Por José Manuel Zamora Moreira
La Caja Costarricense de Seguro Social ha culminado con la implantación del Expediente Médico Electrónico en los tres niveles de atención del sistema de salud de Costa Rica en el año 2018, lo cual significa una gran oportunidad que da inicio con el reto de transformación digital e innovación en la institución con la consolidación de un solo banco de datos donde reside toda la información del expediente de salud de los ciudadanos costarricenses. La transformación digital de la organización se verá impulsada e impactada sólo si toda la organización tiene acceso a los datos y está dispuesta a usarlos para hacer las cosas de manera diferente con el objetivo principal de mejorar la experiencia de nuestros usuarios en los centros de salud con respecto a la atención de su salud; así como la generación de ahorros con la eficiencia y eficacia de la ejecución de los procesos sustantivos de nuestra Seguridad Social.
¿Por qué el EDUS en un tema de minería de datos?
La minería de datos ofrece un sin número de oportunidades para cambiar la forma en la que se brinda atención en la prestación de los servicios de salud en la institución, entre ellas podemos citar modelos predictivos que resuelvan problemas relacionados con las enfermedades crónicas como la diabetes o la hipertensión arterial, estos modelos podrían diseñarse para resolver escenarios que les permitan a los profesionales de la salud tener herramientas de soporte a la decisión clínica cuando están brindando la atención de salud, haciendo uso del resultado de un modelo predictivo que le asesore en línea, advirtiendo pacientes con un eventual riesgo de diabetes y con ello iniciar con la ejecución inmediata de medicina preventiva más no reactiva, cuando el paciente ya tiene diagnosticada la enfermedad. Otro escenario de medicina preventiva sobre la misma temática que podría resolver esta ciencia de minería de datos es la de estudios relacionados con la diabetes sobre una población específica de interés donde los eventos seleccionados para predicción podrían someterse a un modelo predictivo para estudiar que tanto riesgo de desarrollar la enfermedad tiene la población objetivo con el propósito de tomar medidas preventivas sobre la población en riesgo y desplegar las campañas de promoción y prevención en salud, ahorrando muchos miles de millones de colones a la Seguridad Social, porque es claro que dentro del sistema, la atención de un paciente abordado a tiempo antes de que ya sea declarado con la enfermedad crónica, diabetes para nuestros efectos, es una estrategia mucho más económica que tener un caso de incidencia o prevalencia sostenido por el sistema de salud. Para este caso de uso del combate contra la diabetes que se desprende de un estudio en formato de caso de negocio nos ha arrojado beneficios económicos que proyectan ahorros de 1,4 millones de dólares teniendo como hipótesis la reducción de la incidencia de la diabetes mellitus tipo 2 en un 10% en el primer nivel de atención aunado a una reducción del 5% en hospitalizaciones del tercer nivel de atención.
Los modelos desarrollados con ciencia de datos también nos pueden permitir el desarrollo de modelos proyectivos sobre el comportamiento del manejo de inventarios de los medicamentos en la institución; uno de los escenarios que podría estar más cercano es la proyección del consumo de medicamentos en los centros de salud, donde el modelo desarrollado permita hacer la proyección de consumos de medicamentos según los centros de salud de interés teniendo como beneficio un análisis científico de la demanda de los medicamentos y con ello una mejor planificación de los recursos presupuestarios necesarios para atender la demanda. La rotación del inventario de los medicamentos podría optimizarse muchísimo con modelos predictivos y apoyar las estrategias de gestión del inventario en los centros de distribución de medicamentos de la institución.
Retos asociados al tema de minería de datos
Los principales retos para implementar esta tecnología asociada a la cuarta revolución industrial básicamente son dos, el primero es el acceso seguro a la información por parte de los equipos multidisciplinarios, donde se garantice la privacidad de los datos de los eventos relacionados con las personas que se tomen en la muestra para el estudio de minería de datos. Y el segundo gran reto corresponde a la calidad de la información que se utilice para generar los modelos predictivos con la dupla de entrenamiento y prueba que son la materia prima de la generación de los modelos que se puedan desprender del estudio, como por ejemplo modelos de aprendizaje supervisado, entre ellos podemos citar: K Vecinos Más Cercanos, Árboles de Decisión, Bosques Aleatorios, Potenciación, Soporte Vectorial, Bayes, Redes Neuronales o Regresión Logística.
Diseño de la hoja de ruta para la adopción de la minería de datos en la organización
Hemos iniciado nuestra hoja de ruta en el tema, desarrollando las competencias de nuestros colaboradores en ciencia de datos para poder comprender los conceptos básicos sobre los que se cimientan estas tecnologías además de avanzar en la generación de competencias para el uso y explotación de modelos exploratorios y predictivos de datos. Posteriormente será necesario elegir el problema a resolver que como se expuso anteriormente tenemos dos claramente definidos; el combate contra la diabetes mellitus tipo 2 y el otro relacionado con la predicción de consumo de medicamentos en los centros de distribución de los centros de salud. Una vez seleccionado el problema en el que nos vamos a enfocar continuaremos con la definición de las fuentes de información para extraer los conjuntos de datos con los eventos de las variables específicas que decidamos analizar para resolver el problema. A partir de esto realizaremos la elección del mejor modelo predictivo con mejores resultados de en los índices generales o por clase para poder utilizarlo como base para el análisis de los nuevos casos por predecir para lograr obtener los beneficios esperados. Finalmente continuaremos con la evaluación y reevaluación del modelo descubierto para solucionar el problema, para optimizar los resultados de manera continua.
Concluimos que la minería de datos es una ciencia que es de uso obligatorio para nuestra organización para poder convertir los datos registrados en los sistemas institucionales en información y a su vez la información en conocimiento; para la toma de decisiones desde un plano meramente científico apoyado en tecnologías embebidas en la ciencia de datos como lo son Machine Learning y la Inteligencia Artificial. Lo ola de la cuarta revolución industrial ha llegado desde hace mucho tiempo y es nuestra responsabilidad surfearla y no esperar a que nos arrolle con su ritmo acelerado y exponencial porque lo único certero que tenemos en esta realidad actual es el cambio continuo al que debemos adaptarnos con agilidad.
José Manuel Zamora Moreira es Innovation Portfolio Manager en el Proyecto EDUS de la Caja Costarricense del Seguro Social.