¿Internet de las cosas? No, ¡Internet del cuerpo!

Leonardo da Vinci, 1511-1513

Entrada publicada originalmente en inglés en el blog de HIMSS Europe como "Internet of things? No, Internet of the body!" el 30/11/2016. Publicado con permiso de HIMSS Europe.

Érase una vez... 

Esta es la manera clásica de empezar un cuento infantil: dejadme explicar una historia real.

Érase una vez una doctora llamada María Ángeles Medina (Twitter: @magelesmedina); era médico de familia y emprendedora. Era runner. Su marido, también médico, le regaló un pulsómetro de una marca muy conocida, para ayudarle a monitorizar su ritmo cardíaco mientras estaba corriendo. Notó que las lecturas de ritmo cardíaco eran muy elevadas cuando corría, así que pensó que el wearable tenía un problema de precisión en las lecturas. Pero al cabo de 8 meses de lecturas irregulares, decidió ponerse un dispositivo médico para poder comparar las lecturas con las del wearable. Cuando los dos dispositivos mostraron las mismas lectura de ritmo cardíaco, investigó más y descubrió que tenía la Enfermedad de Barlow, un defecto de la válvula mitral. Su condición fue calificada como severa, pero no irreversible. Se sometió a una cirugía de tres horas a corazón abierto para reemplazar la válvula mitral, y ahora, afortunadamente, se siente muy bien.

El pulsómetro salvó su vida, pero sólo porque ella tuvo los conocimientos médicos y experiencia para reconocer que algo iba mal, y tuvo los recursos necesarios para profundizar en su problema. ¿Qué hubiera pasado en este cuento si la protagonista no hubiera tenido conocimientos médicos? Lo más probable, un final triste: muerte súbita mientras corría. 

Habemus wearables. 

Más allá del hecho de que cualquiera que practique un deporte debería pasar una revisión por parte de un médico especialista en medicina deportiva al menos una vez al año, la realidad es que muy pocos pasan por esta clase de controles. Mucha gente practica deporte (sobre todo, running) sin consejo adecuado ni supervisión médica. 

Además, cada vez es más fácil encontrar personas que llevan wearables de diferentes marcas, que miden diferentes parámetros, o incluso parámetros comunes medidos por diferentes dispositivos y guardados en apps diferentes. Algunas apps se pueden conectar a plataformas como Microsoft Health, Google Fit o Salud de Apple (por mencionar unas cuantas), pero existen otras apps que no son capaces de conectarse a estas plataformas. 

De hecho, ya tenemos la posibilidad de adquirir un montón de datos sobre nuestros cuerpos, de diferentes orígenes (incluso fragmentados) y con un grado variable de precisión. Si recordáis mi último post, "¿Big data o un lío de datos?", parece que estamos hablando de nuevo sobre big data, y la necesidad de usar ontologías también en nuestros datos personales de salud y bienestar.  

Internet del cuerpo. 

Nuestros wearables son dispositivos IoT (Internet de las cosas). Así pues, para diferenciarlos de dispositivos que no son de uso para salud, podríamos llamar a este subconjunto de dispositivos IoT "Internet del cuerpo" (IoB); dichos dispositivos han sido diseñados para llevarlos en nuestro cuerpo (interna o externamente) para medir diferentes parámetros de bienestar y salud, incluyendo los de actividad sexual.

Así pues, ¿qué pasaría si los datos generados por los dispositivos IoB se pudieran organizar a través de un framework común como conocimiento, pudiendo ser tratados por un sistema cognitive computing?

Por ejemplo, imaginemos a un paciente con arritmia, hipertensión y una pérdida de peso de 3 Kg. o más en las últimas 48 horas. Sería un claro candidato a un incidente cardiovascular en las siguientes horas, ¿verdad?

Como decíamos antes, estos datos pueden venir fácilmente de tres dispositivos diferentes, y sin su adecuada consolidación y el uso de cognitive computing, el resultado pudiera ser un problema de salud grave, incluida la muerte. 

Un buen sistema cognitive computing podría alertar al portador de los wearables para que buscara ayuda médica e incluso lanzar una alerta a los equipos de emergencias médicas más adecuados, de tal modo que se puedan tomar las medidas necesarias para evitar el final trágico descrito en el párrafo anterior.

Finalmente... 

Evitar problemas de salud severos y salvar vidas deben ser el principal objetivo si queremos crear una arquitectura de wearables enlazada con sistemas cognitive computing.

Una vez más, lo que necesitamos son datos organizados como conocimiento.

Otra vez, vemos la necesidad del uso de las ontologías en el sector salud.

P.D.: Quiero agradecer a la Dra. Medina su permiso para poder explicar su historia, ha sido de gran ayuda.

¿Big Data o un lío de datos?

Entrada publicada originalmente en inglés en el blog de HIMSS Europe como "Big mess or big data?" el 08/11/2016. Publicado con permiso de HIMSS Europe.

¿Hay alguien que no haya oído hablar sobre big data? Porque, por lo que parece, cada vez es una parte más importante de cualquier aspecto de nuestras vidas, incluyendo el sector salud, por supuesto.

Pero, ¿el sector salud está preparado para utilizar big data? Hay algunos detalles sobre los cuales tendremos que meditar. En primer lugar, deberíamos saber que estamos tratando información de pacientes cuyos datos proceden de orígenes muy variados. Por poner un ejemplo, se considera que los datos que alimentan un repositorio big data son un 20% estructurados y un 80% no estructurados, lo que significa que nos encontramos con una dificultad añadida para gestionarlos.

Así pues, vamos a hablar sobre las cuatro "V" que definen big data:

• Volumen, porque estamos tratando cantidades enormes de datos
• Velocidad, porque estamos tratando datos que se generan muy rápidamente
• Variedad, porque estamos tratando una gran variedad de datos
• Veracidad, porque necesitamos un nivel adecuado de confianza sobre los datos

¿Qué pasa con la calidad? Cuando estamos tomando decisiones basadas en tecnología big data, debemos asegurar la calidad de los datos almacenados. ¿Cómo podemos asegurar la calidad de los datos? ¿Podemos imaginar controlar la calidad en el momento de la adquisición de estos datos?

Pensemos sobre los datos generados por wearables. ¿Podríamos asegurar que proceden de una fuente fiable? O puede que la metadata no estructurada que a menudo se registra adicionalmente resultaría ser más un lío de datos que big data.

Almacenamos una cantidad de información enorme. ¿Tenemos alguna idea de qué datos son los relevantes? ¿Tal vez podríamos utilizar algoritmos de data mining para descubrir pautas que podamos usar y re-usar posteriormente?

En España decimos “Los árboles no nos dejan ver el bosque”, que podríamos adaptar fácilmente a "Los datos no nos dejan ver el conocimiento". Porque necesitamos conocimiento, no datos brutos, para poder tomar decisiones. Necesitamos un nivel superior, más allá del concepto big data, para mejorar la integridad y calidad de los datos.

Tengo suficientes razones para decir que "Big data, y quiero resaltar, el big data como lo conocemos hoy, está poco y mal utilizado. Punto".

Datos VS Conocimiento. Bienvenidos al mundo de las ontologías. 

En el siglo XXI no deberíamos hablar de datos, deberíamos hablar de conocimiento. Deberíamos modelar los datos de modo que pudiéramos representar el conocimiento. ¿Cómo lo podríamos hacer?

Os voy a introducir en el concepto ontología. Las  ontologías son un método semántico para modelar dominios de conocimiento, estableciendo relaciones entre las diferentes entidades así como estableciendo taxonomías. Las ontologías son la base de cognitive computing, más allá de los conceptos HADOOP o big data. Los datos están estructurados en una red n-dimensional donde cada elemento del dato está vinculado a n-atributos diferentes y sus clases. Además, las ontologías permiten gestionar de manera eficiente el aseguramiento de la integridad entre diferentes declaraciones de datos, ya que se pueden aplicar diferentes reglas de integridad.

Cuando hablamos sobre reglas, podemos usar ejemplos simples tales como "esta persona es una mujer, no es un hombre"; de este modo podríamos evitar registros de historia clínica tales como "paciente hombre de 80 años, con 9 embarazos y seis nacidos vivos" (extraido de una historia clínica real).

Otro ejemplo de declaración puede ser "una botella de Chardonnay blanco de Australia va bien con el pescado".

Esta declaración revela algunos atributos de los datos:

• Hecho de uva (Chardonnay)
• Tiene un país de origen (Australia)
• Tiene un color (blanco)
• Tiene un contenedor (botella)
• Tiene un gusto (moderado)

Del vino probablemente podemos tener aún más información (por ejemplo, marca, azúcar y así sucesivamente) y lo podemos vincular con otras clases como pudiera ser comida. Como podemos ver, las ontologías pueden definir todos los atributos dentro de un dominio de conocimiento específico.

Ontologías y Sanidad

¿Por qué no hablamos de ontologías en sanidad y patologías? Consideremos la neumonía, por ejemplo. La ontología se podría representar (epidemiología, tratamiento, síntomas, y más), así:

Fuente: Florida Institute for Human & Machine cognition (IHMC)

Pero, ¿qué pasaría si representamos esta patología en un paciente?

Uno de los mejores ejemplos de cómo representar una patología en un paciente concreto utilizando ontologías lo podemos encontrar en “Infectious News”. El día 13 de septiembre de 2016, la Dra. Meghan May escribió sobre los problemas de salud que afectaron a Hillary Clinton el 11 de septiembre de 2016. La Dra. May supuso que Clinton tenía neumonía. Desarrolló una entrada de historia clínica (supuesta) de Clinton (que podéis leer en el link anterior) y la modeló como una ontología.

Fuente: Infection News. Dr. Meghan May "After Careful Review, I suspect Hillary Clinton actually has... Pneumonia" 13/09/2016

Conclusión

Como se pueden ver en los ejemplos anteriores, las ontologías son un método perfecto para trabajar con conocimiento. Recordad: si queréis cumplir con normas como EN/ISO13606, o queréis trabajar con sistemas cognitive computing como IBM Watson, no tenéis otra elección que usar datos estructurados y modelados como conocimiento.

Debéis trabajar con ontologías. Un método sencillo para organizar y asegurar la calidad de los datos recogidos.

Este es el futuro.

La pregunta es: ¿estamos preparados para trabajar con el increíble potencial que nos ofrecen las ontologías en el sector salud?

Quiero agradecer la ayuda y contribución inestimable a la redacción de este post de mi colega Inma Roig. 

Digital health and healthcare organisation strategy: four views, one vision.

Article posted on: August 15th, 2016 in the HIMSS Europe blog. Revised August 30th, 2016. Reposted with permission of HIMSS Europe.

The role of healthcare CIOs has been changing in recent years.

Initially they were a sole system’s Kerberos that was refractory to any kind of innovation, with a mindset limited to solve administrative, financial tasks.

Now, they have a more global mindset, watching over the whole organisation, and have taken on the role of the CEO’s right hand man. They are switching the focus of IT systems and services from being cost centers to being profit centers. They are conscious that their work impacts the way care is delivered and how patients / customers perceive quality of service.

But the challenges are increasing: the next step is ensuring that IT-related activities fit healthcare organisation strategy. It is key that these activities are fully aligned with the strategy defined by top management.

How can this be done?

Aligning IT with the organisation’s strategy

Let me introduce the concept of the balanced scorecard. The balanced scorecard is a way to align the entire organisation to the strategy and also to measure their performance. First described by Robert S. Kaplan and David P. Norton in the article, “The balanced scorecard – Measures that drive performance”, in the Harvard Business Review January-February 1992 issue. It was seen as revolutionary back then, because they were the first to say “what you measure is what you get”.

The balanced scorecard is defined as a set of measurements that give top management a fast, but comprehensive view of the business. And Kaplan and Norton point out that the operational measures drive financial performance.

Let me adapt it for a classical healthcare CIO role.

Courtesy of Costaisa Group ®

For them, a balanced scorecard offers a view on performance from four different perspectives: Production & Innovation, People, Customers & Patients and Financial. The healthcare CIO needs to focus on getting the best performance in each one of these areas.

Let me step into the shoes of a healthcare CIO for a moment.

Production & Innovation 

In this area we could identify for example EPRs, telemedicine and fully integrated tele-monitoring systems. We should work to avoid isolated information silos and we should be focused not only on recording data correctly but also on how to extract knowledge from this data, too. 

Initiatives such as programs to improve delivery of service to e-patients, practice communities to empower GPs, and data mining systems that could deep dive into our data repositories (big data), or perhaps programs to explore local patient behaviour in social networks that can be filtered for our community. 

This could also include, all the activities related to innovation and the different approaches to it, and could even consider searching “put-to-market” scenarios. 

People 

Our healthcare professionals. Our most valuable asset. We should empower them by promoting a culture of collaboration, across departments, with the aim to share knowledge. We should unlock the incredible power of corporate social networks. 

We could improve the visibility of our healthcare professionals helping them to build strong digital identities, through professional networks like LinkedIn, social networks like Facebook and Twitter, even supporting them in the creation of a strong professional blog ecosystem. 

It’s the best way to involve our healthcare professionals; without them, its impossible to avoid failure. 

Customers & patients 

We should improve the communication channels between patients and the healthcare organisation. And that means all channels. Social networks is a crucial part of this. 

A strategy of starting conversations via social networks is a necessary first step. Every citizen should be able to ask us using the communication channel they prefer and need to be answered in a very short time. The use of apps, mobile devices, and even the possibility to ask our professional’s anonymous questions should be considered. 

Financial 

Who pays the party? Because It’s necessary to know how to finance it. Donations? Corporate responsibility? Government funds? Advertising? 

The only limit is our imagination. 

Footnote 

CIOs should be prepared to play a determinant role in their healthcare organizations. They have got a well-trained mind. They are able to deploy paperless scenarios (and not only at a clinical level, trust me). They have got entire healthcare processes in their heads. The consequence should be better delivering of care, along with a better and more collaborative way to deliver it. 

Having a CIO’s unique view of the whole healthcare organization is the key for success. 

This is one of topics to be discussed at the new HIMSS Europe World of Health IT (WoHIT) Conference & Exhibition which will be taking place on 21–22 November 2016 in Barcelona, Spain (www.worldofhealthit.org).

EPR linked to patient safety: a proposal.

Article originally posted July 28th, 2016, in HIMSS Europe's blog, and revised August 28th, 2016. Reposted with permission of HIMSS Europe.

“All men make mistakes, but a good man yields when he knows course is wrong, and repairs the evil. The only crime is pride.”— Sophocles, Antigone

Avoiding patient harm is the next challenge for the healthcare industry. Everywhere. When we stop and think about it, the words which spring to mind include “surgical checklists”, “safety procedures”, “hand washing” and so on.

But what about EPR? What can we do about patient safety from an EPR / EHR / EMR point of view?

The problem

Let's consider the following scenario: patient harm due to medical errors.

Most of these errors are avoidable. In 2013, the “Journal of Patient Safety” stated that there are between 210.000 to more than 400.000 premature deaths per year in the U.S. which are associated with preventable harm to patients.

In Spain we’ve got statistics from “Asociación de Defensa del Paciente”, which calculate the number of litigations due to medical errors. In 2015, there were 14.430 medical errors cased (the majority of them related to waiting list issues), of which 806 resulted death.

It’s a shame.

Its worth noting that these numbers are of course influenced by the number of lawyers who are encouraging patients to sue when any complaint relating to sub standard care is made. That means increasing costs of medical practice costs for all healthcare professionals due to the growing costs of civil responsibility insurances. This can clearly be seen in the US but also we are beginning to see it in Spain, too.

How to fix it

What can be done to solve this problem?

Surely there are a lot of things we could do.

We could, for example, improve the decision-making processes. In particular, we could examine how a doctor evaluates vital signs, symptoms, laboratory test results and diagnostic images to determine a given diagnostic.

These kind of processes are supported by clinical guidelines, approved by the CMO, or provided by healthcare regional and national administrations. These guidelines include a decision-driven flowchart (or something similar) which specifies each step the doctor should follow. It’s the safest way to conduct diagnostic treatment processes, because they are evidence based, peer-reviewed procedures. Following a clinical guideline is safe for the patient, but also for the healthcare professional. And it’s cheaper for all the stakeholders, too.

And what about EPR? Well, the implementation of clinical guidelines in a commercial EPR tends to be a limited document attachment with no business rules embedded into it, except perhaps for the possibility to provide an alert when a given condition has been identified (for example, a threshold value for a vital sign or a specific diagnostic).

The proposed solution

What needs to be done? The decision flowchart needs to be imbedded as a set of business rules into the EPR. What this means is that the EPR would follow a diagnostic decision-making process driven by clinical guidelines, assessing the healthcare professional in each step, proposing suitable diagnosis and treatment options at every step, avoiding mistakes and protecting patients with the safest, most convenient procedures.

This means that the EPR would be transformed from an input tool with limited intelligence to a veritable medical record and assessment tool. A system designed to improve patient safety. The EPR in this context should be a system that is preventing harm. That is our goal.

Consider, for example, a female patient, with suspected breast cancer. All the symptoms and tests reveal that it’s breast cancer. But the healthcare professional didn’t have access to the biopsy results. And without them, they can’t make a final diagnosis of breast cancer. A typical commercial EPR, would allow this perosn to record a final diagnosis of breast cancer. 

In our proposed smart EPR it would alert us to the fact that biopsy results are missing, and offer the option to order them if we hadn’t already done so, showing a CPOE window with the relevant options pre-selected.

This is only one example of how we could improve patient safety using an EPR.

Footnote

There is a lot of work to do.

One of the most famous quotes from Star Trek is: "To boldly go where no man has gone before..."

It’s time to come together, explore the EPR technology boundaries, with a view to ultimately improving patient safety.

This is one of topics to be discussed at the new HIMSS Europe World of Health IT (WoHIT) Conference & Exhibition which will be taking place on 21–22 November 2016 in Barcelona, Spain (www.worldofhealthit.org).