Big data en la medicina
Revista de big data
La tecnología está revolucionando nuestra comprensión y tratamiento de las enfermedades, afirma el director fundador del Instituto Icahn de Genómica y Biología Multiescala del Sistema de Salud Mount Sinai de Nueva York.
La mayoría de las empresas toman una decisión consciente y deliberada de adoptar la digitalización y la revolución de la información. Sin embargo, el papel de los macrodatos en la medicina parece casi obligar a las organizaciones a involucrarse. En esta entrevista, el Dr. Eric Schadt, director fundador del Instituto Icahn de Genómica y Biología Multiescala del Sistema Sanitario Mount Sinai de Nueva York, explica a Sastry Chilukuri, de McKinsey, cómo los enfoques de investigación basados en datos pueden ayudar a los pacientes, de qué manera la tecnología tiene el potencial de transformar la medicina y el sistema sanitario, y cómo el Instituto Icahn está construyendo su base de talento. A continuación, una transcripción editada de las observaciones de Schadt.
Una de las principales limitaciones de la medicina actual y de la industria farmacéutica es nuestro conocimiento de la biología de las enfermedades. Los grandes datos entran en juego cuando se agrega cada vez más información en torno a múltiples escalas de lo que constituye una enfermedad, desde el ADN, las proteínas y los metabolitos hasta las células, los tejidos, los órganos, los organismos y los ecosistemas. Esas son las escalas de la biología que debemos modelar integrando los grandes datos. Si lo hacemos, los modelos evolucionarán, se construirán y serán más predictivos para determinados individuos.
Los grandes datos en la sanidad plantean retos y resoluciones
Sin embargo, perdidos bajo un diluvio de datos, el objetivo de comprensión puede parecer a menudo tan lejano como cuando sólo teníamos un número más limitado de mediciones con las que lidiar. Si nuestro objetivo es comprender la complejidad de las enfermedades, debemos ser capaces de dar sentido a los complejos volúmenes de datos que ahora pueden generarse rápidamente. De hecho, hay pocos sistemas más complejos que los que se encuentran en el campo de la biomedicina. La idea de que la biología humana está compuesta por una compleja red de sistemas interconectados no es nueva. El concepto de “niveles biológicos” interconectados se introdujo en la década de 1940 (3), aunque el enfoque reduccionista de la biología puede remontarse a Descartes, y la analogía de la deconstrucción de un mecanismo de relojería prevalece desde Newton (4) hasta Dawkins (5). Estas ideas han servido de base para el desarrollo de la “biología de sistemas”, en la que se pretende llegar a explicaciones mecanicistas de las funciones biológicas superiores en términos de las “partes” de la máquina biológica (6).
El desarrollo de los enfoques de Big data ha mejorado enormemente nuestra capacidad para investigar qué “partes” de la biología pueden ser disfuncionales. El objetivo de la medicina de precisión es llevar este enfoque un paso más allá, haciendo que esa información tenga un valor pragmático para el clínico en ejercicio. La medicina de precisión puede definirse sucintamente como un enfoque para proporcionar los tratamientos adecuados a los pacientes adecuados en el momento adecuado (7). Sin embargo, para la mayoría de los problemas clínicos, las estrategias de precisión siguen siendo una aspiración. No se puede exagerar el reto que supone reducir la biología a sus componentes y, a continuación, identificar cuáles pueden y deben medirse para elegir una intervención óptima, la población de pacientes que se beneficiará y el momento en que lo hará. Sin embargo, el creciente uso de enfoques de Big data sin hipótesis promete ayudarnos a alcanzar este objetivo.
Industria sanitaria de los grandes datos
Sin embargo, perdidos bajo un diluvio de datos, el objetivo de comprensión puede parecer a menudo tan lejano como cuando sólo teníamos un número más limitado de mediciones con las que lidiar. Si nuestro objetivo es comprender la complejidad de las enfermedades, debemos ser capaces de dar sentido a los complejos volúmenes de datos que ahora pueden generarse rápidamente. De hecho, hay pocos sistemas más complejos que los que se encuentran en el campo de la biomedicina. La idea de que la biología humana está compuesta por una compleja red de sistemas interconectados no es nueva. El concepto de “niveles biológicos” interconectados se introdujo en la década de 1940 (3), aunque el enfoque reduccionista de la biología se remonta a Descartes, y la analogía de la deconstrucción de un mecanismo de relojería prevalece desde Newton (4) hasta Dawkins (5). Estas ideas han servido de base para el desarrollo de la “biología de sistemas”, en la que se pretende llegar a explicaciones mecanicistas de las funciones biológicas superiores en términos de las “partes” de la máquina biológica (6).
El desarrollo de los enfoques de Big data ha mejorado enormemente nuestra capacidad para investigar qué “partes” de la biología pueden ser disfuncionales. El objetivo de la medicina de precisión es llevar este enfoque un paso más allá, haciendo que esa información tenga un valor pragmático para el clínico en ejercicio. La medicina de precisión puede definirse sucintamente como un enfoque para proporcionar los tratamientos adecuados a los pacientes adecuados en el momento adecuado (7). Sin embargo, para la mayoría de los problemas clínicos, las estrategias de precisión siguen siendo una aspiración. No se puede exagerar el reto que supone reducir la biología a sus componentes y, a continuación, identificar cuáles pueden y deben medirse para elegir una intervención óptima, la población de pacientes que se beneficiará y el momento en que lo hará. Sin embargo, el creciente uso de enfoques de Big data sin hipótesis promete ayudarnos a alcanzar este objetivo.
La pandemia de los grandes datos
Cómo influye el Big Data en la atención sanitaria en los resultados de los pacientes7 de julio de 2021Imagina un dispositivo médico wearable que te avise si tus actividades cotidianas te ponen en riesgo de desarrollar diabetes. Imagine una aplicación que le proporcione asesoramiento médico inmediato y personalizado basado en su perfil genético. Tecnologías innovadoras como éstas están a la vuelta de la esquina, ya que las herramientas de recopilación de datos en la atención sanitaria se utilizan para transformar la prestación de servicios sanitarios y ayudar a mejorar los resultados de los pacientes.
Los big data son una cantidad masiva de información sobre un tema determinado. Los big data incluyen información generada, almacenada y analizada a gran escala, demasiado grande para gestionarla con los sistemas tradicionales de almacenamiento de información. En el ámbito de la sanidad, el paso a la digitalización de los registros y la rápida mejora de las tecnologías médicas han allanado el camino para que los big data tengan un gran impacto en este campo.
Muchas industrias utilizan los big data para conocer a sus clientes y adaptar sus productos o servicios en consecuencia. En el ámbito de la sanidad, las fuentes de big data incluyen los historiales médicos de los pacientes, los registros hospitalarios, los resultados de los exámenes médicos y la información recogida por las máquinas de pruebas sanitarias (como las utilizadas para realizar electrocardiogramas, también conocidos como EKG).