Análisis predictivo y el futuro de la asistencia sanitaria

Intel proporciona una base a las plataformas de Big Data y la IA para avanzar en el análisis sanitario.

Ventajas del análisis predictivo en la asistencia sanitaria:

  • Los modelos predictivos pueden ayudar a mantener más sanos a los pacientes al anticipar la necesidad de atención médica de urgencia o la probabilidad de padecer una enfermedad grave antes de que esta se desarrolle.

  • Al identificar qué pacientes tienen más probabilidad de ser ingresados por segunda vez en un hospital, el análisis predictivo puede ayudar a los proveedores a dirigir asistencia médica adicional donde y cuando sea necesario.

  • Los hospitales pueden programar recursos más eficazmente al predecir la duración de las estancias de los pacientes.

BUILT IN - ARTICLE INTRO SECOND COMPONENT

El análisis de datos predictivos ayuda a las organizaciones sanitarias a mejorar la atención a los pacientes, mejorar los resultados y reducir los costes anticipando cuándo, dónde y cómo se deben prestar atenciones. Las tecnologías Intel® proporcionan una base de alto rendimiento para las plataformas de Big Data y los modelos de inteligencia artificial (IA) más recientes que ayudan a los sanitarios a realizar diagnósticos y mejorar la atención.

El aumento de los costes, una población que envejece, y la prevalencia de enfermedades crónicas están transformando la industria sanitaria. Se espera que para 2030 el gasto global en atención médica llegue a una cantidad sin precedentes de 18,3 billones de dólares. 1 En respuesta a estas tendencias, los modelos de pago ya están dejando de basarse en el volumen para pasar a basarse en resultados o en valores.

El análisis predictivo ayuda a las organizaciones sanitarias a alinearse con estos nuevos modelos a la vez que ayuda a mejorar la atención a los pacientes y los resultados. Desde la previsión de condiciones críticas, como el choque séptico y la insuficiencia cardíaca, hasta la prevención de la readmisión, los últimos avances en análisis de Big Data y la IA impulsan nuevas soluciones de análisis predictivo que ayudan a los médicos a mejorar los resultados y reducir los costes.

Aprovechamiento de datos para análisis predictivo en salud

La asistencia sanitaria se ha digitalizado, creando nuevos conjuntos de datos masivos. Esto incluye sistemas de registro médico electrónico (EMR), datos de declaraciones médicas, imágenes radiológicas y resultados de laboratorio. En el futuro cercano, los datos genómicos también crecerán significativamente.

Asimismo, se están generando nuevos datos desde una creciente cantidad de dispositivos médicos en el perímetro, incluyendo los dispositivos móviles y monitores. Fuera del entorno clínico, los pacientes están generando datos cuasisanitarios a través del uso de dispositivos móviles, dispositivos de monitorización deportivos y aplicaciones sanitarias.

Al incorporar datos de estas fuentes, los proveedores sanitarios puede impulsar nuevas soluciones en análisis predictivo para el diagnóstico médico, modelado predictivo de riesgos sanitarios e incluso análisis prescriptivo para medicina de precisión.

Sin embargo, la conversión de datos en resultados clínicos requiere una base de hardware y software diseñada para extraer valor a partir de conjuntos de datos dispares. Una encuesta descubrió que más de la mitad de las organizaciones sanitarias no tienen un plan general de gobernanza de datos. 2 Como resultado, una porción significativa de los datos sanitarios sigue estando desaprovechada.

Con una cartera de tecnologías diseñadas para mover, almacenar y procesar datos, alimentar plataformas de Big Data y ejecutar modelos de IA, todo ello de manera eficiente, Intel y nuestros partners trabajan con organizaciones sanitarias para poner en marcha el análisis predictivo.

El análisis predictivo en una plataforma de Big Data con procesadores Intel® Xeon® otorgó a un grupo de hospitales la capacidad de ahorrar 120 millones de USD en costes anuales.

Ventajas de la modelización predictiva en la atención médica

El análisis predictivo se ha convertido en una pieza clave de cualquier estrategia de análisis sanitario. Hoy en día, es una herramienta esencial para medir, agregar y entender los datos de comportamiento, psicosociales y biométricos que hasta hace poco no estaban disponibles o eran sumamente difíciles de capturar.

A nivel individual, el análisis predictivo puede ayudar a los proveedores de asistencia sanitaria a ofrecer la atención adecuada al paciente adecuado en el momento adecuado. A gran escala, puede permitir a los sistemas sanitarios identificar y entender tendencias mayores, lo que conduce a estrategias de salud pública.

En un ejemplo, los investigadores desarrollaron un modelo de transmisión del ébola usando análisis de Big Data y enormes cantidades de datos, incluyendo información de redes sociales y motores de búsqueda. Aquellas personas que hayan sido expuestas potencialmente al ébola pueden introducir sus síntomas en una aplicación móvil que utiliza geocoordenadas para comprobar si la persona ha estado en contacto con alguien de una comunidad en la que el ébola haya estado activo.3

El análisis predictivo puede no solo mejorar la atención, sino también reducir considerablemente los costes. Por ejemplo, modelos de predicción más precisos para la reducción de las estancias y readmisiones de los pacientes permiten a los hospitales evitar sanciones y reducir gastos operativos. Al introducir registros médicos electrónicos (EHR) y análisis predictivo, los proveedores pueden identificar pacientes que probablemente olviden una cita médica. Una vez identificados, se puede enviar recordatorios a estos pacientes o recibir asistencia para mantener su cita.

El enorme potencial del análisis predictivo incluye ayudar a identificar pacientes en riesgo de padecer enfermedades crónicas, desarrollar mejores prácticas basadas en evidencia y detectar proactivamente posibles obstáculos para la atención planificada. Los datos pueden ayudar a los sanitarios a adelantarse a los hechos, ofreciendo atención proactiva a los pacientes antes de que su salud entre en estado crítico.

Ejemplos de análisis predictivo en asistencia sanitaria

Hoy en día, los sistemas y proveedores de salud están explorando diferentes formas de usar plataformas de Big Data e IA para análisis predictivo. Estas soluciones ayudan a las organizaciones sanitarias a realizar la transición del simple uso de los datos para averiguar qué ha sucedido al uso de esos mismos datos para pronosticar qué ocurrirá de manera más fiable.

Aceleración del tratamiento de enfermedades críticas

Codo con codo con Intel, Penn Medicine creó una plataforma colaborativa de ciencia de datos para ayudar a predecir y prevenir dos de los problemas más habituales y costosos en los hospitales: sepsis e insuficiencia cardíaca.

El modelo predictivo fue capaz de identificar alrededor del 85 % de casos de sepsis (en comparación con el 50 %) hasta 30 horas antes del inicio del choque séptico (en comparación con 2 horas usando métodos tradicionales). 4 También pudo identificar entre el 20 y el 30 por ciento de pacientes con insuficiencia cardíaca que no habían sido identificados correctamente. 4 Estos esfuerzos dieron a los médicos la capacidad de ofrecer tratamientos antes, acelerar las recuperaciones y ahorrar recursos al hospital.

Predicción de duraciones de estancia

Intel y Cloudera ayudaron a un gran grupo de hospitales a usar análisis predictivo para ofrecer mayor precisión al predecir la duración de las estancias. La plataforma de Big Data basada en el procesador Intel® Xeon® permitió al grupo de hospitales incorporar datos no relaciones, desestructurados y semiestructurados.

Con la capacidad de planificar y gestionar el personal más eficientemente, el grupo de hospitales ahorró 120 millones de dólares en costes anuales (unos 12 000 dólares por paciente) e incrementó la utilización de las instalaciones en un 5 por ciento, permitiendo a los hospitales atender potencialmente a 10 000 pacientes adicionales al año. 5

Reducción de las readmisiones

En otro caso, Intel y Cloudera usaron datos socioeconómicos, EHR y análisis predictivo para ayudar a un grupo de hospitales a identificar pacientes con alto riesgo de readmisión en el momento del diagnóstico. El personal de los hospitales podría proporcionar atención médica adicional para reducir las tasas de readmisión.

La plataforma de Big Data, con tecnología de los procesadores Intel® Xeon®, ha permitido al grupo de hospitales reducir 6000 casos de readmisión de pacientes, evitar posibles sanciones de Medicare por valor de 4 millones de dólares y ahorrar cerca de 72 millones de dólares al año en costes de atención médica. 6

Exploración del potencial de la IA

A Intel le apasiona el uso de la IA para ayudar a los sistemas y proveedores sanitarios a combatir enfermedades y personalizar los tratamientos. Desde nuestro patrocinio de una competencia de detección de cáncer con enfoque de IA a las múltiples soluciones de IA basadas en tecnología Intel® en ciencias sanitarias y de la vida, Intel está ayudando a las organizaciones sanitarias a hallar las tecnologías adecuadas para desplegar análisis predictivo.

Identificación de pacientes en riesgo de declive

Sharp HealthCare utilizó tecnologías de Intel y Cloudera para implementar con éxito un modelo de análisis clínico predictivo. El modelo utilizaba aprendizaje automático y datos del sistema de gestión de los hospitales para identificar a pacientes en riesgo de necesitar una intervención del equipo de respuesta rápida en un intervalo de una hora.

El modelo tuvo una precisión del 80 por ciento al predecir la probabilidad de un evento semejante en una hora. 7 Esto permitió a los equipos de respuesta rápida intervenir de forma proactiva, mejorar la calidad y el coste de la atención y mejorar el uso de recursos.

Intel apoya a los sanitarios con análisis predictivo

Al proporcionar una base tecnológica para las plataformas de IA y Big Data, Intel y nuestro ecosistema de socios ayudan a los proveedores sanitarios a aprovechar la gran cantidad de datos de pacientes y salud que aún no se han utilizado. Las soluciones resultantes pueden ayudar a los proveedores a mejorar la seguridad de los pacientes, mejorar la eficiencia operacional y, lo más importante, mejorar los resultados de los pacientes.

Estamos aquí para ayudar


¿Listo para hablar con Intel sobre las necesidades de su próximo proyecto tecnológico?

Avisos legales y descargos de responsabilidad

Es posible que el software y las cargas de trabajo utilizados en las pruebas de rendimiento se hayan optimizado para ejecutarse solamente en microprocesadores Intel®.

Las pruebas de rendimiento, como SYSmark y MobileMark, se han medido utilizando sistemas, componentes, software, operaciones y funciones informáticas específicas. Cualquier cambio realizado en cualquiera de estos factores puede hacer que los resultados varíen. Es conveniente consultar otras fuentes de información y pruebas de rendimiento que le ayudarán a evaluar a fondo sus posibles compras, incluido el rendimiento de un producto concreto en combinación con otros. Para obtener información más completa, visite www.intel.es/benchmarks.

Los resultados de rendimiento se basan en pruebas con la fecha mostrada en la configuración y podrían no reflejar todas las actualizaciones de seguridad públicamente disponibles. Consulte la publicación de la configuración para obtener más información. Ningún producto o componente es completamente seguro.

Información sobre productos y rendimiento

1Healthcare Disrupted: Next Generation Business Models and Strategies, Jeff Felton y Anne O’Riordan.
3 “Modeling Ebola Spread Using Big Data Analytics,” 2016, iucrc.org/node/modeling-ebola-spread-using-big-data-analytics.
5“Intel and Cloudera Help a Large Hospital Group Allocate Resources by Predicting Patient Length-of-Stay,” https://www.intel.es/content/www/es/es/healthcare-it/solutions/documents/large-hospital-group-allocate-resources-by-predicting-length-of-stay-study.html.
6“Intel and Cloudera Use Predictive Analytics to Help a Large Hospital Group Reduce Readmission Rates,” https://www.intel.es/content/www/es/es/healthcare-it/solutions/documents/predictive-analytics-reduce-hospital-readmission-rates-white-paper.html.