Por último, los autores exponen la necesidad de abordar desde los proyectos Big Data soluciones integradas, no con esfuerzos aislados [15]. Igualmente, compartir datos clínicos por medio de plataformas seguras puede mejorar la atención de pacientes y servir como una especie de medicina más preventiva, puesto que el monitoreo y análisis predictivo ayudan a descubrir las patologías de manera anticipada https://www.javiergosende.com/ciencia-datos-inteligencia-artificial (OECD, 2018). Tal es el caso de Costa Rica, que implementó el Expediente Digital Único en Salud, a través del cual se espera tener el historial clínico de alrededor de veinte millones de personas aseguradas al sistema de Seguridad Social del Estado. Eso permite analizar cerca de cinco mil variables como diagnósticos, medicamentos, imágenes médicas, internamientos y operaciones (Estrada, 2017).
Por último, se ha desarrollado un modelo de predicción de la demanda logística de la cadena de frío en un estudio de caso en China, basado en un algoritmo de minería de datos para mejorar la optimización y la eficiencia en la gestión del transporte (He y Yin, 2021). Por esta razón, como lo afirma Ghalehkhondabi et al. (2020), debido al desarrollo de las tecnologías de la información y la disponibilidad de datos abiertos en distintas bases y plataformas, son cada vez más las empresas que utilizan para el análisis del mercado el big data, potencializando sus cadenas de suministro. La era del big data representa una oportunidad para la industria, siempre y cuando el manejo de esta derive en una apuesta de inversión que genere ventaja competitiva (Gupta y George, 2016). Para que el uso de big data sea efectivo se requiere un liderazgo y el compromiso de la gestión directiva, porque no se trata del uso de la información de manera indiscriminada, por el contrario, se requiere programación, diseño y técnica para optimizar la información recibida y recopilada (Gunasekaran et al., 2017). En el caso de Colombia, el documento CONPES 3920 sobre la Política Nacional de Explotación de Datos, establece la necesidad de anonimizar los datos recolectados por cualquier entidad, e informar quien puede disponer totalmente de la información (CONPES 3920, 2018).
Territorio Big Data recibe a Belén Ruiz para conocer la relación de Repsol con los datos
Enfatizamos que esta infraestructura no sólo constituye un registro digital, sino que además debe garantizar el rápido acceso y procesamiento de los datos, permitiendo los múltiples análisis requeridos por la práctica e investigación clínica. Esto exige la creación de unidades informáticas asociadas a clínicas y hospitales, que velen por la mantención, organización y administración de estas bases de datos y diseñadas de acuerdo con los requerimientos específicos de variedad y variabilidad de los datos. Luego discutiremos los conceptos fundamentales detrás de las técnicas de análisis de datos e identificaremos los criterios que permiten evaluar en la práctica el desempeño de estas técnicas. Haciendo uso de estos conceptos, discutiremos algunas aplicaciones clínicas relevantes y finalizaremos con una breve discusión acerca de los desafíos que Big Data presenta y como abordarlos.
- Como primera estrategia, se hizo un acercamiento cienciométrico por medio de la herramienta bibliográfica SCOPUS, un índice bibliográfico que contiene una colección representativa, completa y multidisciplinar a nivel mundial.
- Sin duda que el futuro de la unión de la Ciencias de Datos y la medicina es promisorio, pero ¿cuánto de esto resultará en una mejor salud para los pacientes o en una drástica transformación de la profesión médica?
- Con el uso de tecnologías disruptivas como la inteligencia artificial y el Big Data se espera estar mejor preparados para una próxima pandemia, incluso prevenirla.
- Sin embargo, en el contexto de Big Data, el volumen y la variedad de datos de un mismo paciente podrían estar correlacionados con datos obtenidos de otras fuentes, como transacciones comerciales26, revelando su identidad y dejándolo desprotegido.
- En [16] los autores proponen un teorema llamado “HACE”(Heterogeneous, Autonomous, Complex y Evolving), con el cual buscan describir las características de la revolución de Big Data.
- Un ejemplo en el cual la adopción general de un modelo predictivo puede conducir a errores de predicción es el caso del estimador del peak estacional de influenza.
Uno de los problemas fundamentales es el de transparencia, comprensión y evidencia aún existente en la relación que sería deseable establecer entre open data y web semántica. Es preciso, por otra parte, considerar también el valor periodístico real que entraña la difusión sin filtros de los datos frente a una interpretación de la información derivada del manejo de aquellos. Un posible marco de trabajo viene establecido por Heravi y McGinnis (2013) al mencionar el social semantic journalism, con el ánimo de presentar soluciones ante el reto que supone para las instituciones mediáticas las grandes cantidades de los contenidos generados por los usuarios (UGC) frente al tiempo, limitado, que tienen los periodistas para extraer noticias derivadas curso de ciencia de datos de estos datos no estructurados, no filtrados y no verificados. De igual modo, se plantea para superar el obstáculo en el proceso de selección de la información, puesto que su realización manual puede ser ineficaz por la gran cantidad de datos. No obstante, la posibilidad de compartir datos supone un nuevo reto en las tareas básicas de selección, análisis y difusión que realiza el documentalista. En este contexto, Peset, Ferrer-Sapena y Subirats-Coll (2011) plantean el open data como una eficaz vía para detectar duplicados documentales, eliminar las posibles ambigüedades terminológicas y suministrar la información y datos a usuarios de otras especialidades profesionales, como es el caso particular de los periodistas.
INCIBE e IMMUNE Technology Institute formarán a 9.000 personas en ciberseguridad y emprendimiento en España
Los artículos desarrollan este tema central en detalle, considerando sus diferentes perspectivas y son escritos por autores altamente calificados, provenientes de diferentes instituciones de salud, tanto chilenas como extranjeras. El objetivo de RMCLC es ofrecer una instancia de actualización de primer nivel para los profesionales de la salud, además de constituir una herramienta de apoyo para la docencia y de servir como material de estudio para los alumnos de medicina de pre- y postgrado y de todas las carreras de la salud. El presente artículo ha sido un ejercicio que no pretende ser exhaustivo, sino más bien una aproximación al estudio del big data en su relación con los derechos humanos desde la perspectiva de su prevención y protección a través de la identificación y, en la media de lo posible, el evitamiento de riesgos para los derechos humanos que pudieran darse por el uso de esta herramienta de análisis de datos, promoviendo así el análisis de su adecuada regulación. Un punto relevante a considerar respecto a los derechos humanos es que las empresas que realizan análisis de big data deben evitar el uso de esta herramienta para dirigir, tanto directa como indirectamente, el actuar de las personas.
