RETOS Y APLICACIONES DEL BIG DATA

Transcripción

1 RETOS Y APLICACIONES DEL BIG DATA TENDENCIAS DE FUTURO EN EHEALTH Juan Luis Cruz CIO Hospital Puerta de Hierro Madrid España

2 RETOS Y APLICACIONES DEL BIG DATA 1. QUÉ ES 2. PARA QUÉ 3. CÓMO

3 3 Qué es Big Data Big Data es un término que abarca el uso de técnicas para capturar, procesar, analizar y visualizar conjuntos de datos potencialmente grandes en un marco temporal razonable no accesible a las TI estándar. European Technology Platform NESSI (Networked European Software and Services Initiative)

4 4 Qué es Big Data Every two days now we create as much information as we did from the dawn of civilization up until 2003 Eric Schmidt. CEO Google (2010)

5 5 Qué es Big Data Número de registros 2,5 millones de notas clínicas / año 270K informes / año 500K formularios con datos estructurados / año 1,2 millones de peticiones / año, de las cuales 400K son analíticas con datos estructurados 25K altas hospitalarias y 18K intervenciones quirúrgicas codificadas 1,5 millones de pacientes en BB.DD, pacientes activos con 900K procesos 350K

6 6 Qué es Big Data Número de variables

7 7 Qué es Big Data Del colectivo al individuo: Socioeconómicos y demográficos Epidemiológicos y de salud pública Hábitos y conductas Clínicos Moleculares

8 8 Qué es Big Data Google Search Trends: Big Data 13/11/2014 Moda?

9 9 Qué es Big Data Moda? Gartner's 2014 Hype Cycle for Emerging Technologies

10 10 Qué es Big Data Oportunidad? demoseuropa Centre for European Strategy Soporte a la toma de decisiones Eficiencia de procesos de negocio

11 11 Para qué Big Data Informatización Salud Autogestión Promoción Prevención Asistencia Investigación Docencia ehealth Análisis Big Data Datos Socioeconómicos y demográficos Epidemiológicos y de salud pública Hábitos y conductas Clínicos Moleculares

12 12 Para qué Big Data P4 Medicine The convergence of systems biology, the digital revolution and consumer-driven healthcare is transforming medicine from its current reactive mode, which is focused on treating disease, to a P4 Medicine mode, which is medicine that is predictive, preventive, personalized and participatory.

13 Para qué Big Data Seguridad del paciente Eficiencia asistencial Detección de necesidades formativas Potenciación de la investigación Atracción de Ensayos Clínicos Reducción de la variabilidad clínica + Medicina 4P Soporte a la decisión clínica (CDSS): Búsqueda de casos similares Alertas Pronóstico Propuestas de acción Identificación de patrones de comportamiento de profesionales: buenas y malas prácticas 11/20/

14 14 Para qué Big Data Seguridad del paciente Eficiencia asistencial Detección de necesidades formativas Potenciación de la investigación Atracción de Ensayos Clínicos Generación de más hipótesis de investigación más publicaciones Mejora de la calidad de los datos y de la amplitud de los análisis más impacto Conocimiento exacto de la base de pacientes (número y características) más credibilidad

15 15 Cómo avanzar con Big Data No basta con comprar una herramienta software No basta con fichar a un experto No basta con hacer lo de siempre y llamarlo Big Data Cambio cultural: los datos son un activo principal Enfoque integral: Organización Procesos TI

16 Cómo avanzar con Big Data Organización Perfil Data Scientist Estructura multidisciplinar: Investigadores clínicos y básicos Procesos TI Directivos Data Scientists Informáticos Epidemiólogos Data Governance Metodología Herramientas TI Documentación Clínica Control de Gestión Bioestadísticos 11/20/2014 Unidades de Calidad 16

17 Cómo avanzar con Big Data Organización Gobierno de los procesos relativos al manejo de datos: Data Governance Metodología: CRISP-DM Procesos TI

18 Cómo avanzar con Big Data Procesos Organización TI Estructuración vs Texto Libre Automatización Diccionarios de datos Seguridad y confidencialidad Calidad de los datos: 11/20/2014 Source: Data Management for Clinical Research, 2014 Vanderbilt University -

19 19 Cómo trabajar Big Data Procesos Organización TI Big Data no tan Big Herramientas clásicas vs. Nuevas herramientas: Natural Language Processing - Full Text Search Bases de datos documentales: MongoDB / No SQL Procesamiento paralelo: Hadoop / Map Reduce Arquitectura TI para Big Data

20 Cómo trabajar Big Data Organización EMR - Operational Systems DEPARTMENT SYSTEMS RIS LIS PHARMACY CRITICAL CARE EMR SELENE ETL Manual coding DWH DM Coding indexation Free text: NLP Full semantic indexation Automatic coding Procesos BIG DATA APPLICATIONS AdvancedPatient Search Business Intelligence TI Information Systems SICYT CMDB DATA GRD Research databases CLINICAL -OMICS ETL 11/20/2014 Structured Data S Ø PHOS Analytics Systems Architecture Visual Analytics Datamining Biostatistics OMICS SW NRT CDSS Process tracker 20

21 21 Conclusiones Big Data es un concepto que abarca la captura, procesado y análisis de grandes conjuntos de datos. Más allá del marketing, es una gran oportunidad en el entorno sanitario. Big Data supondrá un enorme avance en la asistencia, investigación y docencia sanitarias como pieza fundamental de la ehealth y la Medicina 4P. No será de forma inmediata, pero sí en los próximos años. Debemos prepararnos para ser competitivos: considerando a los datos como un activo principal y estableciendo cambios organizativos que incluyan personal dedicado, rediseñando los procesos de gestión de la información e invirtiendo en las arquitecturas TI necesarias.

22 22 Únete a la Comunidad!