 |
| Joel Dudley investigador del hospital Mount Sinai habla sobre cómo la secuenciación del ADN podría cambiar la atención sanitaria. |
POR COURTNEY HUMPHRIES TRADUCIDO POR FRANCISCO REYES (OPINNO)
En la planta baja del nuevo y gigantesco edificio hospitalario y de investigación en Manhattan del Centro Médico Mount Sinai, varias filas de bastidores de metal negro vacíos esperan la llegada de procesadores y discos duros. Acogerán el nuevo cluster de computación del centro, que se añadirá al superordenador de 2,2 millones de euros que ya está en funcionamiento en el sótano de un edificio cercano.
La persona que dirige el diseño del nuevo ordenador es Jeff Hammerbacher, de 30 años y conocido por ser el primer científico de datos de Facebook. Hammerbacher está aplicando las mismas técnicas de cálculo de datos utilizadas para dirigir los anuncios en línea, pero en este caso se aplican en un motor de gran alcance que usará la información médica para ofrecer predicciones que podrían reducir el coste de los cuidados sanitarios.
Cada año se gastan 3 billones de dólares (2,2 billones de euros) en servicios de salud en EE.UU., así que este podría ser el mayor reto al que se han enfrentado los grandes volúmenes de datos, o big data, hasta ahora. "Nos vamos a concentrar en ello, porque creemos que puede ser valioso para los hospitales", señala Hammerbacher.
Mount Sinai tiene 1.406 camas y una escuela de medicina, y da tratamiento a medio millón de pacientes al año. Cada vez más, su gestión es parecida a la de un negocio dedicado a la información: ha creado un biobanco de muestras de ADN y plasma de 26.735 pacientes, este año ha terminado la instalación de un sistema de registros médicos electrónicos valorado en 120 millones de dólares (89 millones de euros), y ha hecho una fuerte inversión para reclutar a expertos informáticos como Hammerbacher.
Todo esto es parte de una "apuesta monstruosamente grande por la importancia de los datos", afirma Eric Schadt, biólogo computacional y director del Instituto Icahn de Biología Genómica y Multiescala en Mount Sinai, donde tiene su sede Hammerbacher, y que reclutó a la empresa de secuenciación de genes Pacific Biosciences hace dos años.
Mount Sinai espera que los datos le permitan lograr el éxito dentro un sistema de salud que está cambiando de forma radical. Resulta perverso, pero los hospitales tienden a ganar más cuanto más enfermen sus pacientes, ya que emiten facturas por cada procedimiento. No obstante, la reforma de salud iniciada en Washington está presionando a los hospitales para que sigan un nuevo modelo, denominado 'cuidado responsable', por el que reciben dinero por mantener a la gente sana.
Mount Sinai ya forma parte de un experimento que la agencia federal que supervisa Medicare (uno de los programas públicos de salud en EE.UU.) ha organizado para poner a prueba estas ideas económicas. El año pasado logró que se unieran 250 consultorios médicos, clínicas, hospitales y otros centros para acordar un seguimiento más detallado de los pacientes. Si las organizaciones médicas logran reducir los costes y obtener mejores resultados, reciben una porción de los ahorros. Si los costes suben, pueden enfrentarse a sanciones.
Los nuevos incentivos económicos, asegura Schadt, ayudan a explicar el hambre repentina que tiene el hospital por los datos, y los grandes gastos de contratación de 150 personas durante el último año solo en el instituto que dirige. "Lo que queremos es utilizar todos los recursos y datos para evaluar mejor a la población a la que estamos tratando", afirma.
Mount Sinai ya lo está haciendo mediante un modelo de computación en el que se utilizan factores como las enfermedades, las anteriores visitas al hospital, e incluso la raza, para predecir qué pacientes tienen mayores probabilidades de volver al hospital. Ese modelo, construido con datos de reclamaciones hospitalarias, indica a los médicos qué personas con enfermedades crónicas deben recibir más llamadas de seguimiento y ayuda adicional. En un estudio piloto, el programa redujo los reingresos a la mitad, y la puntuación de riesgo se está utilizando actualmente en todo el hospital.
Las nuevas instalaciones de computación de Hammerbacher están diseñadas para impulsar el descubrimiento de tales conocimientos. Se va a utilizar una versión de Hadoop, un software que distribuye los datos en varios ordenadores y es muy popular en varias industrias, como la del comercio electrónico, que generan grandes cantidades de información de rápido cambio.
En comparación los datos de los pacientes son escasos, y no muy dinámicos. Se añaden registros con poca frecuencia, y no se añade ninguno en absoluto si el paciente visita otro hospital. Eso supone una limitación, afirma Hammerbacher. Sin embargo, espera que la tecnología de big data se utilice para buscar conexiones entre, por ejemplo, las infecciones hospitalarias y el ADN de los microbios presentes en una UCI, o para hacer un seguimiento de los flujos de datos procedentes de pacientes que utilicen monitores en el hogar.
Una de las personas con las que va a estar trabajando es Joel Dudley, director de informática biomédica en la Facultad de Medicina de Mount Sinai. Dudley ha estado gestionando información recogida de pacientes con diabetes (como por ejemplo niveles de azúcar en la sangre, altura, peso y edad) a través de un algoritmo que la agrupa en una red de nodos. En aquellos 'puntos álgidos' donde los pacientes diabéticos muestran similitudes, trata de averiguar si comparten atributos genéticos. De ese modo la información del ADN podría usarse para las predicciones sobre los pacientes.
Uno de los objetivos de este trabajo, que todavía no está publicado, es reemplazar las directrices generales que los médicos a menudo usan para decidir cómo tratar a los diabéticos. En su lugar, unos nuevos modelos de riesgo basados en genómica, análisis de laboratorio, registros de facturación y datos demográficos, podrían hacer predicciones actualizadas sobre el paciente que el médico está viendo, de forma muy similar a cómo un anuncio web se adapta en función de quiénes somos y los sitios que hemos visitado recientemente.
Ahí es donde entra en juego el big data. En el futuro, cada paciente estará representado por lo que Dudley denomina como un "gran dossier de datos". Y antes de ser tratados, o incluso diagnosticados, el objetivo será "compararlos con todos los pacientes que hayan entrado anteriormente por la puerta del Mount Sinai", asegura. "[Entonces] podrás afirmar cuantitativamente cuál es el riesgo de esa persona en base a los otros pacientes que ya hemos visto".
La persona que dirige el diseño del nuevo ordenador es Jeff Hammerbacher, de 30 años y conocido por ser el primer científico de datos de Facebook. Hammerbacher está aplicando las mismas técnicas de cálculo de datos utilizadas para dirigir los anuncios en línea, pero en este caso se aplican en un motor de gran alcance que usará la información médica para ofrecer predicciones que podrían reducir el coste de los cuidados sanitarios.
Cada año se gastan 3 billones de dólares (2,2 billones de euros) en servicios de salud en EE.UU., así que este podría ser el mayor reto al que se han enfrentado los grandes volúmenes de datos, o big data, hasta ahora. "Nos vamos a concentrar en ello, porque creemos que puede ser valioso para los hospitales", señala Hammerbacher.
Mount Sinai tiene 1.406 camas y una escuela de medicina, y da tratamiento a medio millón de pacientes al año. Cada vez más, su gestión es parecida a la de un negocio dedicado a la información: ha creado un biobanco de muestras de ADN y plasma de 26.735 pacientes, este año ha terminado la instalación de un sistema de registros médicos electrónicos valorado en 120 millones de dólares (89 millones de euros), y ha hecho una fuerte inversión para reclutar a expertos informáticos como Hammerbacher.
Todo esto es parte de una "apuesta monstruosamente grande por la importancia de los datos", afirma Eric Schadt, biólogo computacional y director del Instituto Icahn de Biología Genómica y Multiescala en Mount Sinai, donde tiene su sede Hammerbacher, y que reclutó a la empresa de secuenciación de genes Pacific Biosciences hace dos años.
Mount Sinai espera que los datos le permitan lograr el éxito dentro un sistema de salud que está cambiando de forma radical. Resulta perverso, pero los hospitales tienden a ganar más cuanto más enfermen sus pacientes, ya que emiten facturas por cada procedimiento. No obstante, la reforma de salud iniciada en Washington está presionando a los hospitales para que sigan un nuevo modelo, denominado 'cuidado responsable', por el que reciben dinero por mantener a la gente sana.
Mount Sinai ya forma parte de un experimento que la agencia federal que supervisa Medicare (uno de los programas públicos de salud en EE.UU.) ha organizado para poner a prueba estas ideas económicas. El año pasado logró que se unieran 250 consultorios médicos, clínicas, hospitales y otros centros para acordar un seguimiento más detallado de los pacientes. Si las organizaciones médicas logran reducir los costes y obtener mejores resultados, reciben una porción de los ahorros. Si los costes suben, pueden enfrentarse a sanciones.
Los nuevos incentivos económicos, asegura Schadt, ayudan a explicar el hambre repentina que tiene el hospital por los datos, y los grandes gastos de contratación de 150 personas durante el último año solo en el instituto que dirige. "Lo que queremos es utilizar todos los recursos y datos para evaluar mejor a la población a la que estamos tratando", afirma.
Mount Sinai ya lo está haciendo mediante un modelo de computación en el que se utilizan factores como las enfermedades, las anteriores visitas al hospital, e incluso la raza, para predecir qué pacientes tienen mayores probabilidades de volver al hospital. Ese modelo, construido con datos de reclamaciones hospitalarias, indica a los médicos qué personas con enfermedades crónicas deben recibir más llamadas de seguimiento y ayuda adicional. En un estudio piloto, el programa redujo los reingresos a la mitad, y la puntuación de riesgo se está utilizando actualmente en todo el hospital.
Las nuevas instalaciones de computación de Hammerbacher están diseñadas para impulsar el descubrimiento de tales conocimientos. Se va a utilizar una versión de Hadoop, un software que distribuye los datos en varios ordenadores y es muy popular en varias industrias, como la del comercio electrónico, que generan grandes cantidades de información de rápido cambio.
En comparación los datos de los pacientes son escasos, y no muy dinámicos. Se añaden registros con poca frecuencia, y no se añade ninguno en absoluto si el paciente visita otro hospital. Eso supone una limitación, afirma Hammerbacher. Sin embargo, espera que la tecnología de big data se utilice para buscar conexiones entre, por ejemplo, las infecciones hospitalarias y el ADN de los microbios presentes en una UCI, o para hacer un seguimiento de los flujos de datos procedentes de pacientes que utilicen monitores en el hogar.
Una de las personas con las que va a estar trabajando es Joel Dudley, director de informática biomédica en la Facultad de Medicina de Mount Sinai. Dudley ha estado gestionando información recogida de pacientes con diabetes (como por ejemplo niveles de azúcar en la sangre, altura, peso y edad) a través de un algoritmo que la agrupa en una red de nodos. En aquellos 'puntos álgidos' donde los pacientes diabéticos muestran similitudes, trata de averiguar si comparten atributos genéticos. De ese modo la información del ADN podría usarse para las predicciones sobre los pacientes.
Uno de los objetivos de este trabajo, que todavía no está publicado, es reemplazar las directrices generales que los médicos a menudo usan para decidir cómo tratar a los diabéticos. En su lugar, unos nuevos modelos de riesgo basados en genómica, análisis de laboratorio, registros de facturación y datos demográficos, podrían hacer predicciones actualizadas sobre el paciente que el médico está viendo, de forma muy similar a cómo un anuncio web se adapta en función de quiénes somos y los sitios que hemos visitado recientemente.
Ahí es donde entra en juego el big data. En el futuro, cada paciente estará representado por lo que Dudley denomina como un "gran dossier de datos". Y antes de ser tratados, o incluso diagnosticados, el objetivo será "compararlos con todos los pacientes que hayan entrado anteriormente por la puerta del Mount Sinai", asegura. "[Entonces] podrás afirmar cuantitativamente cuál es el riesgo de esa persona en base a los otros pacientes que ya hemos visto".
