Sem título

Slide 1

• equipo 8 "Big data y analitica en las ciencias de la salud"
• integrantes :
• Perez Martinez angel abdiel
• Frida Sarai Ramírez Mariano
• Jorge Eduardo Méndez Guzmán

introducción

• Big data y la analítica del aprendizaje son herramientas que permiten aprovechar enormes cantidades de datos que hoy existen en formato digital, y que se generan durante la prestación de servicios de salud y cuando se incorporan plataformas digitales al proceso de ensenanza-aprendizaje en la formación de médicos. El objetivo es dise ˜ nar proyectos que ˜ exploten las ventajas de las capacidades técnicas actuales para el procesamiento automatizado de datos en grandes volúmenes y distintos formatos, para buscar su entendimiento y mejorar la toma de decisiones.
• Las asociaciones, los patrones y las tendencias que pueden emerger del análisis de datos generados en la educación médica pueden facilitar el seguimiento e incluso modelar la conducta de los estudiantes, y perfilar su desempeno

Cómputo de alto rendimiento y cómputo en la nube

• Alrededor de BDA existen tres conceptos o variables principales relacionadas para esto,
• algunos de estas variantes pueden afectar a las otras diferentes ya sea contexto o
• proporciones.
• El data Warebousing Es el conjunto de De arquitecturas que facilitan o apoyan los procesos de
• descubrimiento de conocimientos o informa valiosa partir de los datos para descubrir patrones
• significativos.
• La Programación paralela es una estrategia donde el problema de gran tamaño se dividen en
• problemas más pequeños, con la idea de que resuelvan de manera simultánea y técnica.

Slide 4

• Debido a los intereses del desarrollo de soluciones a los problemas computacionales y de
• almacenamiento este proceso paralelo y distribuido
• Para esto contamos con cinco tipos: servidores, computadoras de sobremesa, tabletas,
• teléfonos, portátiles.
• Dentro de esto desarrollan diferentes funciones tanto son las redes sociales, almacenamiento,
• ejecuciones, base de datos, comunicación,Colaboración, contenidos y finanzas.
• El uso de procesadores con más de un núcleo ha sido de los aspectos de mayor impacto la que
• ha permitido desarrollar plataformas de memoria compartida y distribuida. Hace unos años la
• capacidad de computación estaba definida por la cantidad de recursos disponibles para
• invertir en servidores.

plataformas y heramientas para analítica de grandes bases de datos.

• Estas tecnologías, modelos, técnicas de procesamiento de datos y servicios en la nube se han utilizado también en otros dominios incluyendo desde luego el sector salud, pero también la ciencia que ha logrado beneficiarse para realizar investigaciones y experimentos en diversas áreas de conocimientos como bioinformatica y genética.
• El procesamiento brinda estos importantes resultados: dotar de estructura lógica a los conjuntos de datos tratados; almacenar los datos en el repositorios elegido; analizar los datos disponibles para hallar relaciones; aplicar algoritmos a los datos ; aplicar procesos estadísticos; resolver las peticiones lanzadas mediante el modelado, interpretar grandes datos , interpretar las distintas soluciones, y aportar un resultado final
• Estas tecnologías, modelos, técnicas de procesamiento de datos y servicios en la nube se han utilizado también en otros dominios incluyendo desde luego el sector salud, pero también la ciencia que ha logrado beneficiarse para realizar investigaciones y experimentos en diversas áreas de conocimientos como bioinformatica y genética.

Slide 6

• Hadoop es un sistema de código abierto como una plataforma de almacenamiento de datos y análisis para BIGD, optimizado para mejorar los datos masivos a través de paralelismo usando un hadware económico, surge para resolver parte de los problemas asociados al BIGD y a la ciencia de datos.
• El mapReduce es el modelo de programación utilizado para dar soporte a la computación paralela, trabaja grandes colecciones de datos en grupos de computadoras o clusteres. El acceso de datos se lleva acabo de streaming , es decir, que los datos se facilitan a medida que se consume, por lo que no hace falta descargarlo.

Minería de datos

• El corazón de la BDA Está en la minería de datos, mediante la cual se busca patrones ocultos de
• los datos para transformarlos, debido a las dificultades que ofrecen los problemas que se
• pretenden resolver.
• La idea de construir autómatas que despliegue las conductas inteligentes es una antigua Pérez
• en el siglo XX, Para que en 1936 desarrollaron una máquina universal.

Inteligencia artificial

• Inteligencia artificial, es la programación de computadoras para exhibir algunos aspectos de
• inteligencia humana, Teniendo un desempeño de expertos en especialidades de ciencias,
• ingeniería O medicina

Redes neuronales artificiales

• El origen de las redes neuronales artificiales, RNA, a diferencia de la inteligencia artificial
• clásica, presentan un modelo de neuronas inspirados en algunas características de la
• complejidad estructural, anatomía y fisiología
• Para esto tenemos el aprendizaje por esfuerzo y también el aprendizaje no supervisado.

ANALITICA DE GRANDES BASES DE DATOS EN EL SECTOR SALUD

• El sector salud es uno de los más importantes para el desarrollo de las regiones, pero también de
• los más complejos en términos de datos, pues considera información clínica, que en un futuro
• podrá contener más datos de los que hoy se maneja, también opera datos farmacéuticos, datos de
• prácticas, preferencias y hasta registros financieros de los pacientes.

MEDICINA POBLACIONAL Y TECNOLOGIAS BIG DATA

• La investigación en salud se ha centrado en analizar un grupo de personas representantes de la
• población general y extrapolar los resultados obtenidos al resto de la población. Este enfoque
• empezó a cambiar, surge el concepto de medicina personalizada para tratar la salud y la
• enfermedad de cada persona.
• En este sentido la población podrá beneficiarse al aplicar las técnicas de análisis de datos en
• medicina.:

por ejemplo:

• :
•  Contar con un repositorio centralizado, estructurado y normalizado de alertas
•  Dividir la población en grupos en función de características sociosanitarias similares y
• niveles de riesgo.
•  Analizar la eficiencia o factores secundarios en el tiempo de un fármaco o un determinado
• tratamiento.
•  Segmentar la población para seccionar los pacientes de los estudios y mejorar de esta
• manera la eficiencia de los ensayos clínicos.
•  Detectar con anticipación a los pacientes que necesitaran servicios de atención
• especializada, urgencias u hospitalización.
•  Determinar patrones de comportamiento de pacientes y de profesionales de la salud.

BIG DATA PARA MEDICINA PREVENTIVA

• Del mismo modo, analizar el impacto social y el estudio de los datos históricos permite definir
• políticas preventivas como:
•  Campaña de salud ambiental y laboral especificas
•  Políticas publicas para el desarrollo de la educación para la salud
•  Estudios de la probabilidad de la aparición o progresión de una enfermedad
•  Vigilancia de brotes epidémicos y situaciones de emergencia sanitaria
•  Desarrollo de programas de investigación en salud publica
•  Evaluación de servicios y programas de gestión de la calidad asistencial

Slide 14

• La medicina preventiva, entendida como promotora de la salud, se basa en el análisis de datos
• para aumentar el bienestar social en todos los sentidos.
• Medicina personalizada con big data
• Las herramientas y herramientas y técnicas analíticas permiten aprovechar el valor de los datos
• para:
•  crear soluciones para la toma de decisiones besadas en datos reales
•  optimizar los servicios de tele asistencia
•  fomentar la planificación conjunta del tratamiento
•  utilizar la información recogida por los dispositivos móviles posibles, las redes sociales y
• las aplicaciones de e-salud
•  potenciar el autocuidado de las personas ofreciendo mas y mejor información sobre la
• salud publica, planes nutricionales, ventajas de la actividad física, ayuda sociales, etc.

Modelos algorítmicos para una medicina predictiva

• Toman como referencia el modelo de los expertos y los datos históricos se pueden crear modelos
• algorítmicos en salud adinados, que permitan tratar mejor la información y predecir la evolución
• de los pacientes o sus necesidades,

Conclusiones

• en todo el mundo, en tgodos los campos, y los sectores productivos la disponibilidad de datos en las organizaciones esta creciendo de manera acelerada , pero su capacidad para tomar deciciones con base en el analisis de esos enormes volumenes de datos no lo estan haciendo.
• es por lo tanto un momento idoneo para que se consideren dos iniciativas , una orientada a la creacion de programas universitarios, tanto de licenciatura como de posgrado en ciencia de datos y areas afines para atender demnadas actuales y futuras.