La pandemia del COVID-19 ha sido una prueba de fuego para la monitorización y aprovechamiento de los datos sanitarios de cara a la planificación y anticipación en la gestión de recursos. Por ese motivo, la Unión Europea ha puesto el acento en la creación de centros regionales que faciliten cómo procesar esta información correctamente.
En los dos últimos años, ha quedado claro que los datos son muy útiles y sirven para tomar decisiones fundamentales. Nunca es tarde si la dicha es buena, y el sector sanitario ha visto el procesamiento de datos como una herramienta interesante. La razón estriba en que el tratamiento de datos sanitarios puede ayudar a descubrir tratamientos, nuevos patrones de diagnóstico o nuevas enfermedades. No obstante, hay un reto bastante grande: la privacidad y la seguridad a la que están supeditados todos estos datos.
Cumplimiento normativo
En Europa impera el Reglamento General de Protección de Datos y, que tiene en cuenta la naturaleza especialmente sensible de los datos sanitarios. Por ese motivo, la Unión Europea ha declarado que se necesita crear centros regionales de información para alojar los datos sanitarios con el fin de obtener una asistencia sanitaria mejorada, basada en el tratamiento de este tipo de datos. El documento EU health data centre and a common datastrategy for public health analiza este asunto en profundidad. Pero en el fondo, se trata también de un tema muy relacionado con la soberanía del dato, de la que hablamos recientemente en Data sovereignty: qué es y cuál es su relación con el cloud.
Entonces, los datos sanitarios de los pacientes se postulan como un activo valiosísimo para analizar la salud de la población, descubrir nuevas técnicas o mejorar la atención sanitaria. Además de la UE, el ciudadano se vería favorecido por esta propuesta porque sus datos estarían a disposición de las autoridades sanitarias europeas. Esto quiere decir que, si tenemos un problema de salud cuando viajamos dentro de la UE, podríamos recibir una atención médica más precisa.
Machine Learning e IA como técnicas idóneas
En su momento, hablamos de los beneficios del Machine Learning y de la Inteligencia Artificial para la gestión de centros de datos. La combinación del uso de estas tecnologías con los datacenter regionales de uso sanitario serían un trío perfecto.
Es necesario crear conjuntos de datos grandes para aprovechar ambas tecnologías y obtener los beneficios que prometen. Ya se ha puesto a prueba el modelo de Machine Learning para diagnosticar el glaucoma y saber interpretarlo, según un estudio realizado por Sejong Oh, Yuli Park, Kyong Jin Cho y Seong Jae Kim en colaboración con diversas universidades coreanas.
El objetivo de dicho estudio era desarrollar un modelo de predicción de Machine Learning para diagnosticarlo y para establecer un sistema que pudiese explicar predicciones. Para ello, usaron datos clínicos de pacientes, consistentes en una prueba de campo visual, otra de tomografía de coherencia óptica, un examen general ocular y una fotografía del fondo del ojo.
En dicho estudio, concluyeron que podían estar ante el primer intento de uso de Inteligencia Artificial explicable al diagnóstico de enfermedades oculares. Tras usar el Machine Learning, lograron mejorar el rendimiento de diagnóstico y concluyeron con que el modelo ayudaba a dar una predicción específica.
Desde Arsys, apostamos por la cercanía del datacenter y el uso de tecnologías como el el Machine Learning o la Inteligencia Artificial.