1.
Barcelona, septiembre de 2019
Plataformas
para una
Sanidad Digital
Patricia Urbez
Head of Public Sector

2.
1.
RETOS EN LA
SANIDAD

3.
Preventiva
Atención centrada en el
paciente: de un modelo
asistencial genérico y reactivo
a uno personalizado y
proactivo
Estratificación de los pacientes
en grupos que permitan la
selección de la terapia óptima
en función de parámetros de
ADN y DNI
Reducción de las reacciones
adversas a los medicamentos
mediante una evaluación de
las respuestas individuales.
Consejos sobre estilos de vida
o medicamentos según
suceptibilidad frente a
enfermedades
Papel más activo de los
ciudadanos en su propia
atención médica
Redes sociales y nuevas
tecnologías para compartir
información sobre la salud.
Sensores para medir, registrar
y evaluar nuestras constantes
y hábitos
Genética aplicada a estimar el
riesgo de enfermedad, años o
décadas antes de que exista
alguna sintomatología de una
patología
Estudio del genoma como
parte del cuidado estándar del
paciente
Personalizada Predictiva Participativa
Medicina P4: Generación de modelos de atención médica más eficaces y eficientes

4.
2.
EL PODER DEL
DATO

5.
Ciclo de vida de los datos sanitarios
Sholark Health es la plataforma Big Data &
Advanced Analytics basada en Hadoop de Fujitsu
para el desarrollo de aplicaciones y servicios
analíticos en el contexto de la Sanidad Pública, con
foco en la gestión de información estructurada y
no estructurada mediante inteligencia Semántica
Los estándares FHIR-HL7 juegan un papel clave para garantizar
la interoperabilidad de los diferentes subsistemas fuente, si
bien su estructura penaliza el rendimiento en términos de
computación y acceso a los datos de los modelos analíticos
Necesidades de consulta de Historia Clínica Unificada del
ciudadano, por parte de sanitarios y pacientes
Agregación de datos médicos, generación y entrenamiento de
modelos analíticos basados en Machine Learning o Deep
Learning con el objetivo de obtener información clave
Visión operacional Visión analítica
Visión integrada

6.
Ciclo de vida de los datos sanitarios
Los estándares FHIR-HL7 juegan un papel clave para garantizar
la interoperabilidad de los diferentes subsistemas fuente, si
bien su estructura penaliza el rendimiento en términos de
computación y acceso a los datos de los modelos analíticos
Necesidades de consulta de Historia Clínica Unificada del
ciudadano, por parte de sanitarios y pacientes
Agregación de datos médicos, generación y entrenamiento de
modelos analíticos basados en Machine Learning o Deep
Learning con el objetivo de obtener información clave
Visión operacional Visión analítica
Visión integrada
Sholark Health es la plataforma Big Data &
Advanced Analytics basada en Hadoop de Fujitsu
para el desarrollo de aplicaciones y servicios
analíticos en el contexto de la Sanidad Pública, con
foco en la gestión de información estructurada y
no estructurada mediante inteligencia Semántica
Dotación de inteligencia a las
aplicaciones de usuario, gestionadas
por las áreas funcionales del servicio
de salud para que además de
interactuar con el Repositorio Central
de Información (operacional)
consuman los resultados de diferentes
algoritmos, ofrecidos desde la
plataforma analítica en modo de
microservicios

7.
Ciclo de vida de los datos sanitarios
Los estándares FHIR-HL7 juegan un papel clave para garantizar
la interoperabilidad de los diferentes subsistemas fuente, si
bien su estructura penaliza el rendimiento en términos de
computación y acceso a los datos de los modelos analíticos
Necesidades de consulta de Historia Clínica Unificada del
ciudadano, por parte de sanitarios y pacientes
Agregación de datos médicos, generación y entrenamiento de
modelos analíticos basados en Machine Learning o Deep
Learning con el objetivo de obtener información clave
Visión operacional Visión analítica
Visión integrada
Sholark Health es la plataforma Big Data &
Advanced Analytics basada en Hadoop de Fujitsu
para el desarrollo de aplicaciones y servicios
analíticos en el contexto de la Sanidad Pública, con
foco en la gestión de información estructurada y
no estructurada mediante inteligencia Semántica
Reporting analítico: descripción
general de la realidad clínica basada en
los datos existentes. Este tipo de
aplicaciones están orientadas a la
presentación de datos como soporte a
la toma de decisiones, tanto desde un
punto de vista de gestión sanitaria,
como de soporte a los pacientes

8.
Ciclo de vida de los datos sanitarios
Los estándares FHIR-HL7 juegan un papel clave para garantizar
la interoperabilidad de los diferentes subsistemas fuente, si
bien su estructura penaliza el rendimiento en términos de
computación y acceso a los datos de los modelos analíticos
Necesidades de consulta de Historia Clínica Unificada del
ciudadano, por parte de sanitarios y pacientes
Agregación de datos médicos, generación y entrenamiento de
modelos analíticos basados en Machine Learning o Deep
Learning con el objetivo de obtener información clave
Visión operacional Visión analítica
Visión integrada
Sholark Health es la plataforma Big Data &
Advanced Analytics basada en Hadoop de Fujitsu
para el desarrollo de aplicaciones y servicios
analíticos en el contexto de la Sanidad Pública, con
foco en la gestión de información estructurada y
no estructurada mediante inteligencia Semántica
Herramientas de exploración y soporte
al ciclo integral de la investigación:
creación de cohortes de datos médicos
anonimizados GDPR compliant, análisis
de datos con herramientas avanzadas
de data science, y herramientas de
visualización e interfaces de usuario a
medida para usuarios no técnicos

9.
Sholark Health - arquitectura
Escalable
Modular
Abierta

10.
Caso de uso
Evaluación riesgos del paciente
Evaluación de diferentes riesgos para la salud mental. Se realizó un ensayo
de campo que comparó los criterios de 5 psiquiatras de alto nivel con los
algoritmos de salud de Sholark.
Hospital San Carlos. Madrid
75% 80% 85% 90% 95% 100%
Riesgo de Suicidio
Riesgo de abuso de alcohol
Riesgo de abuso de cannabis
Riesgo de abuso de cocaina
Modelo basado en un gráfico de
conocimiento construido con
datos empíricos y conocimiento
clínico.
Precisión del modelo
+80%
Evolución: Riesgos adicionales. Adherencia al tratamiento.

11.
Mejorar la eficiencia del sistema
de salud mediante un mejor
proceso de toma de decisiones ....
Caso de uso
Evaluación riesgos del paciente
Analítica del comportamiento
del paciente.
Sistema de apoyo a la evaluación de
riesgos para la salud.

12.
Caso de uso
Visión 360º
http://sholarkhealthloadbalancer-5c54613579794f6fbca2c3562e949e6a.loadbalancing-es-1.cloud.global.fujitsu.com/sholark-health-webapp/
Ayudamos a crear una visión completa y agregada de los distintos servicios
hospitalarios para la mejora de las decisiones médicas

13.
Caso de uso
Automatización inteligente de
procesos
Durante la consulta, los médicos toman nota de los síntomas del paciente y
determinan el diagnóstico. Tanto los síntomas, como los diagnósticos y
otras notas se almacenan en el EHR como texto libre.
En un segundo paso, un codificador clínico transforma los diagnósticos,
procedimientos y servicios médicos en códigos de estándares que luego se
almacenan en el EHR.
Este proceso consume recursos humanos sustanciales.
Codificación automática de términos
clínicos.
Modelo basado en una
combinación de conocimiento
gráfico y tecnologías de
aprendizaje profundo
Modelo F-score
0,85

14.
Caso de uso
Automatización inteligente de
procesos
Entendiendo las
anotaciones clínicas.
Codificando
automáticamente
Mejora de la eficiencia del sistema
sanitario mediante la automatización de
procesos rutinarios.

15.
Otros casos de uso identificados
Procesar la información de texto libre disponible en Sistemas
de Información del Servicio de Urgencias (SISU) para extraer el
proceso patológico que está representado en el servicio. Este
análisis ayudaría a mejorar los procesos de asistencia que
podrían llevar a mejores resultados en términos de tasa de
supervivencia, reingresos a la emergencia o reingresos al
hospital. Casos de uso potencial:
• Estandarizar y codificar las causas de la consulta y
diagnósticos
• Estandarizar y codificar las causas de los tratamientos
prescritos para estudiar la influencia en los resultados
clínicos.
• Utilizar la información extraída a través de la PNL para
entrenar modelos predictivos de mortalidad, reingresos a
la sala de emergencias o al hospital.
Urgencias
• Analizar el contenido del Informe de Cuidados de Enfermería
al alta y su cumplimiento del Real Decreto 1093/2010 que
regula el contenido mínimo de estos informes a nivel
nacional.
• Análisis de las necesidades de atención y prevención de
riesgos después del alta del paciente.
• Análisis de los comentarios de enfermería en los informes de
seguimiento para detectar conductas y patrones de cuidado
que podrían estar asociados a ciertos riesgos
• Análisis de la calidad de la atención asistida que percibe el
paciente. Identificar elementos relacionados con conflictos o
quejas.
• Detección de anomalías en los procesos y logística interna.
• Validación de actividades planificadas en los Planes de
Cuidados
Enfermería

16.
3.
ANÁLISIS
GENÓMICO

17.
Clave en una Estrategia de Medicina
Personalizada de Precisión
Imprescindible contar con un plan nacional de
medicina genómica con dotación presupuestaria
Activos actuales: hospitales y centros de
investigación, como el ISCIII o CNAG y centros
locales. Abaratamiento de los costes de
secuenciación del genoma. Competitividad.
Líneas de desarrollo: Creación de Centros
Territoriales de Análisis Genómico (CNAG+BSC)
Introduce un cambio de paradigma en el modelo
de prestación de la asistencia sanitaria
Genómica

18.
Ecosistema
Soluciones y servicios, que
permitan:
 Almacenamiento de datos
ómicos a escala de PBs
 Computación de alto
rendimiento para alineamiento
de secuencias
 Integración de datos ómicos con
historia clínica
 Correlación masiva de datos
ómicos, ambientales, fenotipos,
…
 Acceso de los hospitales a estos
recursos de forma ágil y segura

19.
El puente (IT) entre la Genómica y la Medicina 4P
Centros Territoriales de Análisis Genómico
Soluciones de
almacenamiento de datos a
escala PB
+
Soluciones de interconexión
y transferencia de datos de
alta velocidad
+
Arquitecturas y servicios
HPC / Hadoop cluster
Plataformas de nube
privada
+
Aplicaciones y servicios
Bioinformáticos (Pipeline
Genómica)
+
Seguridad
Plataformas de nube privada
+
Aplicaciones y servicios
Bioinformáticos (Pipeline
Genómica)
+
Integración de datos
genómicos en la Historia
Clínica del Paciente
Plataformas de nube
privada
+
Soluciones de Analítica
Avanzada para extraer
conocimiento de datos no
estructurados a partir de
fuentes externas e internas.
+
Inteligencia Artificial
GESTIÓN DE PROGRAMA Y FORMACIÓN
Secuenciación
de ADN
Medicina
4P
❶ GENERACIÓN, ALMACENAMIENTO &
INTERPRETACIÓN DE DATOS
❷ INTEGRACIÓN DE
DATOS
❸ CORRELACIÓN DE
DATOS

20.
El puente (IT) entre la Genómica y la Medicina 4P
Secuenciación
de ADN
Medicina
4P
❶ GENERACIÓN, ALMACENAMIENTO &
INTERPRETACIÓN DE DATOS
❷ INTEGRACIÓN DE
DATOS
❸ CORRELACIÓN DE
DATOS
FLUJO DE DATOS INTERNOS Y EXTERNOS
Datos Brutos
Lecturas
Genoma de referencia
Mapeo Informe
PBs para almacenar la salida
de los secuenciadores
Visualizadores y
Bases de Datos para
anotación de
variantes
Knowledge
database
SEGURIDAD
SERVICIOS BIOINFORMÁTICOS
HPC/GPU / Cluster
Hadoop
Análisis Primario
BASE CALLING
Análisis Secundario
ALIGNMENT & VARIANT CALLING
Análisis Terciario
INTERPRETACIÓN
Conectividad
alta velocidad
Convirtiendo
datos brutos en
información
genética útil

21.
4.
AL SERVICIO
DEL
CIUDADANO

22.
Soluciones orientadas al paciente y a su
empoderamiento
Acompañamiento para la mejor experiencia en
sus procesos clínicos
Experiencia de usuario
Orientadas al gestor y al control de los activos y
de los pacientes
Control y monitorización, custodia y gestión
activa
Gestión operativa

23.
Trazabilidad textil
Gestión de ropa, medicamento, material… para control (localización,
mermas…).
El centro gestiona su material y el clínico tiene disponible lo que
necesita.
Seguimiento de pacientes en área quirúrgica, psiquiatría…
Control de tiempos de actuaciones. Información a familiares, alertas…
Localización material sensible
Caso de uso
El sistema de trazabilidad textil permite realizar
un seguimiento exhaustivo de la localización de
cada prenda, añadiendo lógica de manutención
y gestión de mermas. Es extensible a personas
y otros activos de interés.

24.
M-Listable
Es habitual que un paciente se plantee muchas dudas ante una
intervención.
Que desconozca como realizar ciertas tareas de preparación o autocuidado.
Y que el clínico desconozca si el paciente está teniendo algún problema.
Ello provoca efectos adversos: cancelaciones, urgencias innecesarias,
reingresos….
Seguimiento procesos clínicos
Caso de uso
En Cirugía Mayor Ambulatoria, M-Listable
acompaña al paciente antes y después de la
intervención, constituyéndose en una solución
colaborativa real entre el paciente y el clínico
Eficiencia
Sanitaria

25.
Guiado de pacientes y facturación automática
Solemos encontrar importantes colas
de admisiones en hospitales.
Se necesita automatizar las
admisiones, el guiado a la consulta y
las llamadas (LOPD).
Para que el paciente conozca en
remoto la gestión de sus citas en una
app con toda la asistencia al centro
Y para que el centro pueda realizar
controles y facturación de los
distintos actos clínicos sin ocupar el
tiempo del personal que atiende a las
personas
Evitar esperas
Caso de uso
En admisión de varios hospitales españoles,
OGS permite una identificación telemática del
paciente a la llegada al centro, enviándole
información a la app para que pueda gestionar
su tiempo y mostrando información
anonimizada en señalética ubicua