1. TEMA: BIG DATA EN EL
ÁMBITO DE LA SALUD
TITULAR DE LA MATERIA:
DRA.C.ED. ISIS SUHAIL BASILIO BARRERA
UNIDAD DE APRENDIZAJE: TECNOLOGÍAS DE LA
INFORMACIÓN Y LA COMUNICACIÓN
FACULTAD DE MEDICINA
• Álvarez López Guadalupe (coordinadora)
• Calderón Rosas Karen
• Hernández Chupín Monserrat
• Jacintos De La Cruz Kimberly
• Ortiz Ramírez Jabel
• Pérez Álvarez Nasya Yarey
• Santamaría Duran Miguel Iván
• Torres Lagunas Luis Enrique
INTEGRANTES (EQUIPO 4):
GRUPO:103
2. C O N T E N I D O
1. DEFINICIÓN.
2. ANTECEDENTES HISTÓRICOS.
3. CARACTERÍSTICAS ‘‘LAS V DEL BIG DATA.
4. TIPOS DE BIG DATA
5. BIG DATA EN EL ÁMBITO DE LA SALUD
6. EL FUTURO DEL BIG DATA: MEDICINA 4P
7. FUENTES DE INFORMACIÓN DEL BIG DATA EN SALUD.
8. BENEFICIOS DE LA IMPLANTACIÓN DEL BIG DATA EN SALUD.
9. CAMBIOS QUE EL BIG DATA VA INDUCIR EN LA MEDICINA.
10. CAMPOS DE APLICACIÓN DEL BIG DATA: GENÓMICA, INVESTIGACIÓN CLÍNICA,
EPIDEMIOLOGÍA, OPERATIVIDAD CLÍNICA, FARMACOLOGÍA.
11. UTILIDAD PÚBLICA FRENTE A PRIVACIDAD.
12. BARRERAS Y RIESGOS DEL BIG DATA.
13. BIG DATA EN REDES SOCIALES Y SALUD PÚBLICA.
14. BIG DATA EN EL SISTEMA DE SALUD EN MÉXICO Y EN EL ESTADO DE GUERRERO.
15. MARCO LEGAL O REGULATORIO.
16. CONCLUSIÓN.
17. LINKOGRAFÍAS
4. D E F I N I C I Ó N
ÁLVAREZ LÓPEZ GUADALUPE
Se define al Big Data como activos
de información caracterizados por
su alto volumen, velocidad y
variedad, que demandan
soluciones innovadoras y eficientes
de conocimiento y toma de
decisiones en las organizaciones.
6. Cada 7 de abril se celebra
el Día Mundial de la Salud,
acción promovida por la
Organización Mundial de la
Salud (OMS), por lo que
cada año se elige un lema
con el fin de promover la
salud de todas las
personas.
BIG DATA Y SALUD
ÁLVAREZ LÓPEZ GUADALUPE
7.
8. 1800
a.e.c.
Uso de rudimentarios
métodos de
almacenamiento de
datos (palos o muecas
de hueso).
Surgen las primeras
bibliotecas como
lugar para almacenar
y consultar
conocimiento.
2400
a,c
Primer experimento de
análisis de datos
estadísticos, donde
teoriza un sistema de
alerta para la peste
bubónica en toda
Europa.
John Graunt
.
1663
ÁLVAREZ LÓPEZ GUADALUPE
9. • Desarrolla su
maquina
tabuladora.
• Funda una
compañía que
posteriormente
se conocería
como IBM.
Herman Hollerith
Primera maquina de
procesamiento,
desarrollada por
británicos para descifrar
los códigos nazis
durante la Segunda
Guerra Mundial.
1943
1880
ÁLVAREZ LÓPEZ GUADALUPE
Se creó la Agencia de
Seguridad Nacional
(NSA), que se
encarga de recopilar,
procesar información
y datos para asuntos
de estado.
Se crea la memoria
Virtual. El físico Fritz
Rudolf Guntsch
desarrolla esta idea
que trataba el
almacenamiento
finito como infinito.
1956
1944
10. Se proyecta el primer
data center en
Estados Unidos, para
guardar documentos
de impuestos y
huellas dactilares en
cintas magnéticas.
ÁLVAREZ LÓPEZ GUADALUPE
1959
En el instituto
Rockefeller de Nueva
York, se produjeron
las primeras
tentativas por aplicar
las computadoras al
campo de la salud.
1962
William C. Dersch
presenta la maquina
‘‘Shoebox’’. Este
sistema comprende la
voz por primera vez
1965
Se habla por primera
vez de Big Data.
Erick Larson
1989
11. Nace internet (Tim
Bernes-Lee), la
gran revolución de
la colección,
almacenamiento y
análisis de datos.
Google lanza su
sistema de
búsqueda.
1997
ÁLVAREZ LÓPEZ GUADALUPE
1991
Doug Laney, de
Gartner, define
las 3V´s del Big
Data.
2001
12. Los móviles superan
a los ordenadores en
acceso a internet, lo
cual contribuye a
generar muchos más
datos y mejorar la
conectividad con
otros dispositivos.
2014
ÁLVAREZ LÓPEZ GUADALUPE
• El Big Data se
convierte en la
palabra de moda.
• Se generaliza la
contratación de
expertos en el Big
Data, el ,Machine
Learning llega a las
fabricas y el internet
de las cosas empieza
a impregnarlo todo.
2016
Los datos llegan a
las masas.
2017
16. Las Vs del Big Data
V O L U M E N
El volumen es la cantidad masiva de
datos que se generan cada segundo,
minuto, hora o cualquier otra cifra de
tiempo estimada.
• En el ámbito de la salud, la
cantidad de datos generados es
inmensa.
• Datos de registros médicos,
imágenes, datos de sensores, etc.
• Desafíos de almacenamiento y
procesamiento.
HERNANDEZ CHUPIN MONSERRAT
17. Es la enorme velocidad en la
generación, recogida y proceso de la
información.
• Capaz de almacenar y procesar en
tiempo real millones de datos
generados por segundo por fuentes de
información tales como sensores,
cámaras de videos, redes sociales,
blogs, páginas webs.
Las Vs del Big Data
V E L O C I D A D
• La velocidad de generación de datos
en salud es crucial.
• Monitoreo en tiempo real de signos
vitales.
• Respuestas rápidas en situaciones
críticas.
HERNANDEZ CHUPIN MONSERRAT
18. Es la necesidad de agregar
información procedente de una
amplia variedad de fuentes de
información independientes: redes
sociales, sensores, máquinas o
personas individuales.
• Son datos estructurados y no
estructurados.
• Información de registros
médicos, imágenes, genómica,
redes sociales, etc.
• Integración y análisis de datos
de diversas fuentes.
Las Vs del Big Data
V A R I E D A D
HERNANDEZ CHUPIN MONSERRAT
19. La variabilidad en big data lo podemos definir de dos formas:
1. Como el número de inconsistencias en los datos. Estos deben ser
encontrados por métodos de detección de anomalías y valores atípicos
para que ocurra cualquier análisis significativo.
2. Así como la multitud de dimensiones de datos que resultan de múltiples
tipos y fuentes de datos dispares.
Las Vs del Big Data
V A R I A B I L I D A D
HERNANDEZ CHUPIN MONSERRAT
20. El Big Data es capaz de tratar y analizar
inteligentemente el gran volumen de datos con la
finalidad de obtener una información verídica y útil
que nos permita mejorar nuestra toma de decisiones.
Las Vs del Big Data
V E R A C I D A D
• Esto permite garantizar la
calidad y precisión de los
datos en el ámbito médico.
• Procedimientos para verificar
la autenticidad de los datos.
• Importancia en la toma de
decisiones clínicas.
21. Se refiere a la limpieza que tienen los datos, a cuán precisos y
correctos son para su uso. El beneficio del análisis de Big Data es tan
bueno como sus datos subyacentes, por lo que se deben adoptar
buenas prácticas de gobernanza de datos para garantizar una calidad
de datos coherente, definiciones comunes y metadatos.
Las Vs del Big Data
V A L I D E Z
HERNANDEZ CHUPIN MONSERRAT
22. Seguridad respecto a los datos.
Pues se han dado muchos casos de hackeo y
sustracción de macrodatos para posteriores
actividades ilegales.
Las Vs del Big Data
V U L N E R A B I L I D A D
HERNANDEZ CHUPIN MONSERRAT
23. Es el tiempo que deben almacenarse los datos.
Antes del Big Data, se tendía a guardar datos indefinidamente debido a
que en pequeños volúmenes apenas suponía gastos. Incluso podía
mantenerse en una base de datos en vivo sin causar problemas de
rendimiento.
Sin embargo, en la actualidad hay que establecer reglas para la
disponibilidad y la vigencia de estos datos, así como para garantizar una
recuperación rápida de la información cuando sea necesario.
Las VS del Big Data
V O L A T I L I D A D
HERNANDEZ CHUPIN MONSERRAT
24. Complejidad para visualizar datos.
La capacidad de visualizar y comprender
los datos de manera efectiva.
La visualización es clave para interpretar
grandes conjuntos de datos y comunicar
hallazgos de manera comprensible
Las Vs del Big Data
V I S U A L I Z A C I Ó N
HERNANDEZ CHUPIN MONSERRAT
25. Es la creación de una ventaja competitiva distintiva que presupone
una buena comprensión de las expectativas y necesidades del
cliente.
El objetivo principal: obtener información valiosa y práctica.
• Aplicaciones en diagnósticos, tratamientos personalizados,
investigación, etc.
• Transformar datos en conocimiento y mejorar la atención médica.
Las V del Big Data
V A L O R
HERNANDEZ CHUPIN MONSERRAT
Las otras características no
tienen sentido si no se obtiene
un valor, como puede ser:
comprender mejor a los
clientes, optimizar procesos,
mejorar el rendimiento
26. Volumen
Los datos de salud a
menudo son
masivos, incluyendo
registros médicos
electrónicos,
imágenes médicas,
datos genómicos,
datos de sensores,
etc.
Velocidad
La velocidad de
procesamiento de datos
es crítica, especialmente
en situaciones de
atención médica en
tiempo real, como el
monitoreo continuo de
pacientes o la detección
temprana de
enfermedades.
Variedad
Los datos de salud son
muy variados e
incluyen información
estructurada (por
ejemplo, resultados de
laboratorio), datos no
estructurados (notas
médicas), imágenes
médicas y datos
genómicos.
Veracidad
La precisión y la
confiabilidad de los
datos de salud son
fundamentales para
garantizar un
diagnóstico y
tratamiento precisos.
Valor
La capacidad para
extraer información
valiosa de los datos de
salud, como identificar
patrones
epidemiológicos,
personalizar
tratamientos o mejorar
la eficiencia operativa en
instituciones de salud.
Variabilidad
La variabilidad en los
datos de salud puede
deberse a diferencias
en los métodos de
recopilación,
diferentes formatos
de registros médicos,
y la variabilidad
inherente en las
respuestas biológicas
de los individuos.
Volatilidad
La relevancia de los
datos de salud puede
cambiar con el tiempo,
por lo que es importante
considerar la volatilidad
de los datos en la toma
de decisiones clínicas.
Visualización
La capacidad de
visualizar datos de
salud de manera
efectiva es esencial
para los profesionales
de la salud y los
investigadores para
entender patrones y
tendencias.
Viabilidad
La implementación
efectiva de
soluciones de Big
Data en el sector de
la salud debe abordar
cuestiones técnicas,
éticas y de seguridad
para garantizar la
viabilidad a largo
plazo.
Validez
La autenticidad y
relevancia de los datos
en el contexto de la
salud son
fundamentales para
garantizar que las
decisiones clínicas se
basen en información
precisa y actualizada.
Las Vs del Big Data
en Salud
HERNANDEZ CHUPIN MONSERRAT
27. BIG DATA:
Los 3 tipos del Big data
Pérez Álvarez Nasya Yeray
Estructurados No estructurados semiestructurados
28. Pérez Álvarez Nasya Yeray
Tipos de BIG DATA:
Estructurados
Cualquier tipo de datos que se pueda
almacenar, acceder y procesar en un formato
fijo.
Estos son modelos predefinidos que
generalmente son solo texto además de ser
fáciles de buscar y analizar
29. Pérez Álvarez Nasya Yeray
Son cualquier dato de forma desconocida o cuya
estructura se clasifica como un dato no
estructurado.
Además, de ser enorme en tamaño, los datos no
estructurados plantean múltiples desafíos con
respecto a su procesamiento para derivar valor
de ellos
Tipos de BIG DATA:
No Estructurados
30. Pérez Álvarez Nasya Yeray
Los datos semiestructurados pueden contener ambos
tipos de datos.
Suelen tener un formato que se puede definir, pero el
usuario no lo puede comprender fácilmente y
requiere el uso de reglas complejas que ayuden a
determinar cómo leer cada pieza de la información.
Tipos de BIG DATA:
Semiestructurados
31. Big data en el ámbito de la
salud
El Big data en salud o Big data en medicina
alcanza numerosos departamentos de un centro
sanitario, desde el de Recursos Humanos hasta
los de compras o las áreas de investigación.
La ingesta y el análisis de los datos generados en
las operaciones diarias sirven para obtener
conclusiones que mejoren las operaciones de
cada día y lo que resulta más interesante: hacen
avanzar la ciencia y mejoran la salud de la
ciudadanía.
JACINTOS DE LA CRUZ KIMBERLY
32. Se pueden obtener datos sobre salud de historias
clínicas electrónicas, dispositivos de telemedicina,
pruebas clínicas, e incluso de wearables. Asimismo,
aportan un valor añadido los datos epidemiológicos, los
nutricionales y los genómicos, más relacionados con lo
que se conoce como Real World Data (RWD) y con la
medicina personalizada.
Analizar esa información puede ayudar a tomar
decisiones tanto a los médicos como a los gestores de
los centros sanitarios, lo que repercute en un mejor
servicio de salud para los pacientes.
33. La aplicación de las denominadas técnicas de Big
Data permite inferir una capa de inteligencia, en la
que resulta de especial relevancia la aplicación de
modelos predictivos que ayuden a anticiparse a las
necesidades sanitarias y que ofrezcan una atención
médica más eficaz.
En el Instituto de Ingeniería del Conocimiento aplicamos
técnicas propias de análisis de la información que
permiten optimizar tanto la gestión clínica como el
tratamiento y la atención al paciente.
Ofrecemos, entre otros, servicios de alertas, predicción
de necesidades y generación de recomendaciones.
JACINTOS DE LA CRUZ KIMBERLY
35. M E D I C I N A 4P
Es considerada la base de la medicina de
precisión, y es que tiene como propósito
ser: Participativa, Personalizada,
Predictiva, Preventiva.
Tiene como objetivo: detectar y tratar
alteraciones en personas sanas mucho
antes de que evolucionen a una
enfermedad compleja, optimizando así el
bienestar de los individuos y evitando
complicaciones a futuro.
CALDERÓN ROSAS KAREN
36. CALDERÓN ROSAS KAREN
PREDICTIVA
PLANES Y RIESGOS
PREVIOS A LA
ENFERMEDAD
PARTICIPATIVA
PACIENTES INFORMADOS E
INVOLUCRADOS
PREVENTIVA
BUSCA SIGNOS Y SÍNTOMAS
TEMPRANOS DE
ENFERMEDAD
PERSONALIZADA
ENFOQUE EN EL INDIVIDUO
MEDICINA 4P
37. BENEFICIOS MEDICINA 4P
1
Anticiparse al desarrollo de
futuras enfermedades de
manera individualizada, en
función de las características de
cada persona.
2
Establecer la predisposición o
riesgo de una persona a
padecer una enfermedad o su
posible evolución.
3
Buscar alteraciones que
sirvan para diagnosticar una
enfermedad de manera más
precisa y temprana.
CALDERÓN ROSAS KAREN
38. 4
Realizar terapias dirigidas,
que se utilizarán sólo en
aquellos pacientes que
tengan esa alteración
genética.
5
Reducir toxicidades o
efectos secundarios de
algunos fármacos, que
pueden afectar a algunos
pacientes, gracias al ajuste
de dosis en función de las
características genéticas de
cada paciente.
CALDERÓN ROSAS KAREN
39. Jabel Ortiz Ramírez
Fuentes de información de Big Data en
salud
Big Data se refiere a la gran
cantidad de datos que se
producen en diferentes
formatos y en diferentes áreas
Existen numerosas fuentes de información
de big data en el ámbito de la salud
Historial
clínico
Exámenes
clínicos
Estudios
de
gabinete
Hoja de
enfermería
40. Historial
clínico
Es una de las principales
fuentes y repositorios de
datos en el ámbito de la
salud, ya que recopila
documentos clínicos que
hacen referencia al estado
de salud de una persona
Acceso inmediato
Administración de resultados
Soporte para la toma de
decisiones
Administración de
prescripciones
Soporte a los procesos
administrativos
Funciones del historial clínico
digital
Jabel Ortiz Ramírez
41. Perfil
hepático
Exámenes
clínicos
Son el estudio de muestras
biológicas del cuerpo que
pueden provenir de la sangre,
orina o tejido, entre otros,
logrando obtener resultados
que son interpretados por un
médico para confirmar o
descartar un diagnóstico.
Uroanálisis
completo
Perfil
renal
Hemograma
completo
Perfil
lipídico
Jabel Ortiz Ramírez
42. Estudios de
gabinete
Son aquellos estudios que no
están relacionados con el análisis
de muestras biológicas, sino con
imágenes o el monitoreo y registro
del funcionamiento de ciertos
órganos o sistemas
Radiografías Ultrasonidos
Resonancia magnética
Jabel Ortiz Ramírez
43. Hoja de
enfermería
Jabel Ortiz Ramírez
Es un registro escrito
elaborado por el personal de
enfermería acerca de las
observaciones del paciente,
tomando en cuenta su
estado físico, mental y
emocional, así como la
evolución de su enfermedad
Diagnostico medico
Signos vitales
Medicamentos administrados
Balance de líquidos
Valoración de enfermería
Datos proporcionados de la
hoja de enfermería
45. Santamaria Duran Miguel Ivan
Es una subdisciplina de la Inteligencia Artificial que está constatando tener un papel
cada vez más importante en todos los sectores. En especial, en el mundo sanitario.
Principalmente, se podría definir como la capacidad que tienen los ordenadores
para aprender y aportar soluciones de manera autónoma mediante el Big Data.
Este software se basa en un algoritmo que estructura los datos recopilados. De esta
forma, permite al sistema aportar soluciones de manera independiente a los
diferentes problemas que se puedan plantear. En este sentido se puede distinguir
diferentes clasificaciones del machine learning en función del ámbito en el que
actúe, aunque, siempre están presentes dos tecnologías:
El aprendizaje automático
El reconocimiento de patrones e imágenes
46. Santamaria Duran Miguel Ivan
El objetivo del Machine Learning en Medicina es el de proporcionar a las
herramientas informáticas un procedimiento que les posibilite procesar todos
los datos de información sanitaria, sobre todo provienen de las Historias
Clínicas. De esta manera, se pueden llevar a cabo una serie de acciones
relacionadas con la atención y gestión de la salud como:
Emitir diagnósticos que consigan ofrecer datos predictivos sobre ciertas
enfermedades
Conocer la efectividad que tendrá un tratamiento en un perfil concreto de
un paciente.
Utilidad del Machine Learning en Medicina
47. Santamaria Duran Miguel Ivan
Dota de herramientas avanzadas de soporte al proceso de toma de decisiones, tanto a los
profesionales de la salud, como al resto de usuarios del sistema sanitario
Ofrece información puntual, actualizada sobre procedimientos concretos, así como permite
solventar dudas o problemas que puedan aparecer en la práctica diaria.
Agiliza procesos fundamentales en la gestión sanitaria, tanto en temas de atención al paciente
como en la gestión sanitaria.
Propicia el diagnóstico precoz de muchas enfermedades, en especial en las enfermedades
oncológicas. Estas patologías se benefician notablemente de esta tecnología.
Diagnóstico no invasivo de ciertos problemas de salud.
Facilita la obtención de biomarcadores para ciertas enfermedades mediante la predicción precisa
del riesgo existente de contraer ciertas enfermedades.
Valora previamente los efectos que el tratamiento va a tener en cada persona.
Permite la consecución de una atención médica y una medicina cada vez más personalizada.
Aumenta la actividad de los profesionales.
Ahorra costes.
Facilita la innovación y el desarrollo de nuevos productos y servicios.
Principales aplicaciones y utilidades
48. Santamaria Duran Miguel Ivan
B-learning (Blended Learning)
también conocido como formación semipresencial, es la fusión de la
formación presencial con el uso de las TIC aplicadas a la educación. Con
esta modalidad los alumnos no solo cuentan con los beneficios de una
plataforma online, sino que tienen todas las ventajas de la asistencia a
clase para resolver dudas y realizar ejercicios con los que poner en
práctica los conocimientos adquiridos en los materiales de estudio.
Además, aumenta el sentimiento de comunidad entre los propios
participantes.
49. Santamaria Duran Miguel Ivan
E-Learning (Electronic Learning)
Se conoce también como teleformación o aprendizaje virtual, y es la evolución
de la formación a distancia tradicional a través de la correspondencia, pero
sumada al uso de la tecnología. Esta modalidad comparte con las otras dos la
opción de que sea el alumno el que marque su propio ritmo, además de permitir
la deslocalización del conocimiento combinando materiales auditivos, visuales y
audiovisuales, sin salir de la plataforma. Favorece el registro por parte de los
seguidores de toda la actividad realizada por los estudiantes (acceso, tiempo
dedicado, número de interacciones, etc.).
50. Santamaria Duran Miguel Ivan
M-Learning (Mobile Learning)
Implica el empleo de dispositivos móviles como herramientas de
aprendizaje y se considera el siguiente paso en el desarrollo de la
formación en línea, ya que potencia la idea de aprender desde
cualquier sitio y soporte (tablets, smartphone).
consiguiendo una interacción más inmediata a través de dispositivos
más pequeños, a menudo inalámbricos. Sin embargo, esta tendencia
deja fuera algunos contenidos, como aquellos que se apoyan en
programas tipo flash.
51. BENEFICIOS DEL BIG-DATA EN LA
SALUD
El Big Data (el análisis de
cantidades masivas) de
información puede ofrecer
enormes beneficios al
sistema sanitario.
El uso de herramientas de
tecnología digital capaces de
gestionar esa información nos
abre todo un mundo de
posibilidades para mejorar la
calidad y eficiencia de la
asistencia médica.
TORRES LAGUNAS LUIS ENRIQUE
52. BENEFICIOS DEL BIG-
DATA EN LA SALUD
•Ofrecer diagnósticos más precisos: Gracias
al análisis rápido y eficiente de grandes
cantidades de datos, resulta posible generar un
diagnóstico más exacto.
TORRES LAGUNAS LUIS ENRIQUE
53. BENEFICIOS DEL BIG-
DATA EN LA SALUD
•Mejora la prevención de
enfermedades: El análisis predictivo que
posibilita el big data nos ayuda a identificar
a los pacientes que tienen mayor riesgo de
padecer ciertas enfermedades.
TORRES LAGUNAS LUIS ENRIQUE
54. BENEFICIOS DEL BIG-
DATA EN LA SALUD
•Mayor adherencia a los
tratamientos y
seguimiento: El
procesamiento de grandes
cantidades de datos hace
posible que podamos
monitorizar información
detallada sobre el estado de
los pacientes, su tratamiento
y sobre medicina preventiva.
TORRES LAGUNAS LUIS ENRIQUE
55. BENEFICIOS DEL BIG-DATA
EN LA SALUD
•Diseño y desarrollo de
nuevos
medicamentos: Toda esta
cantidad de información
generada, a la que ahora
podemos acceder y podemos
interpretar gracias al big
data, puede utilizarse
además para crear nuevos
fármacos que se ajusten
mejor a las necesidades
médicas actuales.
TORRES LAGUNAS LUIS ENRIQUE
56. BENEFICIOS DEL BIG-DATA
EN LA SALUD
•Reducción de costos del
sistema: La utilización de
estos métodos que agilizan
los procesos nos permiten
acortar considerablemente
los costos al ofrecer atención
médica.
TORRES LAGUNAS LUIS ENRIQUE
57. Cambios que Big Data va
inducir en la medicina
El Big data está teniendo un impacto significativo en el
campo de la medicina, introduciendo cambios sustanciales
en la forma en que se recopila, analiza y utiliza la
información de salud.
HERNANDEZ CHUPIN MONSERRAT
58. Diagnostico más preciso
Medicina personalizada
Gestión de enfermedades crónicas
Investigación clínica y descubrimiento de medicamentos
Predicción y prevención de enfermedades
HERNANDEZ CHUPIN MONSERRAT
59. Mejora de la eficiencia operativa
Seguridad del paciente
Interoperabilidad de datos
Telemedicina y monitoreo remoto
HERNANDEZ CHUPIN MONSERRAT
60. • Permite analizar grandes conjuntos de
datos clínicos y genómicos
Diagnostico más
preciso
• Con el análisis de grandes cantidades de
datos genómicos y moleculares, es posible
personalizar los tratamientos según las
características genéticas y biológicas de
cada paciente.
Medicina
personalizada
• El seguimiento continuo de datos de
pacientes a través de dispositivos
médicos conectados y aplicaciones de
salud
Gestión de
enfermedades
crónicas
HERNANDEZ CHUPIN MONSERRAT
61. • El Big data acelera el proceso de investigación al
permitir el análisis de grandes conjuntos de
datos.
• Facilita la identificación de posibles objetivos
terapéuticos y acelera el descubrimiento de
nuevos medicamentos.
Investigación clínica y
descubrimiento de
medicamentos
• Los algoritmos de aprendizaje automático
aplicados a grandes conjuntos de datos pueden
ayudar en la predicción de enfermedades antes
de que se manifiesten clínicamente
Predicción y
prevención de
enfermedades
• Optimiza la gestión de recursos en entornos
médicos, mejorando la eficiencia en la
programación de citas, la gestión de inventarios
de medicamentos y la planificación de recursos
humanos.
Mejora de la
eficiencia operativa
HERNANDEZ CHUPIN MONSERRAT
62. • El análisis de big data puede identificar
patrones que sugieren posibles eventos
adversos antes que ocurran.
• Facilita el seguimiento de la calidad de la
atención médica.
Seguridad del
paciente
• La interoperabilidad de datos, facilitada por big
data, permite compartir información entre
diferentes sistemas de salud, mejorando la
continuidad de la atención y reduciendo errores
médicos.
Interoperabilidad
de datos
• Big data es fundamental para la
telemedicina, permitiendo el monitoreo
remoto de pacientes y la transmisión de
datos en tiempo real para la toma de
decisiones médicas.
Telemedicina y
monitoreo remoto
HERNANDEZ CHUPIN MONSERRAT
64. Trata de encontrar la manera de capturar,
almacenar, procesar e interpretar toda esa
información biológica codificada en el
genoma humano.
La aplicación de técnicas de Big Data se
puede predecir con un mayor nivel de
certeza si un individuo es mas propenso o
no a desarrollar una patología en función
de sus factores genéticos.
ÁLVAREZ LÓPEZ GUADALUPE
65. Con la implementación de el Big Data, los
profesionales sanitarios pueden llegar a
ofrecer diagnósticos más ajustados y de
forma que estén mejor respaldados desde
una perspectiva científica.
Los principales beneficios de la aplicación del
Big Data a la investigación clínica son:
Mayor precisión y
rapidez a la hora
de determinar las
causas de las
enfermedades y
establecer mejores
soluciones.
Ofrecer una
mayor calidad de
la documentación
científica.
Conseguir una
disminución del infra
diagnóstico de
aquellas patologías
para las que la
industria farmacéutica
dispone de opciones
terapéuticas
comercializadas.
ÁLVAREZ LÓPEZ GUADALUPE
66. La aplicación de Big Data en la asistencia sanitaria es la lucha contra las
epidemias.
Para predecir la propagación del virus Ébola en
África, los profesionales sanitarios han estado
utilizando datos de geolocalización de los
teléfonos móviles de población para realizar un
mejor seguimiento de sus movimientos, con el
fin de que los profesionales sanitarios pueden
utilizar la analítica de Big Data en tiempo real
para saber donde se esta extendiendo un
virus y a que ritmo.
EJEMPLO
ÁLVAREZ LÓPEZ GUADALUPE
67. Los estudios poblacionales a gran escala suelen tener costos
elevados, por lo que el Big Data en epidemiologia pueden ayudar a
contener dichos costos, gracias a diversos factores:
ÁLVAREZ LÓPEZ GUADALUPE
68. En 2014, se realizó una encuesta a 10.730
personas en 10 países (Australia, Brasil,
Canadá, EEUU, España, Italia, Noruega, Japón,
Singapur y el reino Unido) preguntando por sus
percepciones en relación al uso de la tecnología
para gestionar su salud.
CASO DE ESTUDIO
Los resultados del estudio indican que las
personas mayores, con mayor prevalencia de
las patologías crónicas, están muy Interesadas
en acceder a una serie de aplicaciones de
tecnología digital para poder administrar mejor
su salud.
DESARROLLO
ÁLVAREZ LÓPEZ GUADALUPE
69. Dispositivos de vigilancia de la salud para
rastrear los signos vitales, como por
ejemplo la frecuencia cardíaca o la
presión arterial.
Los registros de salud electrónicos
para la gestión de su propia salud.
Aquellas tecnologías que nos van a
permitir de manejar de forma
independiente nuestra salud
70. OPERATIVIDAD CLÍNICA
Conjunto de decisiones
estratégicas, tácticas y operativas
sobre la planificación, gestión de
los recursos con la finalidad de
optimizar la calidad y la eficiencia
de la atención sanitaria.
¿Qué es?
Se puede conseguir una
operativa clínica más
efectiva y eficaz,
proporcionando información
en tiempo real al personal
de salud para mejorar el
triage
CON EL BIG DATA
ÁLVAREZ LÓPEZ GUADALUPE
71. FARMACOLOGÍA
El Big Data en la farmacología permite
conseguir un mejor ajuste del precio de
los nuevos tratamientos, combinando
no sólo la eficacia comprobada en los
ECA, sino también la efectividad
contrastada en el entorno real. También
puede evaluar e uso de los productos
actuales en el mercado e identificar los
usos no deseados e indicaciones
inadecuadas.
ÁLVAREZ LÓPEZ GUADALUPE
72. Las pruebas no son
ciegas, conocen el
medicamento que se
esta administrando.
El fármaco es
estudiado en pacientes
con una enfermedad
determinada a tratar.
El propósito de obtener
datos que sustente o
no la eficacia y la
seguridad del nuevo
fármaco con respecto a
un fármaco de
referencia.
Vigilancia continua de
la seguridad de nuevo
medicamento en las
condiciones reales de
uso en un gran número
de pacientes.
FASE I FASE II
FASE III FASE IV
DESARROLLO DE NUEVOS
MEDICAMENTO
ÁLVAREZ LÓPEZ GUADALUPE
73. Utilidad pública frente a
privacidad
PRIVACIDAD
LA PRIVACIDAD DEL PACIENTE ES SU DERECHO A
DECIDIR CUÁNDO, CÓMO, Y HASTA QUÉ PUNTO
OTROS PUEDEN ACCEDER A SU INFORMACIÓN
MÉDICA PROTEGIDA (PHI).
SE MANTIENE LA CONFIDENCIALIDAD Y
SOLAMENTE COMPARTE SU INFORMACIÓN CON
AQUELLOS QUE LA NECESITAN PARA BRINDAR
SERVICIOS MÉDICOS.
74. • ¿Qué es la seguridadde la información médica
electrónica?
Los grupos médicos almacenan imágenes,
resultados médicos, notas de los médicos,
medicamentos, alergias, y otras
informaciones electrónicas. Los médicos
tienen la responsabilidad primaria de “no
dañar”. Esta responsabilidad incluye
proteger su información, su privacidad, y
su confidencialidad.
JACINTOS DE LA CRUZ KIMBERLY
75. La seguridad de la información médica electrónica puede afectar la calidad de los cuidados del
paciente y los derechos del paciente.
También puede impactar las prácticas laborales y las responsabilidades legales de los
profesionales de la salud.
Los médicos pueden tomar las mejores decisiones para sus cuidados si pueden acceder a su
historia médica completa.
La falta de acceso puede demorar decisiones importantes y dañar su salud.
Los métodos de protección deben mantener su información privada y confidencial y al mismo
tiempo permitir que individuos autorizados puedan acceder a la misma rápidamente.
¿Porquésonimportantesla seguridady laprivacidaddelpaciente?
JACINTOS DE LA CRUZ KIMBERLY
76. Varios sistemas de seguridad protegen
su privacidad, seguridad, e integridad
de su información. Al mismo tiempo,
estos sistemas de seguridad permiten
a los médicos el acceso para que
puedan brindarle sus cuidados
médicos. Los sistemas de seguridad
físicos incluyen:
• La utilización de aparatos de almacenamiento
codificados o encriptados
• La restricción física del acceso solamente al
personal autorizado
• La preservación de copias y la creación de copias
de seguridad
• El mantenimiento de protocolos de emergencia
¿CÓMO SE MANTIENE SEGURA Y PRIVADA LA
INFORMACIÓN MÉDICA?
JACINTOS DE LA CRUZ KIMBERLY
77. Los registros médicos electrónicos
(EMRs) deben incluir lo siguiente en
sus normas y procedimientos de
seguridad:
autorización
autentificaci
ón
disponibilidad
confidencialid
ad
integridad
de los datos
no repudio.
JACINTOS DE LA CRUZ KIMBERLY
78. Uno de los principales desafíos del Big Data
es la protección de la privacidad y la
seguridad de los datos personales.
A medida que se recopilan grandes
cantidades de datos, existe un riesgo de que
la información confidencial caiga en manos
equivocadas o se utilice indebidamente.
1.- Privacidad y seguridad de los datos personales
Barreras y riesgos
del Big Data
Jabel Ortiz Ramírez
79. El análisis y la interpretación de
grandes volúmenes de datos
pueden ser una tarea compleja que
requiere conocimientos
especializados.
No basta con recopilar datos, sino
que también es necesario
comprender su significado y extraer
información relevante.
2.- Complejidad y necesidad de
conocimientos especializados
Jabel Ortiz Ramírez
80. El Big Data puede ampliar la brecha
digital y aumentar la desigualdad en el
acceso a la información.
Aquellas personas o comunidades con
menos recursos o acceso limitado a la
tecnología pueden quedar rezagadas
y no beneficiarse de las ventajas que
ofrece el análisis de datos a gran
escala.
3.- Brecha digital y desigualdad en
el acceso a la información
Jabel Ortiz Ramírez
81. Muchas empresas utilizan
herramientas heredadas, como hojas
de cálculo, para recopilar datos, lo que
no solo se arriesga a cometer errores
manuales, sino también a mantener
separados otros datos relevantes.
4.- Sistemas obsoletos
Jabel Ortiz Ramírez
82. Big Data en salud pública:
Potencial de las redes
sociales
Pérez Álvarez Nasya Yeray
Salud
pública
Asegurarse que la población esta
recibiendo los cuidados de calidad
necesarios
Cambios en los patrones de
enfermedad
Detectar eventos significativos
que pueden afectar la salud y
atención en salud.
83. Pérez Álvarez Nasya Yeray
Redes
sociales
Las redes sociales representan
una diversa colección de
información y un servicio de
comunicación que facilita la
interacción entre grupos
84. Pérez Álvarez Nasya Yeray
Redes sociales
Es innegable que el papel de las
redes sociales en el sector de la
salud está creciendo
considerablemente.
El entorno digital y el sector
salud avanzan cada vez más
unidos, casi el 80% de los
pacientes consultan antes en
Internet que a su propio médico.
85. Pérez Álvarez Nasya Yeray
Redes
sociales
Desarrollaron un modelo basado en
aprendizaje supervisado para evaluar si las
interacciones relacionadas al abuso de
opiáceos en twitter podría reflejar las
muertes por sobredosis de las bases de
datos gubernamentales de Pensilvania,
EE.UU.
86. ¿Cómo podrian las redes sociales ayudar
a la salud publica?
Pérez Álvarez Nasya Yeray
• Detección temprana de brotes
de enfermedades.
• Monitoreo
• Rastreo de
sentimientos/sensaciones
frente a eventos
88. Santamaria Duran Miguel Ivan
En México existen alrededor de 23,260 unidades de salud, de las cuáles,
84% pertenecen al sector público y 16% al privado. Cada unidad
médica, sin importar el sector, cuenta con tecnología para recabar
información de los pacientes, sin embargo, 80% de estos datos no se
encuentran estructurados y tampoco se aprovechan.
89. Tecnologías medicas:
Hiperpersonalizacion en la
salud
Telemedicina Nanomedicina
Tecnología de
punta
Salud
Servicios de salud
a distancia
mediante
tecnologías de la
información y la
comunicación
(TIC)
Es clave en aplicaciones
diagnosticas y
terapéuticas:
Sanar gracias a
nanorobots en el
torrente sanguíneo, se
estima que el mercado
de la nanomedicina
crecerá cerca de 20%
anual de 2022 a 2027,
llegando a tener un
valor de 37.5 billones de
dólares.
Implementación de tecnología
de punta en el sector: big data e
inteligencia artificial (IA) para
gestionar bases de datos cada
vez mas complejas. Asimismo,
la IA se utiliza con el objetivo de
mejorar la precisión de
diagnosticos, reducir errores y
optimizar decisiones.
La pandemia de COVID 19 potencio el número de ejercicios para usar
blockchain en el sector salud. Uno de sus usos propone la creación y
seguimiento de los registros mediante esta tecnología, con la
posibilidad de consultar los expedientes médicos en cualquier parte
del mundo
90. 1
Favorece sectores
como: desarrollo de
software, TIC y
ciberseguridad
2
Se requerirán cada
vez más especialistas
profesionales en
cuanto a TIC y soporte
técnico
3
El análisis de big data de
pacientes, registros médicos o
historias clínicas permite
identificar para mejorar los
diagnósticos y tratamientos
Impactos positivos de la telesalud en la
economía destacan:
91. Telesalud en
México
85%
De las
organizaciones del
sector atendieron a
pacientes vía
Telesalud
Entre
2021 y 2020, las
acciones en tesalud
crecieron
42%
En 2021, se llevaron a
cabo más de
8.1 Millones
De acciones de
telemedicina
92. Actualmente, organismos como la Organización
Mundial de la Salud (OMS), la Organización
Panamericana de la Salud (OPS) y la Organización de las
Naciones Unidas para la Educación, la Ciencia y la
Cultura han dado pasos muy importantes en el tema,
pues han diseñado estrategias globales de salud digital.
95. L I N K O G R A F Í A
• Luna, D. (2020, August 10). El futuro de la medicina: cambios y desafíos para tener en cuenta. Gente
Saludable. https://blogs.iadb.org/salud/es/futuro-de-la-medicina/
• (N.d.). Ontsi.Es. Retrieved October 10, 2023, from
https://www.ontsi.es/sites/ontsi/files/Informe%20Big%20Data%20en%20Salud%20Digital.pdf#page19
López, A. (2021, October 10). Big Data ¿Cómo ha transformado el campo médico y de la salud? Institutohumart.org.
https://institutohumart.org/big-data-como-ha-transformado-el-campo-medico-y-de-la-salud/
• Blanco, J. M. (2023, January 26). Big data para mejorar la sanidad. Plain Concepts.
https://www.plainconcepts.com/es/big-data-salud/
• Salud. (2015, November 19). Instituto de Ingeniería del Conocimiento.
https://www.iic.uam.es/soluciones/salud/
• Rodríguez-González, E. M. C. G. (n.d.). BIG DATA EN SALUD: RETOS Y OPORTUNIDADES. Gob.Es.
Retrieved October 12, 2023, from
https://www.mincotur.gob.es/Publicaciones/Publicacionesperiodicas/EconomiaIndustrial/RevistaEconomiaIn
dustrial/405/menasalvas,%20gonzalo%20y%20rodr%C3%8Dguez.pdf
96. • Admin. (2022, 15 noviembre). Big data en el sector de la salud | Datahack Blog. Datahack.
https://www.datahack.es/aplicaciones-big-data-salud/
• 5 desafíos de big data que frenan a las empresas. (2021, 7 octubre).
https://www.jll.com.co/es/trends-and-insights/espacios-de-trabajo/5-desafios-de-big-data-que-frenan-
a-las-empresas
• De Ingeniería Del Conocimiento, I. (2021). Big data en medicina: aplicaciones útiles. Instituto de
Ingeniería del Conocimiento. https://www.iic.uam.es/lasalud/big-data-en-medicina-aplicaciones-utiles/
• Diariofarma. (2019). El papel de las redes sociales en la salud. diariofarma.
https://diariofarma.com/2019/06/12/el-papel-de-las-redes-sociales-en-la-
salud#:~:text=Gracias%20a%20las%20redes%20sociales,fondos%20de%20investigaci%C3%B3n%
20entre%20otros.
• DIS TV. (2020, 3 septiembre). Ateneo 521 - Big data en salud pública: potencial de las redes sociales
[Vídeo]. YouTube. https://www.youtube.com/watch?v=T4CisQpTKic
• (S/f). Researchgate.net. Recuperado el 9 de octubre de 2023, de
https://www.researchgate.net/publication/344442413_Salud_digital_el_marco_legal_y_regulatorio_
en_Mexico_Avances_y_Retos
• Radiological Society of North America (RSNA), & American College of Radiology (ACR).
(n.d.). Privacidad del paciente y seguridad de la información médica electrónica. Radiologyinfo.org.
Retrieved October 12, 2023, from https://www.radiologyinfo.org/es/info/article-patient-privacy