Modelo de big data y machine learning para mejorar el proceso de toma de decisiones en la administración de la salud de la población

• Autores: Fernando Enrique Lopez Martinez
• Directores de la Tesis: Edward Rolando Núñez Valdez (dir. tes.) , Vicente García Díaz (codir. tes.)
• Lectura: En la Universidad de Oviedo ( España ) en 2020
• Idioma: español
• Tribunal Calificador de la Tesis: Juan Manuel Cueva Lovelle (presid.) , Begoña Cristina Pelayo García Bustelo (secret.) , Rubén González Crespo (voc.) , Carlos E. Montenegro Marín (voc.) , Óscar Sanjuán Martínez (voc.)
• Enlaces
  • Tesis en acceso abierto en: RUO
• Resumen

  • Big data y Machine Learning son las piezas de tendencia más importantes para la innovación y el análisis predictivo en la atención médica, liderando la transformación digital del sector de la salud en todo el mundo. Varias organizaciones ya están trabajando en el desarrollo de plataformas inteligentes de análisis de big data basadas en principios de aprendizaje automático e integración de datos. Sin embargo, estas plataformas no presentan un modelo claro para interoperar, asegurar y utilizar análisis predictivos para mejorar la atención al paciente y proporcionar alertas tempranas de enfermedades. Se propone el diseño de un modelo de plataforma de salud que incluya principios de big data para manejar la complejidad de los datos clínicos, y modelos de aprendizaje automático que ayudan a mejorar la gestión de la salud poblacional, la atención basada en valores y desafíos futuros en la atención médica de hoy. Entre los beneficios tenemos, mejores resultados de atención médica, operaciones clínicas, reducción de costos de atención y generación de información médica precisa. Se implementaron tres modelos de aprendizaje automático para predecir la hipertensión y la sepsis neonatal, percibidos como necesarios en las instituciones de atención médica donde se llevaron a cabo. Los modelos desarrollados usan los conjuntos de datos, complejos y estandarizados, integrados en la plataforma para mejorar la efectividad de las intervenciones de salud, mejora del diagnóstico y apoyo a la decisión clínica. Los datos integrados en el modelo de plataforma provienen de registros electrónicos de salud (EHR), Sistemas de información hospitalaria (HIS), Sistemas de información radiológica (RIS), Sistemas de información de laboratorio (LIS), datos de salud pública, móviles, redes sociales, y portales web clínicos. Esta cantidad de datos se integra utilizando técnicas de big data para almacenamiento, procesamiento y transformación. Esta investigación presenta el diseño del modelo de una plataforma de salud que se implementará en organizaciones de atención médica en Colombia y USA para integrar repositorios de datos operativos, clínicos y comerciales con análisis avanzados para mejorar el proceso de toma de decisiones a través de análisis descriptivos, predictivos y prescriptivos. Y, se puede adaptar fácilmente al modelo de prestación de servicios de salud para la gestión de la salud de la población.