¿Cuáles serían los proyectos / servicios más interesantes en el cuidado de la salud que involucren alta tecnología como dispositivos móviles, big data y data science? Por ejemplo, Ginger.io.

Personalmente, creo que los proyectos más interesantes en la atención médica móvil / electrónica son aquellos que abordan problemas de salud pública.

Uno de los campos que surgió hace varios años en la sección transversal de medicina y big data fue Public Health 2.0. El término se ha vuelto un poco nebuloso ahora, pero originalmente se refería al uso de grandes datos para seguir las tendencias de salud pública, como la propagación de enfermedades infecciosas como la tuberculosis o el ébola. Por ejemplo, imagine la cantidad de personas que hablan de enfermarse en una plataforma de redes sociales como Twitter. Estas publicaciones a menudo están geoetiquetadas … y si hubiera suficientes personas publicando sobre su gripe, probablemente podría rastrear la propagación de una cepa particularmente grave de H1N1, ¿verdad?

Ser capaz de utilizar esta información de manera efectiva sería extremadamente útil para

1. Usar los recursos del gobierno de manera más efectiva, o usar menos de ellos (todos los países del mundo, independientemente del sistema de seguro de salud, gastan toneladas de dinero en abordar problemas de salud pública como: brotes de enfermedades, obesidad y muertes debido a enfermedades no transmisibles).
2. Abordar los brotes de enfermedades * más rápido * para que la próxima vez que surja una enfermedad como el zika o el ébola, pasemos menos tiempo tratando de localizarla y aislarla.
3. Usar el aprendizaje automático para reducir las variables humanas que son más importantes para los resultados de las enfermedades de salud pública. Por ejemplo, expandir el modelo de Andersen de determinantes mutables e inmutables de la utilización de la asistencia sanitaria.

Hasta ahora, creo que la tecnología médica se ha desarrollado mucho más rápido en términos de mejorar los resultados de salud para los consumidores con mucho poder de compra, como aquellos que invierten en dispositivos portátiles.

¿Pero qué pasa con los resultados de salud pública? Estos problemas son los que tenemos más datos y distribución espacial, y que probablemente podrían beneficiarse más de un uso inteligente de big data. Estoy realmente emocionado de ver cómo crecerá este campo.

¡Hola! Mi colega recientemente escribió un blog sobre la intersección de la genómica y el big data … hay mucho forraje si estás interesado en la genómica y / o la medicina personalizada. Puedes ver la publicación original aquí.

Optimización de los datos de atención médica: cinco oportunidades y obstáculos

La innovación disruptiva viene en oleadas, y el exceso de información genómica ahora disponible presenta oportunidades y obstáculos para usarla, almacenarla y procesarla de manera responsable. Esta información ha acelerado la capacidad de los investigadores para comprender condiciones raras / posiblemente no diagnosticadas. ¿El problema? A menudo, los detalles y la complejidad que ofrecen los datos van mucho más allá de lo que razonablemente se puede esperar de los médicos de atención primaria o incluso de los especialistas. Si superamos las barreras, ¿cómo pueden los datos sanitarios mejorar las tasas de éxito de los tratamientos de genómica y medicina personalizada?

Oportunidades de datos sanitarios en genómica y medicina personalizada

1. Disminución de costos de mapeo genómico

En las últimas dos décadas, hemos sido testigos de una fuerza impulsora aún más poderosa que la Ley de Moore: una disminución dramática en el costo de mapear el genoma humano.

La buena noticia es que estos avances en genómica y medicina personalizada hacen que sea cada vez más práctico / asequible estudiar todas y cada una de las formas de enfermedad. La investigación puede amplificarse para determinar si las condiciones tienen un origen genético, desde las manifestaciones complejas, pero frecuentes hasta las raras, nunca antes vistas.

2. Tenemos el espacio para procesar y almacenar datos

Una vez que tenga suficientes ejemplos de la condición y los genes normales para compararlos, es cuestión de poder de cálculo determinar si hay una diferencia estadísticamente significativa en los genes para “explicar” la condición.

Cada genoma humano completo requiere aproximadamente 1.5 GB de almacenamiento, lo suficientemente pequeño como para caber fácilmente en el teléfono que lleva en su bolsillo. Si su teléfono está lleno de imágenes, solo podría necesitar eliminar unas 75 imágenes para liberar espacio.

Si tiene una enfermedad como el cáncer que muta con el tiempo a medida que hace metástasis, entonces querrá secuenciar el cáncer en varios puntos en el tiempo, sin embargo, eso encajará bastante bien en ese nuevo teléfono que recibió para Navidad. El espacio no es el problema.

Retos de datos sanitarios en genómica y medicina personalizada

Si el espacio no es el problema, ¿cuál es? Nos enfrentamos a tres nuevas limitaciones fundamentales para administrar / aplicar la genómica y la medicina personalizada.

3. Calcular potencia

¿Recuerdas la ley de Moore? La velocidad a la que estamos recopilando nueva información genética está creciendo más rápido que el aumento de la velocidad de cálculo. Finalmente, llegamos a un punto en el que no podemos mantener el ritmo, incluso cuando aceleramos la producción de computadoras con más potencia de procesamiento por máquina.

4. Privacidad

Las computadoras son excelentes para hacer una gran cantidad de comparaciones y observar diferencias entre muestras relevantes de información genética (o cohortes, para nuestros amigos en el campo de la investigación médica) y calcular la significancia estadística. Pero, las computadoras solo pueden funcionar utilizando la información que pueden “ver”.

En nuestros esfuerzos bien intencionados para garantizar que se mantenga la privacidad de nuestros registros de salud individuales, también hemos creado un sistema que nos impide usar la información genética de otros consumidores de salud para comprender la nuestra.

5. Gestión del conocimiento

A pesar de las barreras de privacidad, podemos reunir suficiente información para estudiar condiciones particulares a un ritmo cada vez mayor. Estamos descubriendo, categorizando y explorando tratamientos para afecciones que son considerablemente más estrechas en definición. El poder de la medicina de precisión para tratar e incluso curar no tiene precedentes. La advertencia? Los médicos de atención primaria, los especialistas, los sistemas de salud o incluso los países deben ser conscientes de que la afección es conocida y tratable, de ahí la importancia de la gestión del conocimiento se dispara.

En una publicación reciente de Nature, el American College of Medical Genetics and Genomics dijo lo siguiente sobre el tema:

“La considerable variación en la presentación clínica y la etiología molecular de los trastornos genéticos, junto con su relativa rareza individual, deja en claro que ningún proveedor, laboratorio, centro médico, estado o país individual, por lo general, poseerá el conocimiento suficiente para brindar la mejor atención para pacientes que necesitan atención “.

Cada uno de nosotros tiene una capacidad limitada para dominar un dominio particular de conocimiento. A medida que estos dominios se vuelven más profundos y estrechos, la probabilidad de que los consumidores de salud tengan la oportunidad de trabajar con un médico que pueda reconocer el problema y recomendar el tratamiento preciso y probado disminuye a medida que crece nuestra experiencia general.

Si encuentra útil esta información, considere consultar este libro electrónico sobre seis tendencias que afectan la atención médica .

La salud móvil ha tomado por asalto la atención médica y la prestación de atención médica. Con la disponibilidad de aproximadamente 165,000 aplicaciones móviles en tiendas de aplicaciones, los hospitales y las organizaciones de salud han comenzado a inclinarse hacia las tecnologías móviles dentro de sus procesos de prestación de atención. La encuesta de McKinsey de 2014 afirma que las expectativas de los pacientes con respecto a las tecnologías digitales son comenzar de a poco y actuar rápidamente. Lo que significa que la tasa de aceptación de aplicaciones móviles simples y directas es mayor en comparación con aplicaciones sofisticadas y wearables. Hay varias áreas dentro del proceso de prestación de atención médica (compromiso médico, reducción de readmisión, optimización de flujo de pacientes, salud pública, etc.) que podrían mejorarse mediante aplicaciones móviles.

Las tecnologías móviles también podrían usarse en varios proyectos que incluyen generar conciencia cuando se trata de elegir proveedores de atención alternativos, comparaciones rápidas de costos, verificadores de síntomas y recordatorios de inmunización / medicamentos.

Los proyectos que implican convertir los resúmenes de alta existentes en forma digital dentro de las aplicaciones móviles para una transferencia fácil y rápida entre especialidades y proveedores, proporcionando a los profesionales un acceso fácil a las pautas de tratamiento, prescripción y medicamentos también son interesantes.

En general, los proyectos de tecnología móvil deben enfocarse para mejorar el acceso a la atención de los pacientes y mejorar el alcance de los proveedores. También mejora la participación del médico y del paciente dentro del proceso de atención.

Una aplicación interesante de big data en el cuidado de la salud consiste en compartir datos de pacientes de emergencias entre hospitales. En el pasado, el mismo paciente podía ser tratado por varios hospitales en el mismo código postal sin que los proveedores tuvieran idea.

Esto podría conducir a una serie de resultados desafortunados, como repetir pruebas innecesariamente, asignar múltiples trabajadores sociales a la misma persona y dar consejos diferentes (y a menudo contradictorios) al mismo paciente para el mismo problema.

Algunos hospitales en el área de Oakland, California, han comenzado a combatir este problema a través de un sistema llamado PreManage ED. A este sistema se le atribuye el ahorro de costos y la obtención de mejores resultados para los pacientes. Para leer más sobre esta y otras 8 aplicaciones de big data, lea nuestra publicación de blog aquí:

9 ejemplos de Big Data Analytics en salud que pueden salvar a las personas

Una combinación de hardware (sensores) y software (algoritmos) que permite mapear un patrón de comportamiento predeterminado de una persona. Posteriormente, se podrían configurar disparadores para las desviaciones de ese ‘comportamiento predeterminado’.
Nota: necesita 20 o más sensores diferentes para hacer un mapa significativo y, lo que es más importante, evitar falsos disparadores / alarmas.

Me gusta la idea de que los proyectos de Big Data predicen epidemias, ya que las tecnologías de cadena de bloques se están extendiendo cada vez más en el ámbito de la atención médica. Un acceso general a los grandes ámbitos de datos lo hace posible.

Otra gran instancia de un proyecto interesante es la Inteligencia Artificial que predice la insuficiencia cardíaca mediante el análisis de análisis de sangre y escaneos de latidos cardíacos para detectar signos específicos del órgano a punto de detenerse.

Mobile Health también se está desarrollando rápidamente. Aquí hay una amplia gama de estadísticas que lo demuestran: Lo que sabemos sobre las perspectivas de mHealth