efectivamente puede
cambiar nuestro escenario a
medio plazo de una forma
importante. Es el momento de
definir una clara estrategia para
el sistema sanitario en su
conjunto ya que el valor que
aportaría el poder disponer de
grandes volúmenes de
información real y contrastada,
sería enorme en cuanto a
generación de conocimiento
para mejorar la seguridad de la
atención sanitaria y su eficiencia.
Desde mi punto de vista,
estamos traspasando el
momento adecuado para definir
la estrategia y el modelo a
aplicar en todo el sistema.
44
OPINIÓN: La información de salud: motor de cambio de los sistemas sanitarios
10
OPINIÓN
La información de salud:
motor de cambio de los
sistemas sanitarios
“EL proyecto VISC+ trata la información de
salud que se genera en Cataluña de una
manera totalmente anonimizada y segura”
Josep Maria Argimon
Director de la Agència
de Qualitat i Avaluació
Sanitàries de Catalunya
(AQuAS)
45
OPINIÓN: La información de salud: motor de cambio de los sistemas sanitarios
Las tecnologías de la
información y la comunicación
(TIC) y la digitalización de
contenidos están transformando
las sociedades y la manera de
generar conocimiento.
En este contexto está
aumentando la demanda de la
comunidad científica nacional1 e
internacional2 de disponer de
grandes volúmenes de
información del sistema de
salud, variada, de toda la
población, debidamente
anonimizada y sin tener que
esperar largos periodos de
seguimiento, con el objetivo de
acelerar las actividades de
investigación y transferir más
rápidamente sus resultados a la
práctica clínica. Siguiendo
iniciativas como las existentes
en Dinamarca3 o Reino Unido4 , y
dando respuesta a esta
necesidad, desde la Agencia de
Calidad y Evaluación Sanitarias
de Cataluña (AQuAS) se ha
impulsado el proyecto VISC+5,
que consiste en relacionar la
información de salud que se
genera en Cataluña de una
manera totalmente
anonimizada y segura, para
impulsar y facilitar la
investigación, la innovación y la
evaluación en el ámbito de las
ciencias de la salud. Esta
iniciativa está alineada con la
estrategia de investigación e
innovación de la Unión Europea6,
que está enfocada a potenciar la
transferencia de los resultados
de la investigación a los sectores
productivos.
La reutilización de información
de salud presenta múltiples
aplicaciones. Actúa como
facilitador para la Administración
a la hora de planificar y evaluar,
“LA
REUTILIZACIÓN
DE INFORMACIÓN
DE SALUD
PRESENTA
MÚLTIPLES
APLICACIONES”
46
OPINIÓN: La información de salud: motor de cambio de los sistemas sanitarios
permite mejorar la gestión interna de las
organizaciones sanitarias y facilita la transparencia
de resultados y la rendición de cuentas hacia la
ciudadanía. El uso de esta información puede
aumentar la calidad y asequibilidad de los servicios
de salud7, reducir los errores médicos y las
inequidades en salud, hacer seguimiento y
vigilancia de productos (fármacos y dispositivos o
Info
implantes médicos) de reciente introducción,
detectar interacciones y efectos adversos que los
estudios clínicos habituales no hayan puesto de
manifiesto, examinar posibles consecuencias
tardías de intervenciones médicas, desarrollar
estudios de efectividad comparada, ampliar el
conocimiento sobre las enfermedades minoritarias
y, en definitiva, mejorar la salud de la población
y su bienestar.
Cabe tener en cuenta que no todo son ventajas en
la reutilización de los datos sanitarios; también
conlleva algunos riesgos que hay que mitigar. Los
principales son los que pueden afectar a la
privacidad de las personas y al uso malicioso que
se podría hacer de estos datos. Por un lado, para
evitar que se pueda afectar a la privacidad, existen
técnicas como la desidentificación o la
anonimización de los datos, que van mucho más
allá de quitar el nombre y apellidos de las
personas. Es equívoco hablar de una
anonimización ilusoria: el riesgo de reidentificación
es una cuestión de probabilidades y aunque el
riesgo nunca es cero, sí se puede hacer
extremadamente bajo8.
47
Por otra parte, igual que ocurre en los estudios clínicos,
cualquier proyecto de investigación que implique la
reutilización de datos sanitarios debe contar con el
dictamen favorable de un Comité Ético y de Investigación
Clínica. Son estos comités los que mejor pueden ponderar
los beneficios sociales de la investigación y los riesgos
individuales de la misma. Otro riesgo que podría afectar a la
utilización de los datos sería el peligro de caer en un
excesivo dato-centrismo; es decir, la creencia de que en los
datos se encuentran todas las soluciones y que se puede
prescindir del uso de mecanismos más imperfectos para dar
respuesta a los estudios, como los valores o la experiencia.
Estos aspectos son especialmente importantes en una
sociedad que a menudo piensa que todas las soluciones son
computables y se encuentran en un servidor.
En este contexto, la iniciativa liderada por AQuAS quiere ser
la ventanilla única de acceso a los datos anonimizados del
sistema sanitario catalán que permita ofrecer las máximas
garantías de seguridad. Para ello, se contempla la aplicación
de medidas de seguridad equivalentes a las que se emplean
cuando se trata de datos personales (aunque se trate de
datos anonimizados que requieren niveles inferiores)
48
OPINIÓN: La información de salud: motor de cambio de los sistemas sanitarios
y la realización de auditorías
para asegurar el correcto
funcionamiento y cumplimiento
de estas medidas
implementadas. Asimismo, en
cuanto a los aspectos éticos y
de privacidad del proyecto, el
Comité de Bioética de Cataluña
(CBC) ha manifestado la
garantía de respeto a los
principios éticos y el
cumplimiento de los aspectos
relacionados con la custodia y
seguridad de los datos en la
implementación de este
proyecto. El CBC ha concluido
que esta iniciativa es una
oportunidad para mejorar la
calidad y la sostenibilidad del
sistema público de salud, que
requiere la contribución
anónima y solidaria de los
ciudadanos, que son los que lo
sostienen y se benefician.
Iniciativas como la descrita
permiten la implicación de la
Administración, las
universidades y los centros de
investigación aumentando la
innovación, el conocimiento y la
cohesión social. Así pues, sin
renunciar a las máximas
garantías que marcan la ley y
los organismos de control
respecto a la seguridad, la
confidencialidad y la privacidad
de los datos, ¿estamos
dispuestos a renunciar a los
beneficios que la reutilización
de los datos puede
proporcionar a la investigación,
la innovación y la mejora de la
salud de la población?.
49
OPINIÓN: La información de salud: motor de cambio de los sistemas sanitarios
Referencias
1 Destacats
investigadors catalans donen suport
a la reutilització de les dades anonimitzades en
salut per a promoure la recerca [nota de
premsa]. 04/06/2015 [citat juny 2015].
Disponible a:
http://salutweb.gencat.cat/ca/notapremsa/?id=283463
2 Jensen
PB, Jensen LJ, Brunak S. Mining
electronic health records: towards better
research applications and clinical care. Nat Rev
Genet. 2012;13(6):395-405
Sortsø C, Thygesen LC, Brønnum-Hansen H.
Database on Danish population-based registers
for public health and welfare research. Scand J
Public Health. 2011;39(7 Suppl):17-9.
3
The Clinical Practice Research Datalink (CPRD)
[pàgina a Internet]. London (United Kingdom):
National Institute for Health Research (NIHR).
National Health Service (NHS). Disponible a:
http://www.cprd.com/intro.asp
4
VISC+: més valor a la informació de salut de
Catalunya [pàgina a Internet]. Barcelona: Agència
de Qualitat i Avaluació Sanitàries (AQuAS).
Generalitat de Catalunya. Disponible a:
http://aquas.gencat.cat/ca/projectes/visc/
5
Horizon 2020. The EU Framework Programme for
Research and Innovation. European Commission.
Disponible a:
https://ec.europa.eu/programmes/horizon2020/
6
Murdoch TB, Detsky AS. The inevitable application
of Big Data to health care. JAMA. 2013;309(13):1351-2.
7
Statement on Statement of the WP29 on the
impact of the development of Big Data on the
protection of individuals with regard to the
processing of their personal data in the EU. Belgium
(Brussels): European Commission; 2014. Disponible a:
http://ec.europa.eu/justice/dataprotection/article-29/documentation/opinionrecommendation/files/2014/wp221_en.pdf
8
50
OPINIÓN: Farmacia y Big Data
11
OPINIÓN
Farmacia y Big Data
“La Farmacia está preparada, capacitada y dispuesta
para la revolución del Big Data”
Jesús Aguilar
Santamaria
Presidente del Consejo
General de Colegios
Farmacéuticos
Definir patrones de
comportamiento en salud,
elaborar modelos predictivos,
reducir riesgos potenciales
asociados a la medicación;
reforzar la práctica farmacéutica
basada en la evidencia,
revolucionar la investigación en
Farmacia Asistencial, así como la
prestación de Servicios
Profesionales Farmacéuticos
personalizados, ajustado a las
necesidades de cada paciente y
en tiempo real, son algunas de
las enormes potencialidades del
Big Data aplicado a la Farmacia.
51
OPINIÓN: Farmacia y Big Data
Cada día acceden más de 2 millones de personas
a la Red Asistencial de 21.854 farmacias
españolas en busca de asesoramiento y asistencia
farmacéutica. Cada mes se dispensan en la
Farmacia comunitaria cerca de 70 millones de
recetas prescritas por los facultativos, de las cuales
más del 80% se registra y realiza electrónicamente.
Y cada año, los farmacéuticos realizan más de 182
millones de actuaciones sanitarias. Es evidente que
la Farmacia dispone de un elevado nivel de
información y cuenta con experiencia en el manejo
de datos en torno a la Salud y también de la
medicación del paciente.
Una información, no olvidemos, que tiene la
consideración de sensible y especial protección; y
cuyo tratamiento ha de ofrecer siempre las
máximas garantías de confidencialidad, seguridad,
consentimiento informado y privacidad. En este
campo, el farmacéutico y la farmacia han contado
con el apoyo de la Organización Farmacéutica
Colegial -Colegios, Consejos Autonómicos y
Consejo General- y prueba de ello son el sistema
de facturación, la implantación de la Receta
Electrónica o la reciente puesta en marcha del
Centro de Información sobre el Suministro de
Medicamentos (CISMED) destinado a detectar en
tiempo real situaciones generalizadas de suministro
irregular de fármacos.
52
OPINIÓN: Farmacia y Big Data
Ahora bien, el Big Data es un
nuevo salto cualitativo y la
Farmacia ha de ser consciente
de lo que puede implicar: debe
conocer sus potencialidades y
comprender su funcionamiento
para adoptar aquellos usos
beneficiosos que contribuyan a
mejorar la calidad asistencial de
la prestación farmacéutica; pero
también para poner freno y
limitaciones a aquellos otros
usos que puedan vulnerar los
derechos fundamentales de los
pacientes.
McKinsey Global Institute
identifica tres características del
Big Data frente a la gestión
tradicional de datos: volumen
de datos estructurados y no
estructurados, variedad de las
fuentes y velocidad. Las
denominadas tres uves, a las
que el Instituto Tecnológico de
Massachusetts añade una
cuarta uve: la del valor obtenido
de los datos, es decir, su
utilidad.
No hay que imaginar mucho
qué ventajas tendría para la
asistencia sanitaria la aplicación
de estas características del Big
Data a millones de historias
clínicas anonimizadas, a las
dispensaciones de
medicamentos y productos
sanitarios realizadas, a la
notificación de reacciones
adversas, a la monitorización
online de parámetros básicos
de salud —índice de masa
corporal, presión arterial, ritmo
cardíaco, colesterol, glucosa…—,
al seguimiento de las
aplicaciones de salud instaladas
en dispositivos móviles, o al
conocimiento generado en
comunidades virtuales de
pacientes, entre otras muchas
fuentes de información.
Las 3 + 1
UVES:
Volumen de datos
estructurados y no
estructurados
Variedad de
las fuentes
Velocidad
Valor obtenido
de los datos
53
OPINIÓN: Farmacia y Big Data
Una minería de datos puesta al
servicio de los pacientes y del
sistema sanitario —con las
máximas garantías de
protección y confidencialidad
de los datos— que supondría
una auténtica revolución. Se
avanzaría en el ámbito de la
farmacoepidemiología, en la
respuesta de los tratamientos
farmacológicos según perfiles
genéticos y/o estilos de vida;
en la prevención y predicción
de riesgos y reacciones
adversas de los
medicamentos;
en la mejora de
la adherencia
a los tratamientos;
y en consecuencia,
un incremento
exponencial de los
resultados en salud.
Una revolución del Big Data en toda su extensión porque
supondría, entre otros muchos aspectos, que hemos
superado barreras y recelos actuales a la hora de
compartir información y conocimiento entre profesionales
sanitarios, trabajando de forma colaborativa,
aprovechando sinergias y situando al paciente en el
verdadero centro de la atención sanitaria.
La Farmacia es puerta de entrada y salida del paciente
del Sistema Sanitario. La Farmacia es una importante
fuente receptora y generadora de información. La
Farmacia conoce el dato, sabe gestionarlo con
responsabilidad y garantías de seguridad para el
paciente y tiene experiencia en aportar conocimiento
fruto de su análisis. Por lo que si la pregunta es averiguar
si la Farmacia está preparada, capacitada y dispuesta para
la revolución del Big Data, la respuesta es afirmativa.
54
ENTREVISTA: “El volumen de información es crítico para el desarrollo de productos”
12
ENTREVISTA
“El volumen de
información es crítico
para el desarrollo
de productos”
Federico Plaza
Director de Government
Affairs en Roche
Pharmaceuticals.
55
ENTREVISTA: “El volumen de información es crítico para el desarrollo de productos”
P: ¿Cuál es el impacto del Big
Data en la industria
Farmacéutica?
R: El impacto es muy grande,
sobre todo de cara a las
estrategias. Está presente desde
que se produce el
descubrimiento hasta la
investigación básica y desarrollo
de productos -gestionar
información de millones de
datos para centrar los
candidatos a medicamentos,
indicaciones que se han de
investigar o el perfil de uso...-.
Todo ese volumen de
información es crítico en este
momento para el desarrollo de
productos. Luego hay otra parte,
que es el uso del Big Data ya en
pacientes reales, en la vida real,
que en este caso también es
crítico pero se ha avanzado
bastante menos.
P: ¿Por qué se ha avanzado
menos?
P: ¿Quién tiene que dar ese
paso?
R: Se ha avanzado bastante
menos porque los sistemas
sanitarios todavía no están
suficientemente evolucionados.
R: Ese paso lo tiene que dar
evidentemente el sistema
sanitario pero en conexión con
los stakeholders que tienen
algo que aportar. Esa
información no sólo sirve para
conocer mejor en la vida real
cómo se utilizan los
medicamentos o mejorar la
pauta de uso para que sea más
eficiente, esa información
también es útil para la gestión
en general de una patología o
para conocer la adherencia,
entre otras muchas más cosas.
En toda la información que
gestiona el sistema y que está
informatizada a través, por
ejemplo, de la historia clínica
digital, todavía no se han
definido estándares para que
sea normalizada, agregable y
se pueda utilizar para gestionar
el uso de los medicamentos o
para gestionar la calidad
asistencial. Todavía no se ha
dado el paso de transformar
esa información bruta -que sí
Çse tiene- en información
inteligente o elaborada que
es la que está pendiente de
esa normalización.
56
ENTREVISTA: “El volumen de información es crítico para el desarrollo de productos”
P: ¿Cuál sería su utilidad en el plano
epidemiológico?
P: ¿Cuáles son los planes de Roche en el campo
Big Data?
R: El Big Data es una fuente brutal desde el punto
de vista epidemiológico. Cuando se desarrolla una
nueva indicación los datos epidemiológicos son
realmente útiles, sobre todo, cuando se avanza en
necesidades que no están cubiertas todavía o
enfermedades que aún no tienen tratamiento. El Big
Data permite tener información epidemiológica de
la vida real, conocer mejor el perfil de los pacientes
y rompe la falta de información que hay hoy entre
los productos que salen al mercado que vienen con
toda la información de los estudios clínicos y los
productos que llevan ya tiempo en el mercado, en
los que que no hay ninguna información adicional y
estructurada de cómo se utilizan.
R: En el plano más local, en España, tenemos claro
que hay que orientar toda esta información de
datos en vida real para gestionar mejor cómo se
utilizan los productos. También para intentar
avanzar en el pago de los medicamentos por
indicaciones y no sólo simplemente por producto
en sí, porque cada vez es más frecuente que un
producto tenga varias o muchas indicaciones; y no
todas tienen el mismo valor. Hay que intentar
avanzar en el pago basado en el valor. Esto genera,
por un lado, confianza en los sistemas sanitarios y,
por otro, da la tranquilidad que se están utilizando
correctamente los recursos.
57
ENTREVISTA: “El volumen de información es crítico para el desarrollo de productos”
P: ¿Qué supone tener datos en
la vida real para la industria?
R: Muchísimas posibilidades.
Primero conocer en la práctica
el gap, la diferencia que hay
entre la eficacia - que es lo que
se mide en los estudios
clínicos- y la efectividad - lo
que pasa en la vida real-. Ver
las causas de por qué se
produce ese gap, ver cómo se
puede corregir, pues a veces
es simplemente por la pauta de
uso de los productos; también
ver si pueden detectar
necesidades no cubiertas y
orientar nuevas vías de
investigación. Las aplicaciones
son enormes para muchos
temas pero no son singulares
para la industria porque a la
Administración también le
interesa buscar información
adicional de los productos que
están en la vida real para, por
ejemplo, propiciar más
adherencia. También le sirve
para comparar entre diferentes
áreas u hospitales de cara a
optimizar resultados. No
podemos poner una barrera
entre lo que le interesa a la
industria y lo que le interesa al
resto del sistema.
P: ¿Cómo influye en el dato de
coste-eficacia?
R: Influye muchísimo. El dato
de coste-eficacia cuando se
autoriza un producto es todavía
teórico, basado en un estudio
clínico -que se ha hecho con
una muestra que es
lógicamente sólida,
representativa de pacientespero “en realidad” el
coste-eficacia se tiene que
medir en la vida real.
No se debe medir costeeficacia sino coste-efectividad.
La efectividad se produce
cuando ya tienes pacientes en
la vida real y no se
corresponden todos con los
pacientes de los estudios
clínicos, que tienen
pluripatología. Eso nos va a dar
mucha más información de
coste-efectividad y, sobre todo,
nos lo va a dar por indicación,
con lo cual nos permitirá
financiar cada indicación en
función de los resultados en
salud que suponga.
58
ENTREVISTA: “El volumen de información es crítico para el desarrollo de productos”
P: ¿Les preocupa la privacidad
de los pacientes?
P: ¿Cuál es el próximo reto de
Roche?
R: Pensemos que cuando
hablamos de información es
información anonimizada,
siempre es propiedad de los
sistemas sanitarios y no tiene
que salir del sistema sanitario.
Una vez que se quitan los datos
personales que están
protegidos, esa información
completamente anonimizada no
tiene ningún tipo de problema
en cuanto a protección de datos
y es la que se tiene que utilizar.
Jamás se emplearán para estos
fines datos individuales de
pacientes con nombres y
apellidos.
R: En España el reto que
tenemos -ya está recogido en
los borradores de la nueva
normativa de precios y
financiación de medicamentoses que en las patologías
relevantes cuando se produzca
un medicamento exista un
registro de pacientes. De tal
manera que se conozca el
número de pacientes que tiene
la patología, el número de
pacientes que utiliza un
determinado medicamento -no
la identidad si no el númeropara a partir de ahí empezar a
medir respuestas de resultados
en salud.
Esto es lo que tiene que dar
lugar en un plazo que no sea
muy largo -ya se está haciendo
en otros países como Italia- a
empezar a pagar los
medicamentos en función del
valor que aportan, en función de
los resultados en salud más que
en función de los miligramos de
sustancia, de principio activo. El
Biga Data es importantísimo para
conseguir hacer sostenibles
nuevos productos que tienen
precios elevados, pues su
desarrollo es costoso y van
orientados a pocos pacientes. Si
conseguimos conocer cuántos
pacientes utilizan el producto en
cada indicación y los resultados
que tiene en salud, podemos
conseguir que los sistemas
sanitarios apliquen los recursos
para financiar estos productos de
forma más exigente. Y esto es un
reto a corto, cortísimo plazo.
59
OPINIÓN: Lo que aporta el Big Data a la industria farmacéutica
13
OPINIÓN
Lo que aporta el Big Data
a la industria farmacéutica
“Los resultados de la investigación epidemiológica realizada
en bases de datos poblacionales son una pieza clave para la
toma de decisiones”
Teresa Hernando
Real World Data
Manager de Janssen
La implementación de las
Tecnologías de la Información y
las Comunicaciones (TIC) en el
ámbito sanitario, con la que se
introdujo la historia clínica
electrónica y la receta
electrónica, junto con el
desarrollo de nuevos sistemas
de recogida de información
utilizados por pacientes,
cuidadores y profesional
sanitario (apps, dispositivos
wearables, redes sociales…),
ha supuesto la aparición de
fuentes masivas de datos
de salud.
60
OPINIÓN: Lo que aporta el Big Data a la industria farmacéutica
Esta irrupción masiva de datos médicos se ha
producido en dos niveles. El primero de ellos está
constituido por bases de datos de gran tamaño,
como la historia clínica electrónica, la receta
electrónica o los registros de enfermedades. El
segundo nivel, lo que se conoce como Big Data,
implica una serie de características que van más
allá del tamaño de la base de datos y que se
resumen con las, cada vez más conocidas, tres “v”:
volumen (múltiples dimensiones de datos);
velocidad (datos en casi tiempo real; análisis en
streaming); variación (datos estructurados y datos
no estructurados; diferentes formatos de datos
procedentes de distintas fuentes de datos).
1º NIVEL:
Bases de datos de
gran tamaño
•
•
•
historia clínica
electrónica
receta electrónica
registros de
enfermedades
2º NIVEL:
‘Big-Data’
2
NIVELES:
•
Las tres “v”
(volumen, velocidad
y variación)
61
OPINIÓN: Lo que aporta el Big Data a la industria farmacéutica
La digitalización de los datos
médicos junto con la
disponibilidad de fuentes de
información en tiempo real abre
un nuevo marco de
posibilidades para la
investigación clínica de tipo
observacional. La eficacia y
seguridad de los medicamentos
se evalúa inicialmente en
muestras restringidas de
pacientes y en condiciones
experimentales (ensayos clínicos)
para obtener la aprobación de
las autoridades sanitarias. No
obstante, es en el ámbito de la
práctica clínica donde se puede
evaluar, por medio de estudios
observacionales, el valor que
los medicamentos aportan en la
“vida real”. Este valor está
condicionado por aspectos que
son propios de la vida real
(mayor espectro de población
expuesta, adherencia al
tratamiento, exposición a otros
tratamientos, hábitos de vida de
los pacientes…) y que están
mitigados en la fase previa de
experimentación. En Janssen
España, como parte de una
iniciativa global de la compañía,
se ha constituido un área
específica de ‘Real World
Evidence’ cuyo principal objetivo
62
OPINIÓN: Lo que aporta el Big Data a la industria farmacéutica
es impulsar la investigación
clínica de tipo observacional en
este escenario de bases de
datos de salud de gran tamaño
que, en el medio-largo plazo,
alcanzará dimensiones de Big
Data en su totalidad. En nuestra
apuesta por la integración de la
investigación fármacoepidemiológica en el nuevo
ecosistema de datos, estamos
trabajando en la identificación y
desarrollo de nuevas
capacidades metodológicas y
analíticas que van a más allá de
las técnicas clásicas utilizadas
en bases de datos relacionales.
Con ese propósito hemos
iniciado una línea de trabajo
cuyo pilar común es
proporcionar soluciones que
aporten herramientas
innovadoras que mejoren los
resultados en salud y con ello
la atención sanitaria y el
cuidado de los pacientes (app,
wearables…).
Se trata, por tanto, de contribuir
al avance de la investigación
clínica de la mano del
desarrollo de nuevos sistemas
de información. Los resultados
de la investigación
epidemiológica realizada en
bases de datos poblacionales
son una pieza clave para la
toma de decisiones eficientes,
lo cual, por otro lado, supone el
retorno de la inversión realizada
en el desarrollo de estas
grandes bases de datos. En el
ámbito concreto de la fármacoepidemiología, mejorar el
conocimiento de lo que aportan
realmente los diferentes
tratamientos farmacológicos en
la práctica clínica redundará en
una optimización de la gestión
de los recursos sanitarios y
posibilitará un cambio
progresivo hacia un modelo de
atención sanitaria centrado en
el paciente.
63
ENTREVISTA: “Para el farmacéutico es clave conocer la situación de las ventas de productos”
14
ENTREVISTA
“Para el farmacéutico
es clave conocer la
situación de las ventas
de productos”
Carlos Mocho
Director europeo de hmR
64
ENTREVISTA: “Para el farmacéutico es clave conocer la situación de las ventas de productos”
P: ¿Cuáles son las posibilidades del Big Data en el mercado
farmacéutico?
R: Las posibilidades del Big Data en el mundo sanitario son
inmensas. En concreto, en el mercado farmacéutico, un mundo
muy dinámico y cambiante y muy influenciado por las medidas
administrativas y regulatorias que se van adoptando, la fuerza de
los datos es muy importante. No obstante, tan importante es
contar con muchos datos relevantes y de confianza como que
éstos sean convertidos rápidamente en información útil y clara
que aporte conocimiento a los stakeholders del mercado.
P: ¿Cómo ayuda el Big Data en la comercialización de fármacos?
R: Es fundamental, al igual que en el resto de áreas de negocio
y/o actividades de las compañías del sector. Una compañía
farmacéutica que se dispone a comercializar un nuevo producto
debe conocer las tendencias del mercado tanto en el ámbito
macro, en el sentido de comportamiento y ventas de sus
competidores, como en el ámbito micro desde una perspectiva
territorial de los mercados.
Este conocimiento es necesario como soporte directo en la toma
de decisiones ante todo el ciclo de vida de un fármaco,
independientemente del tipo de producto que se trate, así como
en la definición estratégica de los planes de marketing y ventas.
65
ENTREVISTA: “Para el farmacéutico es clave conocer la situación de las ventas de productos”
P: ¿Cómo tratan los datos de salud?
R: hmR cuenta con una gran estructura de
profesionales altamente especializados que nos
garantiza total confianza en la información
generada, desde el Área de Fuentes de Datos, a los
de Desarrollo, Business Intelligence, Producción y
Control de Calidad, todos con el soporte de la
tecnología más innovadora en este apartado.
P: ¿Y las herramientas que se utilizan para
garantizar la seguridad de esos datos?
R: En nuestra actividad y en nuestra filosofía
empresarial, la seguridad es un imperativo y, como
tal, debe estar garantizada, algo que cuidamos
internamente en todos nuestros procesos. Además,
realizamos auditorías externas con compañías
expertas de reconocido prestigio en este ámbito.
“LA SEGURIDAD DEBE
ESTAR GARANTIZADA”
P: Además de a la industria farmacéutica, ¿Qué
posibilidades ofrece el Big Data a otros agentes
del sector como las oficinas de farmacia?
R: Con el sistema solidario de oficinas de farmacia
que existe en España, por el que contamos con
farmacias en todo el territorio y todos los
productos llegan a todas las oficinas, la aportación
de la información y del Big Data al sector salud y
sanitario puede ser inmensa, no solo para la
industria farmacéutica y desde la perspectiva de
mercado farmacéutico, sino desde todos los
puntos de vista y para todos los agentes. Dicha
aportación se entiende en el marco del papel que
ha adquirido y debe adquirir la atención
farmacéutica en el ámbito de la prevención
sanitaria, seguimiento de pacientes, educación
sanitaria y salud pública. En este apartado, los
datos de las oficinas de farmacia, por ejemplo,
sobre consumo de antigripales, son fundamentales
para conocer en tiempo real dónde se está
extendiendo una infección vírica, como la gripe, y a
qué ritmo, y poder adaptar la respuesta y garantizar
el stock de vacunas suficiente en aquellos lugares
que lo necesiten.
66
ENTREVISTA: “Para el farmacéutico es clave conocer la situación de las ventas de productos”
Además, se puede conocer cómo influyen las
medidas regulatorias en el consumo de
medicamentos y si éstas son rentables.
Desde el punto de vista empresarial, para el
farmacéutico es clave conocer la situación de las
ventas de productos farmacéuticos en su ámbito
territorial, la evolución de sus propias ventas y el
comparativo con otras oficinas de farmacia, con el
fin de poder gestionar y reorientar, en caso
necesario, su actividad empresarial. Igualmente, el
seguimiento que puede hacer en cada paciente,
además de ser fundamental en la atención
farmacéutica, aporta información muy valiosa para
fidelizar a sus clientes.
y evolución de la venta media de las farmacias de su
región, comunidad autónoma y a nivel nacional.
Además, hace posible agrupar los datos por ventas
totales y por segmentos de su interés, así como
respecto al mes en curso o al acumulado del año.
Se trata de una herramienta potente y versátil con
diferentes niveles de información, desde una visión
muy gráfica de la evolución de ventas a alto nivel,
hasta el más detallado de los análisis. Un ejemplo muy
claro de cómo convertir los datos en conocimiento.
P: ¿Tienen alguna herramienta especial?
P: hmR pone a disposición de las farmacias con
las que colabora una herramienta de software,
llamada ‘Pharmacy Watch’, que tiene como
objetivo ayudar a los farmacéuticos en la tarea de
la gestión de sus oficinas de farmacia. ‘Pharmacy
Watch’ permite a estos profesionales, de una
forma muy intuitiva, comparar el comportamiento
67
ENTREVISTA: “Para el farmacéutico es clave conocer la situación de las ventas de productos”
P: Hablando de los planes de Big
Data Salud en general, ¿cómo lo
ve para los usuarios más
pequeños?
R: El Big Data se utiliza cada vez
más en el campo de la salud y la
tendencia es emplearlo mejor,
sobre todo por parte de las
organizaciones sanitarias de mayor
tamaño, tales como las compañías
farmacéuticas, los hospitales,
etcétera. Sin embargo, su uso se
está generalizando, de forma que
otros agentes más pequeños, como
las oficinas de farmacia, harán un
uso cada vez más relevante de los
datos. También lo utilizarán los
pacientes, como eje central del
Sistema Sanitario, si tienen la
información necesaria para poder
elegir un servicio o producto de
salud en vez de otro dependiendo
de la tasa de éxito de cada uno.
68
PROYECTOS: IBM Watson/23andme-Google/PatientsLikeMe
15
PROYECTOS
IBM Watson/23andme-Google/PatientsLikeMe
Watson IBM - Sistema para la computación cognitiva
IBM Watson Health. Ese el nombre de un
superordenador capaz de procesar Big Data mediante
un sistema cognitivo. Desde Boston y Nueva York,
2.000 profesionales entre consultores, médicos,
científicos, desarrolladores e investigadores, trabajan
en el desarrollo de las capacidades de IBM Watson
Health. La compañía estadounidense se ha aliado con
Apple, Johnson & Johnson y Medtronic y con dos
start-ups; Exploris, una spin-off de la Clínica Cleveland
cuyos datos en 50 millones de pacientes se utilizan
para detectar patrones de enfermedades, tratamientos
y resultados sanitarios; y Phytel, de Dallas, fabricante
de un software que gestiona la atención al paciente y
reduce el ratio de readmisiones en hospitales, para dar
este paso de gigante en el mundo de los datos.
Simplificando mucho, el plan de IBM es que la
tecnología Watson sirva como un servicio en cloud
69
PROYECTOS: IBM Watson/23andme-Google/PatientsLikeMe
que permita a los hospitales, médicos,
aseguradoras e incluso potenciales pacientes a
aprovechar su vasto almacenamiento de datos.
IBM ya ha utilizado la tecnología Watson en
proyectos individuales con centros médicos
líderes en EE. UU. , como el Centro Oncológico
Memorial Sloan Kettering de Nueva York, la
Universidad de Texas, el Centro Oncológico MD
Anderson de Houston y la Clínica Cleveland. Pero
con la creación de la unidad IBM Watson Health
se busca aplicar esa tecnología a toda la
Sanidad. Los errores médicos son la tercera
causa de muerte en Estados Unidos y Watson es
capaz de leer millones de artículos médicos. Un
sistema cognitivo que analiza los datos y que
tiene la capacidad de encontrar conexiones en
todo el conocimiento digital disponible. Watson
aprende de los seres humanos a través de un
lenguaje natural y por medio de algoritmos se
lo pregunta todo.
23andme /Google
Financiada -entre otras empresas-, por Google,
23andme ofrece desde su nacimiento, en 2006,
test genómicos al alcance de cualquiera.
23andMe realiza pruebas genéticas a través de
una muestra de saliva y asegura que un 80 % de
los clientes acepta que sus datos se utilicen de
forma anónima en proyectos de investigación.
La empresa, que tiene una base inmensa de
datos con el ADN de sus clientes, utiliza la
información anónima de 900.000 personas
también para el desarrollo de nuevos fármacos
70
PROYECTOS: IBM Watson/23andme-Google/PatientsLikeMe
gracias a acuerdos con varias empresas
farmacéuticas. Aunque se ha topado con el recelo
de la Administración de Alimentos y Medicamentos
de Estados Unidos (FDA), que pide que se informe
de manera más clara a sus clientes, y sus test están
prohibidos en varios países europeos, 23andme
sigue creciendo y su último gran acuerdo ha sido la
venta de 14.000 perfiles genéticos de enfermos de
Parkison o familiares a la empresa Genentech por
60 millones de dólares. La apuesta por el Big Data
de Google es firme como lo demuestra su
participación también en la startup Flatiron Health
que, gracias a una plataforma en la nube que
analiza datos oncológicos en tiempo real,
proporciona estadísticas detalladas para
hospitales y centros de investigación.
PatientsLikeMe
"Todas las personas tenemos el derecho a tener
una copia completa de nuestros datos de salud
individual, sin demora, con un mínimo o ningún
coste". Ese es el lema del fundador de
PatientsLikeMe, Jamie Heywood que, después
de ver como a su hermano se le diagnosticaba
ELA, puso en marcha la plataforma donde miles
de pacientes comparten sus datos clínicos.
Heywood señala que decenas de miles de vidas
se pierden cada año debido a que los datos de
salud no fluyen libremente y ha logrado que en
PatientsLikeMe compartan información más de
125.000 personas afectadas por enfermedades
71
PROYECTOS: IBM Watson/23andme-Google/PatientsLikeMe
graves e incurables como SIDA, cáncer, diabetes
o ELA. Actualmente están representadas más de
1.000 enfermedades. Los pacientes pueden,
desde la web, contar la evolución de los
síntomas, qué efectos tienen los tratamientos
(incluso los que toman de manera irregular, sin
que se los recete un médico), los trucos y el
avance de la enfermedad, indicando cómo
influyen los medicamentos en su bienestar físico,
mental y social; las hospitalizaciones que sufren,
su peso o estado de ánimo. Una información que
comparten todos. Gracias a la ingente cantidad
de información que maneja, la web ofrece a sus
usuarios, de manera gratuita, herramientas
analíticas de gran potencia que antes sólo
estaban al alcance de los investigadores.
Otro de los impulsores y el cerebro de
PatientsLikeMe es Paul Wicks, un joven
neuropsiquiatra. En cuanto al modelo de
negocio, la forma de financiar el proyecto es
simple: la compañía vende datos agregados,
anónimos y segmentados a las compañías
farmacéuticas. Y al mismo tiempo ayudan a
mejorar la calidad de vida de los pacientes y dan
soporte a la investigación médica.
72
PÍLDORAS: Wearables para monitorizar la salud
16
PÍLDORAS
‘Wearables’ para monitorizar la salud
Un número cada vez mayor de pequeños dispositivos electrónicos
registran y comunican a sus usuarios información vital sobre su salud
‘Fitbit’
Es el seguidor de salud más popular en
el mundo, el último modelo registra
localizaciones, frecuencias cardiacas,
duración y calidad del sueño (cómo son
los despertares y sueños inquietos),
gasto de calorías, pasos y tramos de
escaleras subidos.
73
PÍLDORAS: Wearables para monitorizar la salud
Reloj Apple
Equipado con un sensor de
frecuencia cardiaca y
acelerómetro, el reloj tiene una
aplicación que dibuja gráficas
con información como los
minutos que estamos de pie y
las calorías que quemamos.
Su aplicación Workout
proporciona información sobre
las actividades físicas más
duras, como el running. Y una
aplicación conectada del
iphone comparte esa
información con científicos
por el bien de todos.
‘Propeller Health’, GPS incorporado a un inhalador
Los sensores de localización miden el tiempo y el sitio de
cada uso del inhalador. Este dispositivo -que encaja en
cualquier inhalador ordinario- ayuda a los pacientes con
asma a seguir la pista de la medicación y comparte la
información con un médico. Propeller Health ha lanzado su
proyecto en Louisville (EE. UU.), donde centenares de
pacientes pueden ayudar a localizar “puntos calientes” en
los que es difícil respirar. Basándose en los datos
obtenidos, la compañía esperar hacer recomendaciones a
los planificadores urbanos para aliviar los problemas.
74
PÍLDORAS: Wearables para monitorizar la salud
Google X: nanopartículas
para buscar cáncer
Lentillas inteligentes
de Google X
Las nanopartículas entran en el cuerpo al ingerir
una píldora y van por el torrente sanguíneo para
engancharse a células anormales como las
cancerosas. El paciente lleva un dispositivo que
crea un campo magnético que permite trasladar
esas partículas a un lugar donde puedan ser
contadas.
(Este proyecto está en fase de diseño).
Un circuito electrónico del grosor de un
cabello y un microchip de baja potencia
unidos a una lentilla tradicional miden
los niveles de glucosa de los usuarios
analizando las lágrimas, y envían la
información al teléfono móvil del
paciente o a otro dispositivo.
(Este proyecto está en fase de desarrollo).
75
MINI DICCIONARIO
17
MINI DICCIONARIO
Analíticas en tiempo real
(Real time Big Data analytics):
Análisis, gracias a las nuevas herramientas
tecnológicas de Big Data, de grandes
conjuntos de datos en el momento en el
que se están generando.
Analíticas predictivas
(Predictive Big Data analytics):
Se generan como resultado de la extracción y
análisis del conocimiento histórico que se
encuentra en los datos masivos. Señalan posibles
patrones, resultados o tendencias futuras.
76
MINI DICCIONARIO
Anonimizar:
Big Data:
Expresar un dato relativo a entidades o personas
eliminando la referencia a su identidad.
Conjunto de datos que, por su volumen y variedad
y por la velocidad a la que necesitan ser
procesados, supera las capacidades de los
sistemas informáticos habituales. Asimismo el
conjunto de tecnologías, técnicas y herramientas
que hacen posible la recogida, procesamiento y
análisis de volúmenes masivos de datos, y también
la visualización de los resultados.
API
(Application Programming Interface):
La Interfaz de Programación de Aplicaciones es el
punto de contacto a través del cual se puede
acceder a una aplicación sin necesidad de conocer
su funcionamiento, usando el lenguaje informático.
Aprendizaje computacional automático
(Automatic machine learning):
Posibilidad que ofrecen las nuevas herramientas
tecnológicas de Big Data para analizar grandes
conjuntos de datos de forma paralela al momento
en el que se están generando.
Big Data sanitario:
Almacenamiento y análisis de datos estructurados
y no estructurados. Transformación de los datos en
información sanitaria. Organiza de forma efectiva la
información de los datos estructurados ya existentes
(fichas personales de los pacientes, etc) aquellos
que permanecen ocultos al sistema actual de
almacenamiento y sólo existen de forma analógica
en poder de los pacientes (recetas de papel,
registros médicos o resultados de pruebas médicas).
77
MINI DICCIONARIO
Business Intelligence:
También conocido como Inteligencia de Negocio.
Conjunto de procesos en el que herramientas y
estrategias se enfocan en la creación y
administración de conocimientos.
Científico de datos:
Profesionales, con habilidades en matemáticas,
estadística e ingeniería informática, capaces de
extraer el máximo valor de los datos, cerrando la
brecha entre las necesidades del negocio y las
Tecnologías de la información.
sensores de calor, de cámaras, smartphones, de
nuestros pagos, de los coches, de sistemas de
navegación y GPS o de las redes sociales, entre
otros. Valor: la mayoría de los datos llegan son
incompletos, con campos que faltan o que son
incorrectos, mide la utilidad de los datos.
Dato: el dato es una representación simbólica
(numérica, alfabética, algorítmica, etcétera.) de un
atributo o variable cuantitativa o cualitativa.
Los datos describen hechos empíricos, sucesos
y entidades.
Datos estructurados:
Aquellos que están almacenados en una base de
datos tradicional (fichas de hospitales).
“Cuatro V”:
Características del Big Data. Volumen. Es decir, el
tamaño de los conjuntos de datos que se genera.
Velocidad (y frecuencia): los datos se quedan
desfasados y pierden su valor rápidamente.
Variedad: pueden proceder de diferentes fuentes:
Datos no estructurados:
Aquellos datos que no están organizados bajo el
Modelo de Datos Relacional, definido por Edgar
Codd en 1970. Algunos ejemplos comunes de
78
MINI DICCIONARIO
información no estructurada son los archivos de
texto, imágenes, audio y video o redes sociales.
ECA:
Ensayos clínicos controlados aleatorizados.
eHealth:
Esta palabra hace referencia a todas las gestiones
de la asistencia sanitaria que se llevan a cabo
mediante internet.
Lenguaje natural (NLP):
Campo de la inteligencia artificial y la lingüística
que se ocupa de investigar aplicaciones
relacionadas con lenguajes naturales como la
comprensión de textos, la traducción automática, el
resumen automático o la generación de textos.
Minería de datos
(data mining):
“Ciencia” para encontrar lo valioso entre la ingente
cantidad de información que se almacena. Busca
patrones de información significativos.
HCE:
Historia Clínica Electrónica: conjunto de
documentos clínicos que detallan la información
de cada ciudadano a lo largo del proceso
asistencial sanitario.
Población:
Conjunto de elementos sobre el que estamos
interesados en obtener conclusiones. También se
denomina universo, que es el conjunto de
elementos de referencia sobre el que se realizan
las observaciones.
79
MINI DICCIONARIO
Quantified self:
Stakeholders:
Movimiento que incorpora la tecnologías para
registrar todos los datos sobre aspectos de la vida
diaria de una persona. En términos de inputs
(alimentos que se consumen, la calidad del aire),
estados (oxígeno en la sangre), y rendimiento
(físico y mental).
Interlocutores de la empresa.
Real world data
(datos del mundo real):
Selftracking:
Autorastreo o autoanálisis de la actividad o datos
de uno mismo. Seguimiento de los niveles de
actividad, como ciclos del sueño, glucosa, presión
arterial, entre otros parámetros, gracias a
aplicaciones y dispositivos tecnológicos.
Real World Data (RWD) se ha definido como los
datos que se recogen fuera de las restricciones
controladas de los ensayos clínicos aleatorizados
convencionales, con el fin de poder evaluar lo
que realmente está sucediendo en la práctica
clínica real. Entre los RWD, se incluyen estudios
observacionales de registro, datos provenientes
de historias clínicas electrónicas, encuestas de
salud y ensayos clínicos pragmáticos.
Telemedicina, telesalud:
Procesos médicos que se hacen a distancia.
Wearables:
Dispositivos móviles para medir constantes vitales.
80
Informe elaborado por:
Con la colaboración de:
DICIEMBRE 2015