Saltar al contenido

Ciencia de datos

Definimos el dato antes de elegir la herramienta.

La medicina basada en datos depende menos de la cantidad de información disponible que de su utilidad real para la decisión. Definimos el dato antes de elegir la herramienta: qué datos, de qué fuentes, cómo se cruzan y qué relevancia tiene cada uno. Lo que haya desplegado se decide al final.

Cuatro preguntas antes de la herramienta

Las certificaciones en una plataforma concreta suman. Nosotros empezamos por otras cuatro preguntas.

Qué datos entran. De qué fuentes vienen. Cómo se cruzan entre sí. Y cuál es la relevancia de cada uno para la decisión que se quiere tomar.

Con esas cuatro respuestas resueltas, la herramienta pasa a ser una elección técnica y no el proyecto.

2027 ya está en el calendario

El espacio europeo de datos sanitarios está aprobado y obliga a cada Estado a designar el organismo que regula el acceso al dato clínico, con entornos de procesamiento seguro y derechos de acceso para pacientes e investigadores.

Trasladarlo al ámbito autonómico exige decisiones de arquitectura, de gobernanza y de modelo operativo que condicionan todo lo que viene detrás. Hemos participado en los primeros proyectos de espacios de datos sanitarios que se han hecho en España y operamos el nodo aragonés de un espacio europeo de datos ómicos.

Lo que aportamos sobre el dato

01

Datos moleculares, además de clínicos

Trabajamos con información molecular además de con las variables clínicas habituales. Cambia el nivel de detalle de forma radical y abre preguntas que con peso, edad y sexo no se pueden formular.

02

El aprendizaje automático dice qué variable pesa

En lugar de que el analista decida por experiencia histórica qué variables importan, el modelo lo determina sobre los datos del cliente. Y permite recalcular escenarios en cuanto cambia una condición, sin esperar seis meses a comparar la proyección con la realidad.

03

Actuar sobre la causa desde el primer día

Identificamos qué variable concreta explica una lista de espera, actuamos sobre ella y medimos el efecto desde el primer día, en lugar de esperar a que la proyección se cumpla.

04

Recomendación, no solo visualización

Al cuadro de mando le añadimos el análisis causal, los indicadores que miden si la decisión acertó y la recomendación operativa sobre qué hacer a continuación.

Espacios de datos, oficina del dato y epidemiología

Tres capacidades concretas dentro del área. Los espacios de datos son una de ellas, no el nombre de todo lo que hacemos.

Espacios de datos en salud

Arquitecturas federadas, integración con nodos europeos y gobierno técnico del dato. Del diccionario de datos clínicos y las ontologías —SNOMED CT, LOINC, GNC— a la infraestructura donde vive.

Oficina del dato sanitario

Definición estratégica, modelo operativo y orígenes de datos para administraciones que tienen que estructurar el gobierno del dato clínico de una comunidad.

Epidemiología con aprendizaje automático

Vigilancia, proyecciones poblacionales y modelos predictivos validados sobre datos clínicos reales, para pasar de contar los casos a anticipar el origen.

Modelamos primero. Codificamos al final.

Formación médica y técnica en el mismo analista

El analista de ciencia de datos de Origen tiene formación médica además de la técnica. Puede discutir el para qué y el porqué del análisis con el cliente, no solo cómo se construye.

Construimos los modelos de forma visual

Verificamos calidad de variables, idoneidad del método estadístico y robustez en sesiones de trabajo con el cliente, antes de escribir una línea de código de producción. Los resultados se ven en sesión, no en entregas a tres meses vista.

Más modelos, en menos tiempo

Un proyecto convencional de aprendizaje automático entrega un único modelo al cabo de un año. Con esta metodología entregamos más de cinco modelos en seis meses como máximo, sobre los que elegir el que mejor se comporta con los datos del cliente.