Establecer una base sólida para las iniciativas de datos sanitarios

El primer paso consistió en construir una capa de datos fundamental sólida para que se pudieran combinar conjuntos de datos dispares de manera significativa. Esto tenía un objetivo de dos partes, dijo Aashima Gupta, directora de soluciones de atención médica global de Google Cloud, que participó en el seminario web: permitir a los desarrolladores y científicos de datos implementar proyectos de ML rápidamente y, mediante el uso de interfaces de programación de aplicaciones personalizadas, crear “Empoderamiento de experiencias digitales” en el punto de atención para proveedores y pacientes.

Hay tres claves para lograr que la capa de datos fundamental sea correcta, dijo Ilia Tulchinsky, directora de ingeniería de Google Cloud Healthcare and Life Sciences, durante el seminario web:

Integración de datos de múltiples sistemas de registro, tanto en grandes lotes de actualizaciones como actualizaciones incrementales en tiempo real Armonización de datos con estándares y esquemas comunes, como Fast Healthcare Interoperability Resources o FHIR Modeling data para su uso en aplicaciones de IA y ML

“Podemos tener el mejor modelo del mundo y puede no ser útil si no logramos la integración correcta”, dijo Tulchinsky. “Llevar los datos correctos en el momento correcto y de la manera correcta a un profesional de la salud ocupado es fundamental para el éxito general de los esfuerzos de IA y ML”.

Apoyar la telesalud y promover la colaboración

Este modelo y metodología se pusieron a prueba cuando COVID-19 comenzó a extenderse. La infraestructura en la nube respaldaba el espectro de casos de uso de telesalud, dijo el Dr. John Halamka, presidente de Mayo Clinic Platform, no solo visitas por video, sino también herramientas para la documentación clínica durante las visitas y la captura de datos de telemetría desde dispositivos de monitoreo remoto ubicados en hogares o habitaciones de hotel.

La plataforma en la nube también admite grandes esfuerzos. A fines de marzo, Mayo Clinic fue una de las casi 1,000 organizaciones que formaron la Coalición de atención médica COVID-19 en una respuesta transversal a la pandemia.

El trabajo de la coalición comprende 15 líneas de trabajo diferentes, dijo Halamka, desde la entrega de ventiladores y equipo de protección personal hasta la eficacia del protocolo de tratamiento y el desarrollo de vacunas. Cada flujo de trabajo tiene diferentes requisitos de datos. En total, los miembros de la coalición publican más de 700 conjuntos de datos por día y utilizan servicios alojados en la nube para “extraer sabiduría” de los datos sin acceder al conjunto de datos subyacentes y sin comprometer su privacidad.

“No podríamos responder al conocimiento de la situación de la correspondencia entre la oferta y la demanda o comprender la eficacia y seguridad de la cura sin utilizar tecnología, alojamiento en la nube y análisis”, dijo Halamka. “Este es un nuevo enfoque para tantas organizaciones que están acostumbradas a trabajar con software local en silos. De hecho, COVID-19 nos ha obligado a colaborar mucho más rápido y avanzar a muchas más funciones en la nube de las que probablemente tendríamos sin la pandemia “.

MÁS DE HEALTHTECH: Obtenga más información sobre las aplicaciones actuales y futuras de la IA en la atención médica.

Mayo Clinic lleva las innovaciones a la vanguardia más rápido

De cara al futuro, Mayo Clinic tiene dos prioridades clave para sus esfuerzos de análisis y liquidez de datos, dijo Buntrock. Uno es crear un registro de paciente longitudinal, que ingiere diferentes tipos de datos y los almacena utilizando el estándar FHIR. El objetivo es “reflejar un registro completo y en evolución” que sea más completo que el registro de salud electrónico tradicional, dijo.

La otra prioridad es desarrollar lo que Buntrock llamó una “fábrica de inteligencia artificial” que permitirá que los esfuerzos de innovación tanto internos como de terceros utilicen la infraestructura, el aprovisionamiento y los recursos informáticos que ya existen. Sin tener que preocuparse por la tecnología y el acceso a los datos, los esfuerzos pueden centrarse más en la colaboración entre las partes interesadas, como el despliegue de algoritmos en la práctica clínica para ayudar en la predicción del riesgo de cáncer de mama.

“Estamos analizando el paquete completo, desde el desarrollo hasta la aplicación, y entendemos cómo encaja esto en nuestro flujo de trabajo”, dijo Buntrock. “Tener los datos es una cosa. Son apuestas de mesa. Pero hacer algo con él es muy útil “.