De nunca nos han gustado los extremismos intentando encontrar el sitio para cada cosa que normalmente suele estar en la zona media. En el campo de la tecnología ocurre algo similar y se suele cumplir bastante bien el Ciclo de sobreexpectación que acuñó Gartner en 1995: Tras un pico inicial de expectativas sobredimensionadas se caía en el abismo de la desilusión y tras un paso por el “valle de la muerte” se volvía a una meseta de productividad.

En el campo del Big Data está ocurriendo algo similar como era de esperar. Así hace un par de años se decía que el Big Data promete revolucionar el sector sanitario, y no es para menos puesto que recientes estudios estiman que el cuerpo humano llega a producir más de 100 billones de gigabytes de información. Así, es de vital importancia el uso de esta tecnología para que, además de agrupar datos y estadísticas, aporte inteligencia con un objetivo común: investigar, prevenir, erradicar patologías y mejorar el servicio de atención al paciente. Las estadísticas están ahí, en ingentes cantidades de hecho, pero ahora es necesario trabajar en los sistemas de recopilación y análisis logrando registrar información más valiosa y útil que la que se dispone a día de hoy.

Únicamente el 17% de los países emplean el Big Data en el sector sanitario, según datos de la OMS. Un dato que llama bastante la atención y más si tenemos en cuenta que en España se está ahondando en esta materia desde hace años. Ya en los 90 la Sanidad se propuso realizar uno de los mayores cambios de los últimos años, abandonando la información analógica para digitalizar, como ocurre en la actualidad, el historial de todos los pacientes. ¿?.

Por contra, otros ayer mismo explicaban que no es (todavía) la panacea para la sanidad norteamericana … por las dificultades legales para compartir los datos que, no hay que olvidar, no son de los hospitales ni del servicio sanitario de un país… sino de los propios pacientes!

Si bien en Nueva Zelanda o China (o en España gracias a la Seguridad Social) los datos están más centralizados que en paises como USA que están dispersos entre las diferentes compñaías aseguradoras personalmente pienso que incluso aquí queda mucho por disponer de algún “repositorio” (suficientemente anonimzado, claro) para poder disponer de la información necesaria para realizar estudios de Machine Leaning aplicados a la salud.

Por otro lado aunque se tengan digitalizados los resultados de pruebas médicas (tipo analíticas o de imagen) no es nada sencillo hacer lo mismo con la información intercambiada médico-paciente donde queda mucho por hacer en las técnicas de procesamiento de lenguaje natural (NLP).

Tampoco ayuda la tendencia, por parte de los científicos de datos, del empleo de modelos basados en Deep Learning que acaban convirtiéndose en caja negras que en muchos casos llegan a conclusiones. No parece muy lógico (ni esperemos que ocurra en mucho tiempo) que un médico diga a un paciente: “Mi ordenador dice que tiene cancer”