Big data y Machine learning para avanzar en el campo de la medicina

Jesús Conesa

Científico de datos trabajando con big data

En ViveLibre analizamos todo lo referente a big data, machine learning y sus numerosas aplicaciones en la medicina para combatir enfermedades.

En los últimos años es muy habitual escuchar el término big data y la revolución que está provocando en multitud de sectores. La medicina no es ajena a este fenómeno y también se está viendo beneficiada por esta revolución y sus tecnologías asociadas. Pero, ¿sabemos realmente qué es el big data y en qué consiste? ¿Y cómo se relacionan big data y medicina?

¿Qué es el big data?

Aunque el término big data se traduciría literalmente por “datos grandes”, a lo que se refiere más precisamente es a “grandes cantidades de datos”. Por extensión, se llama también big data al área de la informática que se dedica al estudio de los métodos y tecnologías de procesamiento de grandes cantidades de información.

¿Por qué ahora y no antes?

Aunque los ordenadores son capaces de procesar grandes cantidades de datos desde hace tiempo, no ha sido hasta hace unos años cuando la miniaturización de la electrónica ha alcanzado un nivel de madurez tal, que hoy en día prácticamente cualquier dispositivo electrónico de tamaño reducido es capaz de integrar multitud de sensores, tomar datos y conectarlos con usuarios en cualquier parte del mundo gracias a la progresión que también ha alcanzado internet.

¿Por qué es importante tener muchos datos?

Los datos son importantes porque permiten extraer conocimiento de situaciones pasadas y utilizarlo para tomar decisiones futuras más acertadas; es decir, permiten aprender. Es lo que se denomina “machine learning” (aprendizaje automático en español) y, básicamente, consiste en aplicar técnicas informáticas y matemáticas a los datos para extraer algún conocimiento general con el que luego automatizar alguna determinada tarea. Por ejemplo, detectar, clasificar o predecir algún determinado suceso.

A la etapa de aprendizaje a partir de los datos se le suele llamar entrenamiento y, matemáticamente, consiste en minimizar el error de un determinado modelo que modeliza la tarea que se desea automatizar, tomando como referencia los datos disponibles.

En ocasiones, los procesos que se desean automatizar son muy complejos por el gran número de casuísticas posibles. Por ello, es necesario entrenar el sistema con muchos casos diferentes para que pueda deducir con garantías la regla general inherente. Es por esto que el machine learning suele ir habitualmente de la mano del big data y ambos términos se suelan confundir, o se hable únicamente de big data cuando sería más correcto distinguir entre ambos.

Aplicaciones del big data en medicina

Tanto el machine learning como el big data se utilizan ya para resolver problemas en numerosísimas áreas. Dentro de la medicina se está estudiando su uso en multitud de escenarios. Por ejemplo, son muchos los sistemas que ayudan al diagnóstico, mejorando incluso el acierto de los especialistas. Estos sistemas son especialmente interesantes en patologías difíciles de detectar en etapas tempranas, como cánceres, trastornos genéticos y enfermedades neurodegenerativas. En este contexto, hay sistemas que incluso se aventuran a predecir el riesgo de muerte prematura analizando electrocardiogramas.

No solo es posible predecir diagnósticos, sino que también existen sistemas capaces de determinar los factores de riesgo de una determinada persona. Es el caso de IBM Watson Genomics, que analiza el genoma de los pacientes para detectar posibles anomalías. A partir de estos análisis, es posible diseñar posteriormente nuevos fármacos más eficaces o personalizar tratamientos ajustándolos a las necesidades exactas del paciente. En este sentido existen también sistemas que permiten evaluar si el paciente está respondiendo satisfactoriamente o no a un tratamiento. Por ejemplo, el dispositivo P1vital PReDicT Test es capaz de evaluar en una semana en pacientes con depresión si la medicación está surtiendo efecto o no.

También es posible realizar seguimientos de otros aspectos de los pacientes, como la actividad diaria, cuantificándola y detectando incluso caídas o estrés. Otra posible aplicación consiste en realizar seguimientos de la evolución de enfermedades infecciosas sobre grupos de población, por ejemplo, a partir de las publicaciones en Twitter. Son muchos los ejemplos de la relación entre big data y medicina.

Por último, el machine learning está ayudando también a la prevención en multitud de áreas. Por ejemplo, en el deporte ayuda a predecir lesiones musculares, mientras que en entornos laborales permite predecir cuándo un empleado va a sufrir una baja en función de su actividad habitual.

Sobre el autor

Jesús Conesa

Ingeniero y doctor en informática, Jesús Conesa es un gran apasionado de la inteligencia artificial y el análisis de datos. En la actualidad trabaja en ATAM como científico de datos centrándose en el análisis de patrones de actividad de personas con dependencia, tratando de mejorar su calidad de vida dato a dato.

Ingeniero y doctor en informática, Jesús Conesa es un gran apasionado de la inteligencia artificial y el análisis de datos. En la actualidad trabaja en ATAM como científico de datos centrándose en el análisis de patrones de actividad de personas con dependencia, tratando de mejorar su calidad de vida dato a dato.

Artículos relacionados

© ViveLibre Autonomía Personal S.L.U. 2019