El organismo público Red.es ha adjudicado el servicio para la implantación de una solución corporativa de analítica avanzada, basada en tecnologías Big Data, para el Sistema Sanitario Público de Andalucía. La beneficiaria ha sido la UTE compuesta por EY Transforma Servicios de Consultoría y Solutia Digital Health, por un importe de 4,6 millones de euros. Este programa, cofinanciado por el Fondo Europeo de Desarrollo Regional (FEDER), tenía un precio de licitación de 7,7 millones de euros. Por lo tanto, la adjudicación supone un ahorro de casi el 40%.
Esta plataforma corporativa de analítica avanzada permitirá el tratamiento y explotación de datos de diferentes fuentes. Todo ello a través de técnicas como el aprendizaje automático y otros métodos estadísticos que ofrecen modelos de predicción, descripción y optimización.
El objetivo es mejorar no solo la calidad de vida de los pacientes crónicos en situación de riesgo alto y medio; sino también los protocolos médicos que aplican los profesionales sanitarios, además de minorar el coste per cápita de la atención sanitaria en estos colectivos.
La implantación de esta plataforma incluye su adquisición y puesta en marcha. Para eso se desarrollarán e implementarán trece casos de uso que podrán mejorar determinados indicadores y parámetros. Además, incorpora la administración, operación y soporte de la solución, así como la formación del personal.
Casos de uso en el Sistema Sanitario Público de Andalucía
Los casos de uso inicialmente identificados y que se desplegarán durante la prestación del servicio son:
- Definición de factores que inciden en la morbilidad y predicción de futuros riesgos de salud asociados.
- Diseño de trayectorias óptimas y personalización en la prestación de los servicios sanitarios.
- Optimizar la distribución de cupos en Atención Primaria.
- Segmentación de pacientes crónicos, sobre el conjunto de la población andaluza, en base a niveles de cuidados.
- Comparativa de resultados de tratamientos farmacológicos.
- Modelos predictivos sobre la evolución de grupos poblacionales respecto al consumo de recursos.
- Motor de recomendación para la optimización de la lista de espera quirúrgica.
- Identificación y prevención de interacciones entre fármacos, que pueden generar riesgos de salud en pacientes polimedicados.
- Análisis de imagen radiológica para asistir en el cribado de cáncer de mama.
- Identificación de pacientes objetivo de nuevos tratamientos farmacológicos.
- Procesamiento de textos clínicos con tecnologías de Procesamiento del Lenguaje Natural para desarrollar un codificador CIE10 y SNOMED.
- Detección de situaciones problemáticas, relativas a salud pública, en base al análisis de las redes sociales.
- Optimización de planes de choque hospitalarios.
Conclusiones
Del desarrollo de cada caso de uso se prevé la obtención de unos resultados. Estos se publicarán como informes dinámicos y descriptivos, mapas de experiencia del paciente y otros documentos que servirán de soporte a la toma de decisiones.
En suma, con estos casos de uso se busca:
- Ayudar a predecir riesgos para la salud
- Permitir plantear iniciativas sobre la personalización de la prestación de servicios asistenciales
- Contribuir a la optimización de aspectos logísticos y organizacionales
- Aportar recomendaciones relativas a optimizar listas de espera o tratamientos farmacológicos
- Facilitar la detección temprana de tendencias de salud.
- Proponer la activación de planes de choque hospitalarios.
Archivado en:
