-
ENTORNO SALUDEn el sector Salud existen numerosas fuentes de datos heterogéneas que arrojan una gran cantidad de información relacionada con los pacientes, las enfermedades y los centros sanitarios.
Big Data en Salud
En el sector Salud existen numerosas fuentes de datos heterogéneas que arrojan una gran cantidad de información relacionada con los pacientes, las enfermedades y los centros sanitarios. Esta información, bien analizada, resulta de gran utilidad para los profesionales sanitarios.
Se pueden obtener datos sobre salud de historias clínicas electrónicas, dispositivos de telemedicina, pruebas clínicas, e incluso de wearables. Asimismo, aportan un valor añadido los datos epidemiológicos, los nutricionales y los genómicos, más relacionados con lo que se conoce como Real World Data (RWD) y con la medicina personalizada. Analizar esa información puede ayudar a tomar decisiones tanto a los médicos como a los gestores de los centros sanitarios, lo que repercute en un mejor servicio de salud para los pacientes.
La aplicación de las denominadas técnicas de Big Data permite inferir una capa de inteligencia, en la que resulta de especial relevancia la aplicación de modelos predictivos que ayuden a anticiparse a las necesidades sanitarias y que ofrezcan una atención médica más eficaz.
En el Instituto de Ingeniería del Conocimiento aplicamos técnicas propias de análisis de la información que permiten optimizar tanto la gestión clínica (para predecir cómo utilizar los recursos sanitarios de forma más eficiente: frecuencia de asistencia a consultas médicas, ingresos en el hospital, etc.) como el tratamiento y la atención al paciente (dando apoyo a la medicina personalizada). Ofrecemos, entre otros, servicios de alertas, predicción de necesidades y generación de recomendaciones.
Optimización sociosanitaria
La optimización de los servicios sociosanitarios de teleasistencia conlleva segmentar a los pacientes o usuarios en situación de dependencia, predecir su posible evolución, adelantarse a sus necesidades, cubrirlas mejor y mejorar la calidad del servicio a menor coste.
El servicio de optimización sociosanitaria mejora el rendimiento de los servicios sociosanitarios al desarrollar modelos predictivos capaces de predecir patrones de comportamiento y métodos algorítmicos propios de análisis de la información que permiten optimizar la atención que se les presta a los pacientes en situación de dependencia.
Análisis de datos sociosanitarios para predecir necesidades y optimizar la atención a la dependencia
Sistemas de alertas inteligentes
Los informes SNA (Social Network Analysis) integrados en nuestros sistemas de alertas inteligentes, DIGNA y ADMIRE, proporcionan datos útiles y sirven de apoyo a la práctica de los profesionales sanitarios en el establecimiento de protocolos, el diagnóstico temprano de enfermedades, el pronóstico de la evolución de enfermedades y la planificación del tratamiento de sus pacientes.
Segmentación de pacientes crónicos. Predicción de necesidades
Desarrollamos sistemas de estratificación de la población en función de niveles de riesgo para detectar precozmente a aquellos pacientes a los que no sería necesario derivar a servicios de atención especializada, urgencias u hospitalizaciones si recibieran un control proactivo desde la atención primaria.
Tener la población clasificada permite al gestor sanitario incrementar la toma de decisiones proactivas. Igualmente, la predicción de reingresos, del gasto sanitario (individual o por patologías crónicas), etc., supone un impacto económico significativo para las entidades sanitarias.
Análisis de hiperfrecuentación en atención primaria
La Sociedad Española de Médicos de Atención Primaria define como ‘hiperfrecuentador’ al paciente que acude a consulta 12 veces al año o más. Esta definición, aunque precisa, es deficiente. Sería necesario obtener patrones de comportamiento de los pacientes y determinar aquellos perfiles que corresponden realmente a pacientes hiperfrecuentadores.
Hemos trabajado en colaboración con el Instituto de Salud Carlos III (ISCIII) para la detección de hiperfrecuentadores en centros de atención primaria de una determinada zona básica de salud.
Detectar una serie de variables importantes para clasificar a los pacientes crónicos
Identificación de patrones para segmentar pacientes “hiperfrecuentadores”
Optimización de recursos en servicios asistenciales
Somos capaces de analizar los factores de utilización y demanda de los distintos servicios asistenciales. Esto permite segmentar la población en grupos con características sociosanitarias similares y niveles de riesgo determinados para asignar los servicios y recursos más adecuados en función de las necesidades reales de los pacientes.
Colaboraciones y asociaciones
Hemos colaborado con instituciones de investigación de prestigio como la Fundación CIEN (Centro de Investigación de Enfermedades Neurológicas), la Fundación Reina Sofía, la Universidad Rey Juan Carlos, la Fundación DIM (para el Desarrollo de Imágenes Médicas avanzadas), el Instituto de Salud Carlos III o UCLA (University of California, Los Angeles).
Somos, además, miembro de varias entidades claves en el campo de las tecnologías médicas, como la Red ITEMAS (Innovación de Tecnologías Biomédicas) o FENIN (Federación Española de Empresas de Tecnología Sanitaria).
Artículos sobre Big Data en el Entorno de Salud
Inteligencia Artificial en el futuro de la investigación clínica
La crisis sanitaria derivada de la COVID-19 será recordada también como un punto de inflexión en distintos ámbitos. Por supuesto,... Leer más →
diciembre 29, 2020
Necesidades en la aplicación de Inteligencia Artificial en salud
La aplicación de las TIC en el ámbito de la salud, que incluye las aplicaciones sanitarias y los wearables, entre... Leer más →
diciembre 14, 2020
Data Health Detection (DHD): monitorización y geolocalización de los casos de COVID-19
En el contexto de pandemia, muchas son las iniciativas tecnológicas que están surgiendo en el ámbito de la salud para... Leer más →
noviembre 18, 2020
Derechos digitales para avanzar en salud
En el mundo digital, se han producido notables cambios en nuestras actividades sociales y laborales, transformando la forma en la... Leer más →
octubre 28, 2020
Detección de COVID-19 en radiografías con Deep Learning
Ante la amenaza que actualmente representa la COVID-19 para la población y el alto riesgo de que puedan surgir nuevos... Leer más →
septiembre 15, 2020
¿Cómo acercar la Inteligencia Artificial al sector salud?
Si hay un ámbito que cobra relevancia estos días es el de la salud, en el que se busca cada... Leer más →
agosto 26, 2020