Creando una estrategia de Modern Data para impulsar la innovación y mejorar la atención al paciente

Los datos en salud son un área en crecimiento

El uso de datos en Salud permite la toma de decisiones asertivas y efectividad en los procesos.

Hoy día, el papel de los datos de salud es sumamente importante para ofrecer una medicina personalizada. A medida que los datos sanitarios crecen y se diversifican cada vez más, los médicos y radiólogos necesitan un acceso fácil a los datos que se integran, agregan y visualizan sin problemas en aplicaciones y servicios en todas las modalidades y dentro de sus flujos de trabajo existentes. 

Para hacer posible esta visión se necesita una estrategia de datos integral que ayude a unificar los datos en la nube y a utilizar herramientas avanzadas de análisis y aprendizaje automático para obtener información, acelerar la toma de decisiones y mejorar la atención al paciente.  En esta nota, hablaremos de algunos de los principales retos a los que se enfrentan las organizaciones sanitarias hoy en día y de cómo la tecnología y la nube están permitiendo la innovación para liberar el potencial de los datos científicos y sanitarios.


De acuerdo con Taha Kass-Hout (CMO y Director de Machine Learning en AWS) en su disertación en el HIMSS 2022, es necesario utilizar sets de datos de diferentes temas para mezclarlos en los entrenamientos de los algoritmos, por ejemplo, juntando información estructurada con no estructurada (laboratorios, imágenes y genómica), teniendo siempre en cuenta que los estudios de Machine Learning deben ser muy cuidadosos con el tratamiento de las desviaciones (BIAS)

de los estudios.  Es necesario poner especial atención en  que las conclusiones y recomendaciones no afecten al aprendizaje posterior del sistema. Para generar eficiencia operativa, hay que pararse a pensar en flujos que añadan valor con Machine Learning en conjunto con Inteligencia Artificial y, por otra parte, es necesario estandarizar, preparar y limpiar la información antes de aplicar un algoritmo (o varios) ya que pueden tomar resultados erróneos. 

Taha Kass-Hout insiste, al igual que Vignesh Shetty (GM de Edison AI + Platform GE Healthcare), en que es necesario aplicar bien los criterios técnicos estadísticos para poder utilizar las conclusiones matemáticas como válidas, si no, no lo serán. Esta “pureza” del proceso matemático es muy repetida por los diferentes ponentes en diferentes charlas.

Un concepto igualmente repetido es que la Inteligencia Artificial y el Machine Learning debe ser entrenada, utilizada para comparar y volver a entrenar, no es un proceso rápido. 

Para realizar este entrenamiento es necesario crear un Data Lake para que la información que puede aportar esté toda junta a disposición del algoritmo. Si está en silos, no se obtendrá el resultado ideal.

Estos son algunos ejes a tomar en cuenta cuando se trabaja con Datos en Salud. La gestión de la información, su procesamiento y análisis son etapas necesarias para que la estrategia que se quiera trazar sea efectiva y ayude a tomar las mejores decisiones.

En SkyMed, ayudamos a optimizar tus procesos aplicando tecnología y estrategia ¿Quieres saber cómo? Déjanos tus datos aquí para coordinar un assessment con nuestros especialistas.

Recuerda que para conocer más y estar al tanto de las novedades del mundo de la tecnología y los negocios, puedes suscribirte a nuestro newsletter haciendo click aquí.

QUIZÁS TAMBIÉN TE INTERESE