El uso del Big Data en el sector sanitario nos permite detectar patrones de riesgo sobre diferentes áreas.
El deep learning se ha convertido en un apoyo imprescindible del sector de la sanidad. Una tecnología que aunque aún está por descubrir el 100% de su aplicabilidad, ayuda ya en la detección temprana de pacientes infectados por diferentes bacterias. Sin duda, un mundo apasionante el que conforman la sanidad y la tecnología, un mundo que queremos descubrir mejor de la mano de José Pedro Almeida, Head of Big Data Analytics and Machine Learning en Sao Joao Hospital Center.
BigData Magazine (BDM): Uno de los grandes usos o aplicaciones del big data y la inteligencia artificial es en el sector de la salud. ¿Cómo puede esta tecnología ayudar a mejorar por ejemplo el control de las infecciones, el uso impropio de antibióticos o el riesgo del deterioro clínico?
José Pedro Almeida (JPA): Es cierto que es esta tecnología es muy útil para el sector de la salud pero la realidad es que no vemos esos ejemplos en muchos lugares. Es una tecnología bastante revolucionaria incluso en este sector, (el sector de la salud va a veces por detrás de otras grandes industrias en cuanto a tecnología), así que estamos frente a esta área para por ejemplo ayudar al control de infecciones.
Una de las cosas que hacemos es intentar señalar nuestros pacientes infectados con una determinada bacteria y gestionar dicha infección, por ejemplo elegir el antídoto correcto a usar para cada paciente de tal manera que podemos aplicar algo de precisión a cada cliente gracias al uso del big data y el análisis de 5.000 probabilidades. Aí pues, podemos conocer el antídoto correcto y reducir el ratio de infección.
BDT: HVITAL. ¿Cómo funciona y cómo puede ayudar al sector de la salud?
JPA: Básicamente, cada día captura datos de de nuestro sistema de hospitales. Las mejores veces, la herramienta logra obtener información cada minuto, otras veces cada cinco minutos…depende. Obtiene por tanto los resultados de los laboratorios, la ratios científicos, información de medicamentos…
Es básicamente un ingeniero inteligente que computa toda esta información y detecta patrones de riesgo sobre pacientes en diferentes áreas, no sólo en infección sino también respecto a problemas antibióticos, riesgos clínicos…etc. En resumen, nos permite priorizar cualquier inconveniente.
BDM: ¿Cómo será el futuro del cuidado del paciente con el uso del deep learning y la analítica avanzada?
JPA: Basicamente estamos viendo que las tecnologías de deep learning son capaces de entender el dato y de situarlo donde los humanos nunca podemos entender. Así pues, estamos utilizando esta tecnología para predecir los inconvenientes. Necesitamos usarla con cuidado ya que por el momento, el principal problema del deep learning es su tremenda exactitud que no es explicable. Quiero decir, no sabes qué esta haciendo la máquina, sólo presidiendo pero realmente no sabemos por qué está prediciendo bien. así que estamos intentando de hacer un mix de deep learning y aprendizaje supervisado de tal manera que podemos controlar los predicciones y entonces, somos capaces de conseguir resultados mucho más valiosos.
BDM: ¿Qué retos cree que existe actualmente en el sector de la sanidad a nivel tecnológico?
JPA: Uno de los principales desafíos es la introducción del probiótico, por lo que el sistema necesita intercambiar datos entre ellos mismos. El otro desafío es la privacidad de los datos, creo que deberíamos preocuparnos más por esto e intentar abrir los datos porque hay muchas investigaciones en muchos institutos que podrían usarse en nuestro sistema de salud y que no se están usando porque no podemos compartir los datos del paciente. Sería útil tener, por ejemplo, un Google Research con datos del hospital y usar los mismos algoritmos en este tipo de sectores.
