Los desafíos del diagnóstico por imagen en la era del Big Data

El Big Data se refiere a conjuntos de datos extremadamente complejos que se caracterizan por atributos típicos que se han definido a lo largo del tiempo.Todos se caracterizan por la inicial “V”. El primero es volumen, que se refiere a la gran cantidad de elementos de datos dentro de estos conjuntos de datos extremadamente grandes. Variedad, que describe la agregación de datos de múltiples fuentes. Y, por último velocidad, que se relaciona a la alta velocidad a la que se generan los datos. Estas constituyen las primeras tres “V”.

Posteriormente, se han incluido la veracidad, que describe la incertidumbre inherente a los datos, y el valor, que se refiere al valor de los datos extraídos. Otras definiciones alternativas, se refieren a la capacidad no convencional que se requiere para administrar y analizar grandes volúmenes de datos. Por lo tanto, los métodos de análisis de Big Data están diseñados específicamente para superar este desafío.

Existen múltiples desafíos. No obstante, unos de los más grandes son la comunicación de la información. El cual incluye el importante concepto de verdadero cierre del ciclo con respecto a los hallazgos radiológicos. Es importante para los médicos y los radiólogos determinar si la información recopilada de los diagnósticos por imagen afectó la atención del paciente. Proporcionar atención continua y seguimiento de una manera responsable pero práctica que no restrinja la eficiencia es uno de los mayores desafíos en informática.

El segundo gran desafío es descubrir cómo etiquetar e indexar la increíble cantidad de datos que se adquieren de forma rutinaria en el diagnóstico por imágenes. Otras áreas de estudio como gastronomía, química y otras disciplinas han creado medios para estructurar, etiquetar e indexar su información de forma lógica y legible por máquina. Esto ha contribuido a que los médicos encuentren formas de hacer que sus resultados estén disponibles de una manera altamente estructurada. Lo que les permite ser descubiertos y utilizados por los algoritmos que representan las vías clínicas y los sistemas de soporte de decisiones. En un futuro cercano, las computadoras ayudarán mucho más que en la actualidad para garantizar la seguridad del paciente, minimizar la disparidad de tratamiento por parte de diferentes médicos en diferentes áreas y en el apoyo a las decisiones clínicas del día a día.

En el cuidado de la salud, el Big data abarca hallazgos objetivos y subjetivos, medidas paramétricas y no paramétricas. Por ejemplo: diagnóstico, demografía, tratamiento, prevención de enfermedades, lesiones y discapacidades físicas y mentales. Estos datos están estructurados y se centran en el genotipo, los datos proteómicos o las puntuaciones clínicas o, en gran parte, no están estructurados e incluyen memorandos, notas clínicas, recetas, imágenes médicas, estilo de vida, datos ambientales y económicos de la salud.

Los radiólogos y los investigadores deben esforzarse por avanzar hacia el aprovechamiento de Big data en imágenes, que tiene el potencial de conducir a un soporte clínico avanzado, herramientas de diagnóstico y pronóstico personalizadas, y la capacidad de optimizar los resultados de pacientes individuales de formas que antes no eran posibles. Asimismo, el análisis de Big Data se refiere al análisis de grandes grupos de identificación y correlación entre conjuntos de datos, así como al desarrollo de modelos predictivos mediante el uso de técnicas de minería de datos.

En conclusión, las imágenes de diagnóstico pueden explotar en gran medida el potencial del análisis de Big Data para la toma de decisiones en una amplia clase de dominios. No obstante, todavía existen desafíos y barreras en relación con el intercambio de datos, la curación de los mismos y la educación interdisciplinaria, que requieren mayores esfuerzos para la implementación de soluciones adecuadas. Es fundamental permitir una confluencia ordinaria de datos hacia repositorios centralizados. Dichos datos deben enriquecerse con anotaciones clínicas adecuadas y publicarse con pleno conocimiento del paciente, quien debe ser la prioridad al momento de emitir un diagnóstico.