Estandarización e interoperabilidad de los datos médicos
Unificar los datos médicos digitales en un formato común es clave para analizarlos y sacarles valor para que ayuden a detectar enfermedades de forma temprana o establecer mejores protocolos médicos.
¿Qué son los datos médicos digitales?
Los datos médicos digitales se recopilan a partir de cada vez más fuentes, como las historias clínicas, las secuencias genómicas, las aplicaciones y los dispositivos médicos, entre otras.
Aunque este abanico ofrece a los profesionales de la salud e investigadores gran cantidad de datos sobre pacientes y enfermedades, estos pueden ser difíciles de utilizar o analizar conjuntamente al presentarse en diferentes formatos.
El creciente interés por el análisis de datos de salud y sus beneficios requiere crear estándares para almacenar e integrar la información con garantías de calidad y privacidad. O, en el mejor de los casos, repositorios comunes y plataformas de datos que faciliten todavía más la accesibilidad y el intercambio de la información clínica, para contar con más conocimiento.
En el IIC somos capaces de estructurar y agrupar la información contenida en los registros médicos, de la que se nutren los sistemas de Inteligencia Artificial que desarrollamos. Por ejemplo, utilizamos técnicas de Procesamiento del Lenguaje Natural (PLN) para convertir el texto libre en datos estructurados que pueda procesar un software.
Para agilizar ese trabajo previo de los datos médicos digitales y facilitar la interoperabilidad de estos datos, sería mucho más útil que los centros sanitarios ya dispusieran de un Modelo Común de Datos (CDM) para registrar la información de los pacientes en un formato estándar. De momento, existen varios CDM, cada uno con sus peculiaridades, terminologías y representaciones de valores.
Desde el IIC, nos adaptamos a los repositorios de los diferentes hospitales y centros sanitarios, basándonos en estándares como LOINC, SNOMED o CIE-9 y 10, a la espera de que un formato más universal permita intercambiar, combinar y acceder a mucha más información. De esta forma, aumentaría el conocimiento sobre el estado de salud de la población y se mejorarían las herramientas para su atención y cuidado.
¿Cómo estandarizamos los datos médicos digitales?
Unificar los datos médicos digitales en un formato común es clave para analizarlos y, por ejemplo, detectar enfermedades de forma temprana o establecer mejores protocolos médicos.
Podemos ayudarte a estandarizar y aprovechar toda la información clínica de la que dispones. Nos adaptamos a todo tipo de repositorios de datos de salud.
¿Cómo trabajamos con los datos médicos digitales?
La estandarización de los datos médicos digitales es un paso clave en el desarrollo de los modelos de Inteligencia Artificial en salud, aunque el proceso implique otras consideraciones. Al desafío de estructurar e integrar la información, se suma la dificultad para captar el dato o la validación de resultados en el hospital, que también deben cumplir unos estándares.
El riguroso proceso llevado a cabo por los expertos del IIC asegura la calidad y confiabilidad de los modelos y soluciones proporcionados, para conseguir que el nivel de acierto del modelo este muy cerca del objetivo marcado. Los sistemas desarrollados emiten siempre recomendaciones que tiene que supervisar un profesional médico y que le ayudará en la toma de decisiones.
Proceso de trabajo con los datos médicos digitales seguido por los expertos del IIC :
Necesidad médica
Necesidad médica de la que parte todo proyecto y que está presente durante el desarrollo, con la colaboración de los profesionales de la salud implicados.
Recopilar datos médicos
Recopilar los datos de las diferentes fuentes, para contar con información variada y complementaria de pacientes y enfermedades.
Pre-procesamiento de los datos
Pre-procesamiento de los datos, para eliminar el ruido, asegurar su calidad y aplicar técnicas de anonimización si es necesario.
Estandarización del gran conjunto de datos
El equipo multidisciplinar del IIC estructura la información médica, gran parte en texto libre, utilizando distintas técnicas y herramientas de tratamiento de datos.
Análisis descriptivo
Análisis descriptivo de los datos heterogéneos para obtener información de valor sobre, por ejemplo, una enfermedad, y seleccionar las variables relevantes para su predicción.
Modelo Machine Learning
Desarrollo del modelo predictivo de Machine Learning, que se entrena con los datos seleccionados y tratados.
Validación de resultados
Puesta en producción y validación de los resultados en los hospitales y centros sanitarios, tanto analítica como clínicamente. Se utilizan estándares e indicadores que ya se manejan en el ámbito médico.
Beneficios de la integración/estandarización de los datos médicos digitales
La estandarización de los datos médicos digitales y el intercambio de información, ofrece ventajas en la atención de la salud:
Mejora de la coordinación
Mejor coordinación en la atención médica, que es más complementaria e integral.
Mejores resultados
Mejores resultados, eficiencia y calidad de la atención sanitaria.
Más información
Hay más información y conocimiento de diferentes tipos.
Mayor rendimiento clínico
Mayor rendimiento clínico y operativo en los hospitales y centros de salud.
Modelos en tiempo real
Facilita la puesta en marcha de modelos en tiempo real.
Reducción de gastos
Se reducen costes, con un mayor acceso a la información y una toma de decisiones informada.
Modelos de IA
Se desarrollan modelos de Inteligencia Artificial más precisos, al nutrirse de más cantidad de datos e información.
Las soluciones de salud permiten mejorar la productividad, ahorrar tiempo y recursos.
