Cómo Geisinger Health System utiliza Big Data para salvar vidas
Las principales industrias, desde el comercio minorista hasta la aeronáutica, están aprovechando el big data. Pero a pesar de la abundancia de datos en salud y la clara promesa de análisis de grandes datos, el sector ha tardado en ponerlo a trabajar. Entre los obstáculos a la adopción están las leyes destinadas a proteger la información de los pacientes y la escasez de talento técnico; hospitales y clínicas compiten por ingenieros de big data cuyas habilidades técnicas pueden aplicarse agnósticamente en todas las industrias. Sin embargo, en 2015 Geisinger Health System implementó un sistema IT llamado Unified Data Architecture (UDA) que nos permitió integrar big data en nuestros sistemas de análisis y gestión de datos existentes. Utilizamos las capacidades de big data de la UDA para rastrear y analizar los resultados de los pacientes, para correlacionar sus secuencias genómicas con la atención clínica, y para visualizar datos de atención médica en cohortes de pacientes y redes de proveedores. La UDA de Geisinger es la aplicación práctica más grande de big data en el punto de atención médica, con miles de CPU procesando y entregando cientos de terabytes de datos cada hora.
En 1996 Geisinger fue uno de los primeros adoptantes de un registro sanitario electrónico completo (EHR). Desde entonces, los médicos han estado ingresando debidamente la información del paciente y utilizando la EHR para apoyar la atención médica. Sin embargo, la extracción de datos significativos agregados de muchas fuentes de los EHR ha sido históricamente complicado. La perspectiva potencial de estos datos se ve limitada en la práctica por las deficiencias de los repositorios de datos tradicionales. Los sistemas analíticos heredados no pueden acomodar nuevos tipos de datos, como notas no estructuradas de texto libre para pacientes que no encajan perfectamente en las bases de datos tradicionales de filas y columnas. A pesar de la tendencia de la industria a reemplazar los mejores sistemas clínicos por sistemas monolíticos de HR, la mayoría de los hospitales todavía tienen un mosaico de sistemas auxiliares interconectados que terminan atrapando datos en silos.
Mirar a los pacientes únicamente a través de la lente de una EHR produce una imagen incompleta; los pacientes visitan clínicas fuera del alcance del sistema de salud y, de hecho, pasan la gran mayoría de su tiempo fuera de los sistemas de salud en conjunto. Dejan migas de pan digitales en todas partes en las que interactúan, desde la tienda de comestibles y su programa de fidelización, hasta el smartphone y sus aplicaciones. Con el permiso de los pacientes, podemos acceder e integrar algunos de esos datos. Nuestro UDA proporciona un espacio de datos común para la rápida integración de datos de fuentes internas y externas seleccionadas. La capacidad de procesar datos de diversas fuentes, combinada con la capacidad de integrar y almacenar grandes volúmenes de datos, hace que el UDA esté en una posición única para llenar el vacío dejado por los sistemas tradicionales de datos de atención médica. La integración de datos de Intercambios de Información Sanitaria, sistemas departamentales clínicos (como radiología y cardiología), encuestas de satisfacción del paciente y aplicaciones de salud y bienestar nos proporciona una visión detallada y longitudinal del paciente.
Mientras que el equipo de Geisinger sigue moviendo fuentes de datos a la UDA, ya hemos experimentado varios éxitos tempranos.
Programa «Cerrar el bucle». Por lo general, los pacientes son ingresados en hospitales para el tratamiento de un diagnóstico primario, pero con frecuencia tienen problemas de salud adicionales. Por ejemplo, un paciente con traumatismo ingresado a través del departamento de urgencias después de un accidente automovilístico suele someterse a imágenes corporales para buscar lesiones internas. El equipo médico debe dar prioridad a las enfermedades agudas y potencialmente mortales, a veces a expensas de abordar los hallazgos incidentales pero importantes reportados en estudios por imágenes. Lo que el equipo médico podría dejar atrás, la UDA puede recoger.
En Geisinger, todas las notas clínicas y los informes de diagnóstico por imágenes se ingieren en el UDA. Podemos escanear 200 millones de informes en menos de un segundo; realizamos procesamiento de lenguaje natural en estos datos enriquecidos (datos mucho más amplios que los confinados a las filas y columnas de los sistemas de datos heredados). Cuando realizamos análisis de reportes por imágenes de texto libre, detectamos a muchos pacientes con aneurismas aórticos abdominales peligrosamente grandes que no tenían seguimiento programado para este hallazgo incidental. Buscamos a los pacientes de mayor riesgo y ofrecemos cirugía cuando sea apropiado. Este programa ya ha salvado vidas.
Detección temprana y tratamiento de la sepsis. En pacientes con sepsis, o infección sanguínea, la detección temprana y el tratamiento pueden significar la diferencia entre la vida y la muerte. Vimos dos oportunidades importantes para usar el UDA para reducir y controlar la sepsis. En primer lugar, al identificar el marco temporal en el que aparecieron indicadores importantes de sepsis, tales como signos vitales y cambios en los resultados de laboratorio; y segundo en la capacidad de ver fácilmente toda la información de sepsis-paciente en un solo lugar, incluidos los resultados de laboratorio de los pacientes, medicamentos, signos vitales y movimiento a través de diferentes áreas operativas del hospital.
El UDA reúne estos diversos datos de flujos de información dispares. El sistema está diseñado para actuar sobre datos fisiológicos perecederos en tiempo real, tales como mediciones de la presión sanguínea en pacientes con shock séptico potencialmente mortal, y almacena los resultados intermedios de los hemocultivos a medida que ocurren, así como datos sobre cuándo se prescriben y administran antibióticos. Los proveedores que utilizan esta herramienta tienen más del doble de probabilidades de adherirse sistemáticamente a los protocolos correctos de tratamiento médico (mejorando del 40% al 90%). Al rastrear, agregar y sintetizar todos los datos de sepsis de pacientes, esperamos que podamos reducir la incidencia de sepsis adquirida en el hospital y mejorar su manejo.
Costos y resultados de la cirugía. Hay amplias varianzas en cirugía costos y resultados en todos los sistemas hospitalarios. Esto, unido a la escasez de datos oportunos sobre costos y resultados, ha hecho difícil que los sistemas de atención de la salud identifiquen las mejores prácticas y desarrollen iniciativas óptimas de reestructuración. Nuestra plataforma de big data de UDA ahora realiza un seguimiento e integra los datos de la cadena de suministro quirúrgica junto con los datos clínicos por tipo de cirugía y proveedor. Se realiza un seguimiento de los suministros que van desde las esponjas quirúrgicas más pequeñas hasta medicamentos o dispositivos de mil dólares. El modelo de datos también realiza un seguimiento de los residuos en nuestros quirófanos. Esta combinación de datos de costo y resultado se agrega por proveedor y tipo de cirugía. Esto da a los cirujanos y administradores una nueva visión importante de cómo funcionan comparativamente desde una perspectiva de costos y resultados. También ha informado directamente a las nuevas iniciativas de la cadena de suministro apta, y nos ha proporcionado información poderosa sobre nuestros patrones de uso de suministros que nos han permitido negociar acuerdos favorables con los proveedores.
A medida que vemos a un paciente siendo llevado a la sala de urgencias, pensamos en toda la información que nuestros médicos tienen ahora, lo que les permite brindar una atención aún mejor a nuestros pacientes. Nos preguntamos de qué otra manera puede ayudar la UDA.
— Escrito por Alistair R. Erskine, MD, Jonathan R. Slotkin, David A. Thomas Jonathan R. Slotkin,
