Download retos y aplicaciones del big data

RETOS Y APLICACIONES DEL
BIG DATA
TENDENCIAS DE FUTURO EN EHEALTH
jlcruz@idiphim.org
@jotaelecruz
Juan Luis Cruz – CIO
Hospital Puerta de Hierro
Madrid – España
RETOS Y APLICACIONES DEL BIG DATA
1. QUÉ ES
2. PARA QUÉ
3. CÓMO
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)
11/20/2014
3
http://www.domo.com/blog/2012/06/how-much-data-is-created-every-minute/
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)
11/20/2014
4
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, 350K
pacientes activos con 900K procesos
11/20/2014
5
Qué es Big Data
• Número de
variables
11/20/2014
6
Qué es Big Data
• Del colectivo al individuo:
– Socioeconómicos y
demográficos
– Epidemiológicos y de salud
pública
– Hábitos y conductas
– Clínicos
– Moleculares
– …
11/20/2014
7
Qué es Big Data
Google Search Trends: “Big Data” – 13/11/2014
• ¿Moda?
http://www.google.es/trends/explore#q=big%20data
11/20/2014
8
Qué es Big Data
Gartner's 2014 Hype Cycle for Emerging Technologies
• ¿Moda?
11/20/2014
9
http://www.bigopendata.eu/wp-content/uploads/2014/01/bod_europe_2020_full_report_singlepage.pdf
Qué es Big Data
demosEUROPA
Centre for European
Strategy - 2014
• ¿Oportunidad?
– Soporte a la toma de
decisiones
– Eficiencia de procesos de
negocio
11/20/2014
10
Para qué Big Data
Informatización
Salud
eHealth
Autogestión
Promoción
Prevención
Asistencia
Investigación
Docencia
Análisis
Big Data
11/20/2014
Datos
Socioeconómicos y
demográficos
Epidemiológicos y de
salud pública
Hábitos y conductas
Clínicos
Moleculares
11
Para qué Big Data
11/20/2014
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.
12
Para qué Big Data
• Seguridad del paciente
• Eficiencia asistencial
• Detección de necesidades
formativas
• Potenciación de la
investigación
• Atracción de Ensayos Clínicos
11/20/2014
• 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
13
Para qué Big Data
• Seguridad del paciente
• Eficiencia asistencial
• Detección de necesidades
formativas
• Potenciación de la
investigación
• Atracción de Ensayos Clínicos
11/20/2014
• 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
14
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
11/20/2014
TI
15
Cómo avanzar con Big Data
• Perfil “Data Scientist”
• Estructura multidisciplinar:
Organización
Investigadores
clínicos y básicos
Procesos
TI
Directivos
Data Scientists
Informáticos
Epidemiólogos
Data Governance
Metodología
Herramientas TI
Documentación
Clínica
Control de Gestión
Bioestadísticos
Unidades de
Calidad
11/20/2014
16
Cómo avanzar con Big Data
• Gobierno de los procesos
relativos al manejo de datos:
Data Governance
• Metodología: CRISP-DM
Organización
Procesos
TI
http://es.wikipedia.org/wiki/Cross_Industry_Standard_Process_for_Data_Mining
11/20/2014
Cómo avanzar con Big Data
•
•
•
•
•
Organización
Procesos
TI
Estructuración vs Texto Libre
Automatización
Diccionarios de datos
Seguridad y confidencialidad
Calidad de los datos:
Source: Data Management for Clinical Research, 2014
Vanderbilt University - http://www.coursera.org
11/20/2014
Cómo trabajar Big Data
• Big Data no tan Big
• Herramientas clásicas vs.
Nuevas herramientas:
Organización
Procesos
– Natural Language Processing Full Text Search
– Bases de datos documentales:
MongoDB / No SQL
– Procesamiento paralelo:
Hadoop / Map Reduce
TI
• Arquitectura TI para Big Data
11/20/2014
19
Cómo trabajar Big Data
EMR - Operational
Systems
Automatic
coding
Manual
coding
Coding
indexation
DEPARTMENT SYSTEMS
RIS
LIS
PHARMACY
CRITICAL CARE
Organización
ETL
DWH
DM
Free text: NLP
EMR SELENE
Full semantic
indexation
Research
databases
TI
BIG DATA
APPLICATIONS
AdvancedPatient
Search
Business Intelligence
Visual Analytics
Information
Systems
SICYT
CMDB
DATA
GRD
Procesos
Structured Data
ETL
S Ø PHOS
Analytics Systems Architecture
Datamining
Biostatistics
OMICS SW
NRT CDSS
Process tracker
CLINICAL
-OMICS
11/20/2014
20
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.
11/20/2014
21
¡Únete a la Comunidad!
11/20/2014
22