Toma de decisiones informadas con Healthcare Analytics

En el sector de atención a la salud, los resultados de los retos que afrontamos en el pasado -es decir, los recursos que nos ofrecen los datos y la innovación-, nos ayudan a imaginar un futuro en el que los médicos estén perfectamente equipados para predecir los resultados de salud de sus pacientes y para tomar decisiones informadas. Imagine un futuro en el que las organizaciones puedan ahorrar recursos y las autoridades legislativas puedan actuar con prontitud durante una crisis de salud pública, como pueda ser al afrontar una época de aumento en los casos de gripe. Nos encontramos al borde de una transformación de la atención a la salud en la que este futuro se está haciendo realidad. Gracias a los análisis de datos avanzados, los estándares de información y la existencia de historias clínicas transversales, las decisiones basadas en datos se están convirtiendo en la norma, lo cual se traduce en operaciones más eficientes y resultados optimizados.

Los datos son interdisciplinarios

Los datos ayudan a pacientes, profesionales asistenciales e investigadores a reforzar el estado de salud general de nuestra sociedad. Por ejemplo, el análisis de datos ayudó tremendamente a las partes interesadas del sector de atención a la salud a navegar por la pandemia de la COVID-19 y a mejorar su respuesta ante una crisis de salud pública. Pero, ¿qué ocurre con los datos procedentes de distintas aplicaciones, como la cadena de suministro, las historias clínicas electrónicas (HCE) y otros sistemas de información clínica, o incluso procedentes de la gestión del capital humano (HCM)? ¿Cómo se canalizan estos datos hacia el mundo clínico para llevar a cabo un análisis avanzado y emplearlos en la toma de decisiones?

Las organizaciones llevan mucho tiempo utilizando diversas fuentes de datos empleadas por profesionales asistenciales, pagadores y organizaciones farmacéuticas, con aplicaciones SaaS y aplicaciones locales. Estos sistemas han ayudado con la transformación, pero también han creado involuntariamente datos compartimentalizados. Los datos de salud almacenados en muchos sistemas no pueden trasladarse fácilmente junto con los pacientes cuando estos cambian de médico. Además, la historia clínica longitudinal que tanto se valora y que presume de ofrecer una mejor atención al paciente es una historia realmente diseminada y fragmentada. ¿Se imagina si tuviera que volver a introducir todos los contactos, aplicaciones y otros datos personales cada vez que comprase un teléfono nuevo? Si no fuera por los datos almacenados en la nube, comprar un teléfono nuevo nos supondría cada vez un verdadero reto. Cuando hablamos de datos de salud del paciente que están compartimentalizados, somos conscientes del impacto negativo que esto genera sobre la vida de los pacientes.

Compilar todos los datos en una ubicación centralizada es útil, pero es igualmente importante que todos esos datos sean lógicos, comprensibles, accesibles y estén organizados debidamente para su uso. Los datos deben estar normalizados para ser útiles. Los datos procedentes de múltiples fuentes, estructurados o no estructurados, preprocesados o sin procesar, deberían ser accesibles de forma global de modo que puedan analizarse para proporcionar la información que realmente nos interesa.

Data Lakehouse: un camino hacia la interoperabilidad

Resulta fundamental comprender el contexto existente detrás de los datos para poder tomar decisiones informadas. Los datos generados por las aplicaciones empresariales son realmente valiosos, pero pocas veces se utilizan en su totalidad. En esta línea, gracias a servicios como Data Lakehouse en Oracle Cloud Infrastructure (OCI), podrá obtener datos de fuentes de información dispares, tales como transacciones electrónicas, visitas a consultas médicas o transcripciones telefónicas. El uso de un lakehouse simplifica el acceso a los datos desde múltiples aplicaciones y fuentes de datos y ofrece un modelado sofisticado de los datos. La interoperabilidad también se ve favorecida no solamente por las estructuras de datos o la semántica, sino por el contexto y la prominencia de los datos.

Los datos históricos procedentes de inventarios, investigación, del Internet de las Cosas (IoT) o la HCE se han quedado hasta ahora "abandonados en algún cajón"; es decir, atrapados en sistemas, faxes o en papel, y a toda esta serie de datos no se le ha sacado ningún provecho. En algún lugar del mundo, existen datos de dispositivos de hace diez años o datos sobre genómica capturados hace cinco años. Y todos estos datos registrados, ¿los hemos transformado realmente en información significativa y aplicada al contexto actual de la salud de algún paciente? El uso de datos históricos anonimizados en modelos de predicción puede ayudar a conocer mejor la salud de nuestros pacientes. La combinación de datos actuales, de datos en tiempo real y de datos históricos permite que el modelado predictivo sea más sólido y fiable.

Los datos del paciente pertenecen al paciente. Las organizaciones de todo el mundo deben manifestar el compromiso de mantener los estándares más elevados en lo que se refiere a la seguridad de los datos de los pacientes. Los países protegen los datos de sus ciudadanos a través de las leyes de soberanía de datos, consideradas como la siguiente progresión natural en torno a la seguridad de los datos. Esto representa una oportunidad para ayudar a los pacientes a generar confianza en el sistema de atención a la salud, permitiéndoles ver cómo se manejan sus datos.

Los datos anonimizados protegen la privacidad de los datos y también pueden cambiar la vida de los pacientes cuando se comparten con investigadores para ensayos clínicos. Al agregar datos, las soluciones deben ser flexibles y tener en cuenta las normativas sobre la gobernanza de datos.

Las siguientes son acciones necesarias para tener en consideración al utilizar las soluciones de análisis avanzados de datos:

• Seleccione un área en la que puedan mejorarse los resultados
• Identifique las deficiencias en sus procesos y métodos de prestación de cuidados
• Utilice la gestión del cambio para solucionar esas deficiencias
• Implemente prácticas de gestión del cambio en los departamentos en los que pueda aportar más valor
• Conozca sus fuentes de datos, la fidelidad de los mismos y los metadatos, así como la sintaxis y la semántica utilizados
• Desarrolle habilidades en torno a la ciencia de datos y la nueva tecnología de atención a la salud de IA/aprendizaje automático
• Aproveche las soluciones analíticas que ayudan a minimizar carencias y mejoran los resultados

Visión de soluciones futuras

Los profesionales asistenciales se enfrentan a innumerables retos a la hora de brindar cuidados asistenciales, desde la falta de recursos hasta el estrés y el agotamiento del personal clínico. A esta presión se suma el hecho de que los profesionales asistenciales solo ven una imagen parcial del paciente, ya que sus antecedentes médicos están repartidos entre distintos sistemas. Los médicos dedican mucho tiempo a unir las piezas en su esfuerzo por ofrecer al paciente una atención integral, pero todo esto está cambiando. El uso de analíticas de datos está despejando el camino hacia posibilidades que salvan vidas en el sector de la atención a la salud.

Los modelos predictivos y la IA están interconectando datos de todo el ecosistema para obtener información de salud relevante a partir de datos globales, HCM y sistemas clínicos, entre diversas fuentes. Con el poder de la IA, los hospitales pueden anticipar y gestionar el flujo de pacientes en las temporadas de gripe y ajustar sus recursos de acuerdo con ello, fomentando la flexibilidad de horarios y contribuyendo a reducir el agotamiento del personal. Mediante el diagnóstico predictivo, puede mejorarse la atención a los pacientes, optimizarse el tiempo de los médicos y proporcionar más información en el punto de atención. Gracias a la medicina de precisión basada en IA y a la información sobre intervenciones para pacientes con unos criterios de salud similares, los profesionales asistenciales pueden dedicar menos tiempo a reconstruir información fragmentada y más a proporcionar cuidados a los pacientes.

Una mejor calidad asistencial y una mejor práctica clínica generan mejores resultados para los pacientes y reducen los gastos a nivel general. Las soluciones basadas en la IA y el análisis tienen el potencial de promover el acceso equitativo a una atención asistencial de la máxima calidad, adaptada a cada paciente y con una mayor calidad de cuidados, además de que contribuyen a reducir el costo de la prestación de servicios. Con la convergencia de las tecnologías de la IA y el aprendizaje automático, es posible que nos adentremos en un nuevo ámbito con potencial de mejorar la experiencia humana en lo que respecta al sector sanitario.

Donde el arte de lo posible y la realidad se encuentran

El futuro de la atención a la salud se encuentra en los datos que nos rodean. La mayoría de las organizaciones de atención a la salud cuentan con los datos que necesitan para la transformación, aunque a menudo residen dentro de aplicaciones a lo ancho y largo la empresa, están enterrados en información compartimentalizada y no son sino el producto de largas horas de introducción manual. La transformación del panorama de la atención a la salud desde la capa de datos es donde el arte de lo posible puede hacerse realidad, ya que con esta transformación se rompen los compartimentos de datos y se obtiene información de gran validez que se transmite a las personas correctas, en el lugar adecuado y en el momento oportuno.