La transformación digital impulsada por big data está remodelando industrias de todo tipo. El sector de las ciencias de la salud no es la excepción.
En el pasado, la secuencia de un genoma humano podía llevar varios años y miles de millones de dólares. En la actualidad, la misma tarea puede realizarse en menos de 24 horas y por menos de $1000.
Las tecnologías de laboratorio vitales para trabajar en estos campos también han evolucionado a un ritmo rápido. Por ejemplo, las últimas herramientas en investigación de ciencias de la salud han permitido a los científicos crear visualizaciones tridimensionales complejas de moléculas de proteínas. Los científicos utilizan estas visualizaciones para ayudar en el descubrimiento de fármacos y los avances pioneros en la medicina personalizada.
El motor principal de estos avances revolucionarios son los big data. El volumen y la complejidad de los datos siguen creciendo a tasas asombrosas, especialmente en campos como genómica, bioinformática, biología predictiva y química.
Los instrumentos de laboratorio también producen cantidades significativas de datos, a veces hasta un terabyte por hora.
Por supuesto, con datos más grandes surgen mayores necesidades de almacenamiento de datos. La infraestructura de TI detrás de las bases de datos de ciencias de la salud deberá evolucionar con la creciente escala y dimensionalidad de los datos.
Con el océano de información con el que los científicos están lidiando, también necesitarán herramientas de software modernas para poder visualizar e interactuar rápidamente con big data. De lo contrario, las organizaciones de ciencias de la salud serán ricas en datos, pero la información será deficiente.
Beneficios más amplios de Big Data en la industria de las ciencias de la salud
Mientras las organizaciones de ciencias de la salud continúen actualizando sus infraestructuras de TI para integrar mejor big data en sus procesos centrales, los beneficios increíbles seguirán aumentando de su trabajo, incluidos los siguientes:
- Evaluación de riesgos mejorada: Big data puede ayudar a los científicos a obtener información que revele posibles peligros para la salud, evaluar el grado de riesgo asociado con ellos y ayudarlos a llegar a conclusiones para resolver el problema.
- Medicina personalizada: A medida que los científicos y médicos puedan procesar y comprender de manera más eficaz la información de salud personal electrónica, podrán hacer juicios más precisos sobre qué tipo de medicamento necesita cada paciente.
- Evaluaciones más eficaces en ensayos clínicos: En la actualidad, la mayoría de los medicamentos utilizan el modelo de “estándar de atención”, en el que se utilizan respuestas de grupos generales y ensayos clínicos para influir en la prestación de atención. Pero cuando los big data se aprovechan de manera efectiva, se pueden realizar evaluaciones más precisas sobre cómo el medicamento afecta a tipos específicos de pacientes, incluidos los efectos secundarios que de otro modo pasarían desapercibidos. Esto puede contribuir a avances continuos en el descubrimiento de fármacos, entre otras cosas.
La infraestructura de TI heredada reduce los posibles avances
Si bien los beneficios que los big data pueden aportar a las ciencias de la vida suenan prometedores, las organizaciones necesitarán infraestructura de TI y capacidades de almacenamiento de datos que puedan satisfacer las crecientes demandas.
Según un estudio de Deloitte/MIT de 2019, solo el 20 % de las organizaciones biofarmacéuticas y de ciencias de la salud están madurando lo suficientemente rápido digitalmente. Desafortunadamente, los sistemas de almacenamiento heredados están reduciendo el rendimiento y evitando que las aplicaciones reciban los datos que los científicos necesitan para lograr más avances.
Están surgiendo nuevos instrumentos y tecnologías de ciencias de la salud. Tienen el potencial de crear nuevas oportunidades de investigación que conducirán a mayores resultados. Pero las organizaciones deberán lidiar primero con varios desafíos de TI para poder aprovechar estas innovaciones.
Desafío n.o 1: Silos de datos
Muchas organizaciones están luchando para romper los silos de datos. Los silos hacen que sea difícil y lento para los investigadores de todos los departamentos acceder a los datos de los que depende su trabajo. Los silos se desarrollan, en parte, porque los datos se almacenan en varias herramientas y soluciones de software en lugar de en una base de datos centralizada de ciencias de la salud.
Para derribar las barreras creadas por la segregación de datos, las organizaciones deberán encontrar una forma de hacer una transición sin problemas de los sistemas de datos a una herramienta de software fácil de usar.
Desafío n.o 2: Escale
Como se mencionó anteriormente, las últimas tecnologías científicas producen una cantidad considerable de datos. Las organizaciones de ciencias de la salud necesitarán escalar sus capacidades de almacenamiento para adaptarse a esta afluencia de información.
Si no se alcanza la escala adecuada a tiempo, se interrumpirán los flujos de trabajo que dependen de los datos capturados por estos instrumentos.
Desafío n.o 3: Técnicas de análisis de Big Data
Big data solo es tan útil como los resultados que puede extraer de él. Ya sea que esté ejecutando un proceso de análisis de big data para potenciar la medicina personalizada o aprovechando la AI para ayudar en el descubrimiento de fármacos, la computación de alto rendimiento (HPC) requiere un almacenamiento de datos de alto rendimiento. Ahora es necesario cambiar de unidades de disco giratorio a matrices de almacenamiento basado íntegramente en tecnología flash baja latencia y alta IOPS.