1

La tormenta perfecta de los datos de atención médica

Por qué las organizaciones sanitarias se ahogan en los datos que crean y por

qué necesitan aún más datos para sobrevivir a esta tormenta

Por William A. Burns Agosto de 2014

1

Contenido

Resumen ejecutivo ....................................................................................................... 2

Acerca del desafío ........................................................................................................ 3

Datos no estructurados ................................................................................................................................................... 4

Metadatos .......................................................................................................................................................................... 5

Metadatos asociativos ..................................................................................................................................................... 7

Conclusión .................................................................................................................... 8

Apéndice A: Referencias............................................................................................... 8

Apéndice B: Acerca del autor ........................................................................................ 8

2

Resumen ejecutivo

Las organizaciones sanitarias modernas de hoy, desde los hospitales hasta el sector de Ciencias biológicas y

los pagadores de atención médica, están luchando por seguir el ritmo de cada dato que crean. La información de

los registros médicos electrónicos (EMR, Electronic Medical Record), las imágenes médicas, los informes de documentos

digitalizados, los archivos de voz dictados y los videos de movimiento completo son solo una pequeña muestra

de las cantidades masivas de datos recopilados en el proceso de atención al paciente, la investigación biomédica

y la administración de reclamos médicos.

Los directores de informática que se enfrentan a una avalancha de datos que hasta ahora no habían visto se ven

igualmente afectados. A diferencia del complejo pero manejable problema relacionado con la administración de bases

de datos estructurados, desde datos masivos hasta rutinarios, la nueva amenaza es la administración de los propios

archivos individuales. Este nuevo obstáculo, que alcanza a servidores de archivos, sitios de Microsoft® SharePoint

®

y a miles de aplicaciones médicas que pueblan el paisaje de la atención sanitaria actual, simplemente se denomina

datos no estructurados.

Este white paper lo ayudará a comprender cómo y por qué existe este problema. Se explora por qué introducir aún más

información en este paradigma de activos de datos no estructurados es la única manera de anticiparnos a cada dato que

creamos. Se analiza la importancia de restaurar el valor a largo plazo para esta clase de datos más crítica y brindar una

infraestructura rentable a fin de gestionar la información sobre la atención médica actual. Además, se explica cómo estos

esfuerzos son fundamentales para controlar los costos de la atención médica y aumentar al máximo el valor de la

información médica.

3

Acerca del desafío

Existe un aumento sin precedentes de datos en las organizaciones sanitarias en todo el mundo. Lejos de un gráfico del

“palo de hockey” que nos afectará dentro de 5 a 15 años, esto es la realidad de hoy. El crecimiento de datos tiene lugar

con tanta velocidad y veracidad que solo mirar los números dejará a las organizaciones pensando en cómo sobrevivir a

esta avalancha de datos, y ni hablar de dar sentido a esta información valiosa.

Tenga en cuenta la cantidad de fuentes de datos. La tecnología médica actual posibilita explorar con un escáner un único

órgano en 1 segundo y completar una exploración de todo el cuerpo en aproximadamente 60 segundos. El resultado es

casi 10 GB de datos de imágenes sin procesar que se envían a un sistema de almacenamiento y comunicación de

imágenes (PACS, Picture Archive and Communications System) de un hospital.

Las áreas clínicas en su inicio digital, como la patología, proteómica y genómica, que son la clave de la medicina

personalizada, pueden generar más de 2 TB de datos por paciente. A eso, añada la investigación y el desarrollo de

dispositivos y compuestos médicos avanzados, que generan terabytes durante sus largos procesos de desarrollo,

prueba y aprobación.

Finalmente, considere el impacto de los registros médicos electrónicos, que ya son obligatorios en muchos países

europeos y asiáticos, y que pronto serán obligatorios para cada paciente en los Estados Unidos. Estas fuentes de datos

son solo la punta del iceberg. Tenga en cuenta los miles de dispositivos médicos en uso hoy que crean archivos

individuales o datos no estructurados (vea la Figura 1)1 durante el proceso de atención al paciente. La información se

almacena en incontables computadoras, servidores y sistemas de almacenamiento. Es imposible ignorar el impacto que

la generación de baby boomers jubilada tendrá en nuestros sistemas globales de atención médica. Es ampliamente

aceptado que las enfermedades crónicas constituyen la mayoría de los costos de atención médica y que se usa un 80 %

de la atención médica de una persona en sus últimos 20 años de vida. Dado que la generación de baby boomers jubilada

en todo el mundo hace un mayor uso de los sistemas de atención médica, el enorme volumen de datos llevará a muchas

instituciones a sobrepasar el límite

1 “Consumption of Disk Storage by Capacity: Forecast, Recovery, Efficiency and Digitization Shaping Customer Requirement for Storage Systems,” IDC, mayo de 2010.

4

Figura 1. Utilización de capacidad de disco por tipo de dato

Datos no estructurados

La atención médica, como muchos otros sectores, se está apresurando en develar el poder del análisis de amplio

alcance. La atención médica busca las capacidades para comparar millones de diagnósticos por imágenes en búsqueda

de relaciones y resultados de estudios por imágenes de laboratorio comunes a fin de obtener patrones demográficos y

marcadores genéticos. Estas y muchas otras formas de minería analítica son algunas de las claves para develar nuevos

compuestos médicos y brindar atención de una manera mucho más segura y rentable.

Sin embargo, son los propios datos los que evitan que develemos estas riquezas analíticas nunca reveladas. Lejos del

mundo obediente, alineado y ordenado de las bases de datos y los datos estructurados yace el tipo de activo de datos

médicos de más rápido crecimiento que tenemos hoy: los datos no estructurados. Esto incluye archivos de diagnóstico

por imágenes, informes de tratamiento y registros tanto en papel como digitalizados.

El crecimiento de los datos no estructurados está cerca de alcanzar proporciones epidémicas. Además, acumular estos

datos en los depósitos de contenido en los que necesitamos ejecutar nuestros esfuerzos analíticos resulta prácticamente

imposible (vea la Figura 2)2.

Los datos no estructurados son grandes y difíciles de mover. Su propia definición no brinda información sobre su

contenido, valores o propósitos de existencia. Para simplificar la administración de los datos no estructurados y develar

2 “Storage Consumption by Data Type: Forecast, Recovery, Efficiency and Digitization Shaping Customer Requirement for Storage Systems,” IDC, mayo de 2010.

5

su valor subyacente, tanto los proveedores de almacenamiento como de aplicaciones deben moverse de forma rápida

para adoptar metadatos; deben desarrollar nuevos paradigmas a fin de crear, gestionar y utilizar metadatos.

Figura 2. Consumo de almacenamiento por tipo de dato

Metadatos

Por lo tanto, ¿cómo solucionamos este problema? ¿Cómo evitamos la avalancha de datos y aprovechamos este tipo

más valioso de información: información sobre nuestra salud y bienestar? Mediante la adición de más datos a la pila:

no cualquier dato, sino un tipo muy dinámico y activo de datos denominado metadatos.

¿Qué son los metadatos? Sencillamente, son “datos acerca de datos”. Los metadatos describen otros datos y, en el

contexto de nuestro debate, son enormes cantidades de archivos de datos no estructurados que se acumulan a un ritmo

cegador. Brindan información sobre el contenido de un determinado elemento. Por ejemplo, una imagen médica puede

contener metadatos que describen qué tan grande es la imagen, la profundidad de bits, la resolución de la imagen,

la fecha de creación y otros datos acerca del procedimiento médico. Los metadatos de un documento de texto pueden

contener información acerca de la longitud del documento, el autor, la fecha en la que se escribió y un breve resumen del

documento para incluir opiniones o resultados clínicos.

Si bien esto puede parecer algo académico y etéreo, muchos de nosotros estamos expuestos a metadatos casi a diario a

través del dispositivo más popular y ubicuo basado en metadatos: el iPod. El universalmente generalizado iPod de Apple

Computer no es sino un dispositivo de almacenamiento de contenido fijo administrado a través de metadatos. Cargamos

nuestros MP3, películas MPEG, audio libros y fotografías (contenido fijo) en nuestros iPod por miles, y estos datos nunca

cambian. Son datos estáticos que permanecen igual hasta que los eliminamos o se eliminan de otra forma. Con frecuencia,

nuestros metadatos se crean para nosotros, como el título de una canción, el artista y el álbum. Sin embargo, también

6

pueden ser un tipo dinámico y activo de datos. Por ejemplo, pueden informar: “Esta es una de mis canciones favoritas,

la he escuchado ‘x’ veces, la última vez que la escuché fue el ‘x’ y es similar a estas otras canciones del mismo género”.

Son los metadatos que creamos sobre cada objeto de contenido fijo en nuestros iPod lo que lo hacen tan fácil de usar

y único en el mundo de los reproductores MP3.

Si bien el ejemplo del iPod es bastante simple, esta noción de metadatos autoasignados en el iPod es mucho más

avanzada de lo que podemos encontrar en los sistemas corporativos y de información de la atención médica hoy.

En la actualidad, los tipos comúnmente aceptados de metadatos en uso en estas áreas incluyen:

Metadatos básicos. Estos son datos de nivel bajo, como información de nivel de bloque sobre dónde se almacenan los datos y con qué frecuencia se accede a estos.

Metadatos a nivel de archivo. Son datos más complejos de los sistemas de archivos.

Metadatos a nivel de contenido. Estos metadatos pueden encontrarse en los sistemas de administración de contenido, como el tipo de archivo. También puede incluir otros datos más significativos derivados de su propio contenido, por ejemplo: “¿este informe hace referencia a una resonancia magnética?” o “¿este informe de resonancia magnética es positivo?”

Figura 3. Modelo de metadatos asociativos

Cada tipo de metadatos es procesable. Por ejemplo, los metadatos básicos pueden utilizarse para automatizar la

asignación de niveles, los datos del sistema de archivos pueden utilizarse para agilizar el rendimiento y los metadatos de

7

alto nivel pueden utilizarse para tomar medidas empresariales. El desafío clave es cómo capturar, procesar, analizar y

gestionar todos estos metadatos de manera conveniente. Los metadatos estáticos (por ejemplo, nuestros iPod) no nos

llevarán más lejos. Para alcanzar el siguiente nivel, los metadatos deben ser dinámicos, se deben generar de forma

automática, ser capaces de cambiar con el tiempo y asociarse con el mundo de dispositivos en el que interactuamos.

De manera similar a los modelos tradicionales para equipos informáticos o la interacción sistemática con servidores,

las redes y los dispositivos de almacenamiento, los modelos de metadatos deberán avanzar más allá del nivel básico.

Deberán moverse a modelos como los que se muestran en la Figura 33.

Los metadatos asociativos son tan solo uno de los muchos paradigmas nuevos y fascinantes para ayudarnos a hacer

frente a las enormes cantidades de datos no estructurados que estamos observando en nuestros entornos actuales de

atención médica. Los metadatos asociativos son un paradigma en el que los activos de datos no estructurados se indizan

sobre la base de distintos tipos de información. Estos datos pueden variar según la fuente, el contenido, el contexto de

creación e, incluso, su relevancia para un usuario. Permiten que un usuario encuentre dichos archivos sin la necesidad

de registrar un nombre de archivo o ubicación.

Metadatos asociativos

Los metadatos asociativos permiten a un usuario adaptar los criterios utilizados en una búsqueda de archivos. El usuario

puede dictar qué criterios son importantes y cuáles no en la búsqueda de un determinado archivo. Sin embrago, incluso

este paradigma de metadatos asociativos, aplicado de forma estática o por las aplicaciones que generan este contenido,

no llega a dónde necesitamos estar para alcanzar un verdadero éxito.

En este momento, se está realizando una labor pionera sobre robots de metadatos que aplican metadatos asociativos a

medida que los propios datos de contenido se forman y que continúa mejorando una secuencia de metadatos de tipo de

contenido de manera dinámica y a largo plazo. Reducir esta brecha también nos permitirá entrar en la era de “Contenido

de datos polimórficos”, donde nuestros datos de contenido raíz existen de diversas formas a través de nuestro universo

de datos.

Los metadatos en sí se están convirtiendo rápidamente en la barrera para el análisis y la administración de datos

empresariales. Se ha dicho que nuestra creciente crisis económica ha acelerado la adopción de la computación en

la nube. La nube prometió gastos de capital reducidos, modelos de servicios de pago por uso y un mundo sobre pedido

al alcance de la mano. Sin embargo, la creación, administración y utilización de metadatos en las aplicaciones

comerciales pueden detener la computación en la nube. Los crecientes bloques de almacenamiento y los depósitos de

contenido basados en la nube pronto se convertirán en agujeros negros donde verteremos nuestros datos: que nunca

se volverán a ver, utilizar ni comprender. Sin embargo, develar metadatos alberga una gran promesa y cambios de

paradigma en lo que respecta a cómo abordamos nuestros datos. En lugar de introducir datos en un gran almacén de

Big Data, los conceptos como metadatos asociativos permiten distribuir los metadatos y habilitar conceptos de

procesamiento paralelo para que funcionen en conjunto. Al permitir que los metadatos permanezcan distribuidos,

los grandes volúmenes de datos se pueden administrar y analizar en tiempo real o casi real y, así, proporcionar una

función escalonada en la explotación de metadatos.

3 “Angels in our Midst: Associative Metadata in Cloud Storage,” Tom Coughlin y Mike Alvarado, descargado el 3/11/2011, Coughlin Associates, www.tomcoughlin.com/Techpapers/Angels+in+our+Midst,%20102710.pdf

8

Conclusión

Vencer la tormenta de datos se torna cada día más difícil y pocas organizaciones sanitarias están abordando este

problema con eficacia. El desafío de lograr una mejor compresión de cómo crear, capturar, gestionar y explotar

metadatos es un problema muy a corto plazo que los profesionales de la administración de la información deben abordar

hoy. El almacenamiento de datos distribuidos se identificó como uno de los desafíos en nuestro camino hacia la

computación en la nube. Sin cambios de paradigmas en la administración de metadatos, como los metadatos asociativos,

nuestras iniciativas de computación en la nube corren el riesgo de convertirse rápidamente en “agujeros negros” de datos

perdidos y poca relevancia.

Como líder mundial en la administración de datos, Hitachi Data Systems permite que las industrias den sus primeros

pasos hacia un futuro de datos más productivo. Hitachi Content Platform y sus capacidades de secuencia de metadatos

incorporadas y definidas de forma sistemática revolucionaron la administración e implementación de las aplicaciones.

Los desafíos de brindar una mayor calidad de atención en un modelo más eficiente y rentable son temas comunes en

todas las organizaciones de investigación y servicio de atención médica en todo el mundo. Nuestra capacidad de generar

información sobre nuestra salud y bienestar nunca ha sido más avanzada; es nuestra capacidad para comprender esta

información y aprovechar el poder que brinda lo que señala el camino hoy. Los metadatos se están convirtiendo en

la clave para superar los desafíos de datos de la atención médica actual. Nuestra capacidad para adoptarlos es nuestra

única limitación.

Apéndice A: Referencias

“A Novel Taxonomy for Consumer Metadata,” T. M. Coughlin y S. L. Linfoot, Conferencia ICCE 2010 realizada en

enero de 2010.

“Angels in our Midst: Associative Metadata in Cloud Storage,” Dr. Tom Coughlin y Dr. Mike Alvarado, septiembre de

2010, http://www.tomcoughlin.com/Techpapers/Angels+in+our+Midst,%20102710.pdf.

“Distributed Computing Economics,” J. Gray, Queue, vol. 6, n°. 3, págs. 63-68, 2008.

“A Case Study: Polymorphic Query Languages and Their Impact on Data Structures,” A.E. Lindite, University of Utah,

abril de 2009.

“Efficient Metadata Management for Cloud Computing,” Verma, Abhishek; Venkataraman, Shivaram; 19 de enero de

2010, http://hdl.handle.net/2142/14820.

Apéndice B: Acerca del autor

William A. Burns

Vicepresidente, Ciencias de la Salud Global, Hitachi Data Systems

William Burns se incorporó en Hitachi en 2008 y dirige el Equipo de Ciencias de la Salud Global en Hitachi Data Systems.

Con una amplia experiencia en el ámbito de la atención médica digital, Burns ha trabajado con sistemas de control

de enfermedades en centros de atención, diagnóstico por imagen, seguimiento de pacientes ambulatorios, plataformas

de investigación clínica y cumplimiento regulatorio. Su presencia ha sido fundamental para desarrollar la base de

liderazgo en el desarrollo de iniciativas empresariales y clínicas mejoradas por la tecnología para los clientes de

Hitachi Data Systems.

9

Burns ha formado parte de las juntas asesoras de atención médica de Microsoft, 3M, McKesson Corporation, The American

Red Cross y los hospitales de Gillette Children. Él es un miembro permanente del Instituto de Ingenieros Eléctricos y

Electrónicos (Institute of Electrical and Electronics Engineers) y de la Asociación Estadounidense de Administración

(American Management Association). También es un orador destacado en varios foros internacionales y nacionales

sobre temas de estrategia en materia de atención médica y transformación digital.

© Hitachi Data Systems Corporation 2014. Todos los derechos reservados. HITACHI es una marca comercial o marca comercial registrada de Hitachi, Ltd. Innovate With Information es

una marca comercial o marca comercial registrada de Hitachi Data Systems Corporation. Microsoft y SharePoint son marcas comerciales o marcas comerciales registradas de Microsoft

Corporation. Todos los demás nombres de empresas, marcas comerciales y marcas de servicio son propiedad de sus respectivos dueños.

WP-419-C W. Burns Agosto de 2014