ARTÍCULO DE REVISIÓN

EL IMPACTO DEL BIG DATA EN SALUD

RESUMEN
Este trabajo analiza lo que puede aportar la creciente generación y acumulación de datos que actualmente se CORRESPONDENCIA
está produciendo en el mundo al campo de la Salud. Cómo se recogen, analizan y utilizan enormes volúmenes
de datos para la toma de mejores decisiones médicas y cuál podría ser su impacto en la salud de las personas.
Juan Vega1

1.Escuela de Ingeniería
Además se presenta, a modo de ejemplo, una aplicación de una técnica de análisis de datos para la clasicación
Industrial, Informática y Sistemas.
del comportamiento de jóvenes referente al sedentarismo y hábitos saludables que poseen.
Universidad de Tarapacá, Arica,
Palabras claves: Campo de la Salud, hábitos saludables.
Chile.

ABSTRACT
Correo autor:
This paper analyzes what can provide the rising generation and the accumulation of data, which is currently
jvegav@uta.cl
taking place in the World to the department of health care. How are collected, analyzed and used huge volumes
of data to better medical decisions, and how could they could make an impact on Human Health.

Also it is presented, as an example, an Application o Analysis o Data or the classication o teenagers behavior about sedentarism and healthy habits
they have.
Keywords: Department of health care, healthy habits.

INTRODUCCIÓN

El mundo de la salud genera impresionantes cantidades
de datos. Hoy en día los centros de salud y sus pacientes
producen a diario un gran volumen de datos en distintos
formatos, ya sea en papel o en forma electrónica. Muchos
de éstos son cruciales para realizar diagnósticos y
tratamientos certeros, sin embargo no siempre pueden
utilizarse debido a la imposibilidad de procesarlos de
manera eciente (1)
. Con el advenimiento de nuevas
tecnologías como el Internet de las cosas, la biometría,
las aplicaciones de smartphones, dispositivos, sensores,
aparatos de tness y equipos sosticados de diagnóstico
de salud, se espera que esa cantidad vaya en aumento .
Y no solamente los centros de salud, actualmente son
muchas las organizaciones que almacenan numerosos
datos, sin embargo, no los utilizan para obtener
información de manera efectiva sino que simplemente
los recogen por una cuestión de protocolos, que obligan
a contar con registros pormenorizados sin utilizarlos con
nes más allá de los meramente procedimentales
es precisamente lo que está empezando a cambiar, el
“Big Data” es una referencia a bases de información de
gran escala que contienen grandes conjuntos de datos
y variables (4)
. Cuando se habla de Big Data se piensa
en volúmenes de información tan grande que no puede
manejarse con los programas y hardwares tradicionales, ni
tampoco se puede analizar con las herramientas comunes
de gestión de datos (5).
BIG DATA EN SALUD
A la gran cantidad de datos que día a día se producen se irán
(2)
sumando aquellos generados por la creciente utilización
de la tecnología wearable, esto se reere a todos aquellos
elementos digitales que podemos llevar sobre nuestro
cuerpo como accesorios e incluso como vestimenta (6)
.
Dentro de este concepto se encontrarían lentes, pulseras,
relojes, zapatillas, etc., que podemos vestir y que, gracias a
la tecnología, van a tener una serie de funciones añadidas
(3)
. Esto a las funciones tradicionales. La mayoría de estos
dispositivos aplicados a la salud miden diferentes variables
biológicas, las cuales son transmitidas vía inalámbrica a

98
 ARTÍCULO DE REVISIÓN
una aplicación especíca de nuestro teléono móvil, donde
los datos son procesados. Recuérdese el rescate de los
33 mineros atrapados en 2010 en nuestro país, en esa
oportunidad se utilizaron chaquetas equipadas con un
conjunto de sensores portátiles capaces de medir datos
biomédicos para su evaluación y análisis a distancia . (7)
Los sensores incorporados en estos accesorios
proporcionan información minuto a minuto sobre la
evolución del paciente lo que podría ayudar al seguimiento
y monitoreo de determinadas patologías (3)
. Así, los
profesionales de la salud podrían avisar a las personas las
probabilidades de padecer ciertas enfermedades antes que
ocurran. De esta manera, se podría realizar una atención
personalizada al paciente y permitiría el seguimiento de
enfermos crónicos ayudando a los cuidados médicos tanto
presenciales como en el propio domicilio del enfermo
Gracias al avance de las Tecnologías de Información y
Comunicación (TIC) y al Big Data los pacientes tendrían una
gestión proactiva, se podría tener una mejor coordinación
para la atención y se mejorarían las deciencias clínicas
y administrativas lo que traería como consecuencia un
ahorro importante en la inversión en el área sanitaria . (5)
El Big Data permitiría, por ejemplo, identicar
anticipadamente los pacientes crónicos en riesgo de
descompensación, para incluirlos en programas especícos
de atención. También puede ayudar a la toma de decisiones
clínicas en tiempo real (analizando casos similares y
proponiendo alternativas de manejo) y así reducir la
variabilidad en la práctica médica. Adicionalmente, sería
posible entregar información directamente a los pacientes,
permitiéndoles un rol más activo en sus propios cuidados
y, quizás, una mayor eectividad para modicar estilos de
vida, controlar factores de riesgo y mejorar la adherencia a
los tratamientos (2).
Además, será posible predecir las hospitalizaciones
de patologías basándose en factores ambientales o
poblacionales, analizar cómo se encuentra la salud en
un territorio o región, e identicar aquellos pacientes con
riesgo elevado. Por ejemplo, se podría saber dónde se está
extendiendo un virus de la gripe y a qué ritmo, adaptar la
respuesta y garantizar el inventario de vacunas suciente
para los sitios que lo necesiten (5). En gestión de la atención
sanitaria, las técnicas de Big Data permitirían el desarrollo
de indicadores sosticados para comparar la calidad de la
atención que reciben los pacientes atendidos en distintos
centros o por diferentes médicos y desarrollar estrategias
de mejora (2)
. En investigación clínica, farmacológica y
epidemiológica el análisis de grandes bases de información
supondría enormes benecios para la población (2)
. En
la investigación farmacéutica se podría, por ejemplo,
determinar la efectividad de medicamentos y predecir la
aparición de efectos secundarios.
(5)
.
La utilización del Big Data para transformar la atención
sanitaria no está libre de barreras y limitaciones. En primer
lugar se debe contar con bases de datos adecuadas, en
Chile a través del denominado Proyecto SIDRA se intenta
llevar un proceso de informatización de los datos clínicos
mediante el Registro Clínico Electrónico (8)
. Otro tema
importante es el mantenimiento de la privacidad de las
personas y la protección de los datos personales. Por esto
se hace necesario establecer mecanismos y políticas que
aseguren la protección y aprovechamiento responsable de
la información recogida (9). Sobre esto, Jason Abrevaya, de
la Universidad de Texas, en su análisis sobre los desafíos
del uso de datos en el sector de salud en Latinoamérica y
EE.UU. señala: “No estamos lo sucientemente equipados
para la avalancha de datos que se nos avecina”. “el desafío
es más que tecnológico es también legislativo” (4)
. En
opinión de Boris Lopicich (10)
, en Chile la regulación actual
no parece estar sucientemente preparada para hacer
frente a los avances tecnológicos y al fenómeno del Big
Data, así la legislación actual no sería adecuada, teniendo
“severas lagunas” en esta materia.
99
 ARTÍCULO DE REVISIÓN
Por otro lado, no solo la atención médica se beneciará de
la irrupción del Big Data en la gestión del sistema sanitario.
También la investigación experimentará una mejora a la
hora de poder determinar las causas de las enfermedades
y establecer mejores soluciones (5)
, de esta forma se
podrá mejorar la prevención, diagnóstico y tratamiento de
enfermedades.
ALGUNAS TÉCNICAS DE BIG DATA
Dentro de las técnicas frecuentemente utilizadas en
Big Data se encuentran (11)
: Machine learning, redes
neuronales, algoritmos genéticos, minería de datos,
árboles de clasicación, técnicas de segmentación y otras.
Sin embargo, no todas estas técnicas requieren el uso de
grandes cantidades de datos, algunas se pueden aplicar
con ecacia en conjuntos más pequeños, de hecho Big Data
utiliza muchos métodos desarrollados con anterioridad.
En Big Data frecuentemente se hace uso del Análisis
Multivariante que es una parte de la estadística que estudia
y analiza los datos que resultan de observar más de una
variable simultáneamente sobre un conjunto de individuos o
entidades (12). Dentro del análisis multivariante, una técnica
muy utilizada es el análisis de clusters (o conglomerados)
que es un método de clasicación automática que a
partir de una matriz de datos trata de situarlos en grupos
homogéneos, conglomerados o clusters, sugeridos por la
propia esencia de los datos, de manera que las unidades
de análisis que puedan ser consideradas similares sean
asignadas a un mismo cluster, mientras que unidades
diferentes se localicen en clusters distintos(13). Los grupos
se realizan basándose en la proximidad o lejanía de unos
con otros, por lo tanto es esencial el uso del concepto
de distancia. A continuación se explicará brevemente en
qué consiste esta técnica de análisis de datos, ya que se
utilizará más adelante para un ejemplo de aplicación.
De forma general es posible representar la tabla de datos
mediante la siguiente matriz de la gura 1 (13)
: matriz de distancias entre los individuos y a continuación
100
Los individuos (u otras unidades de análisis) que forman
parte del estudio, y que se intentan clasicar vendrán
caracterizados o denidos por dierentes valores obtenidos
al medir determinadas variables sobre ellos. Es decir,
Figura 1: Ejemplo de matriz de datos.
cada individuo poseerá un determinado valor para cada
una de las variables que se traten en el estudio. De esta
manera si se consideran n individuos y m variables, los
datos que denen a toda la muestra se pueden representar
en la matriz de datos A=(aij), de modo que cada individuo
aparece en cada una de las las y los valores que las
variables toman aparecen en las columnas.
Por otro lado, se denomina un espacio métrico a un
espacio en el que se ha denido una distancia (o orma de
medir), por ejemplo, la conocida distancia euclidiana (del
teorema de Pitágoras) en un espacio bidimensional (X,Y).
Si en un espacio métrico consideramos como sistema de
ejes de coordenadas el denido por las variables objeto
de estudio, se está en un espacio de tantas dimensiones
como número de variables se considera, es decir, m
dimensiones. Entonces, cada uno de los n individuos
puede ser tomado como un punto en dicho espacio métrico
dando lugar a una nube de n puntos. De este modo, cada
uno de los valores aij se considerarán como coordenadas
de cada individuo(13).
Con esta información, se procede luego a elaborar la
 ARTÍCULO DE REVISIÓN
se selecciona el algoritmo que formará las diferentes
clusters o conglomerados de individuos. El paso
siguiente es obtener una representación gráca de los
conglomerados obtenidos, de modo de poder visualizar
los resultados obtenidos. Este proceso se realiza mediante
un gráco llamado dendograma. La ase nal consiste
en la interpretación de los resultados. Los diferentes
algoritmos utilizados para la formación de los grupos
surgen de las diferentes formas de unir los elementos en
cada grupo. Sin ser exhaustivo podemos mencionar los
métodos jerárquicos como los métodos de vinculación
intergrupo, del vecino más cercano, de la distancia media,
del centroide, de mínima varianza, etc. Estos métodos se
llaman jerárquicos porque forman grupos homogéneos
estableciendo relaciones de orden o jerárquicas entre los
grupos. Dentro de los métodos no jerárquicos los más
conocidos son el algoritmo de H-medias y de K-medias. En
estos últimos el investigador ja de antemano el número de
clusters en que quiere agrupar sus datos.
El objetivo del análisis cluster consiste en separar de alguna
forma los puntos de esta nube, de modo que se obtengan
grupos de individuos relativamente parecidos, esto implica
que tengan entre ellos una menor distancia, por esto se
recurre a un espacio métrico donde esté denida una
métrica o forma de medir(13).
EJEMPLO DE APLICACIÓN
El método para ejecutar un análisis de conglomerados
comienza con la selección de los individuos objeto del
estudio. En este ejemplo la muestra considerada consiste
en 175 jóvenes entre 12 y 20 años de una determinada
población (ver tabla 1). Se recopilaron datos acerca de
la frecuencia de la actividad física que realizan, las horas
semanales que ven televisión y navegan en internet y
el gasto semanal en comida no saludable. El objetivo
del estudio es obtener información relevante acerca del
comportamiento sedentario de los jóvenes y del estilo de
vida referente a hábitos saludables que posean.
Para el procesamiento de los datos se utilizará el
software SPSS 21, en especial el módulo de Análisis de
conglomerados. En primer lugar, se obtiene una tabla con
estadísticos descriptivos de las variables consideradas. En
la tabla 1 se observa que los valores de las tres variables
Tabla 1: Estadísticos descriptivos de las variables originales
N Mínimo Máximo Media Desv. típ.
Horas semanales 175 1 30 18,48 10,507
de TV e Internet
Gasto comida no 175 1000 9000 5709,14 2985,487
saludable
Actividad Fisica 175 1 9 3,67 2,540
N válido (según 175
lista)
son muy distintos, no siendo posible la comparación directa
entre los valores. Esto es así porque las tres variables
están medidas en escalas diferentes, las unidades
respectivamente son: horas semanales, gasto en Pesos y
frecuencia en una escala de 1 a 9, desde nunca a todos los
días. Por esta razón, antes de realizar el análisis cluster es
necesario tipicar las variables, lo que signica llevar todas
las variables a la misma unidad. Básicamente la tipicación
consiste en restar de cada valor de la variable su media
y esta diferencia dividirla por su desviación estándar, de
esta forma se lleva a unidades de desviación estándar. La
tabla 2 muestra estadísticos descriptivos de las variables
tipicadas (SPSS les antepone el nombre de Puntuación Z)
que presenta valores comparables para las tres variables.
A continuación, se procederá a conformar los clusters
con el método jerárquico de vinculación intergrupo y
con la distancia euclidiana al cuadrado. El dendograma
correspondiente se presenta en la gura 2, donde se
muestran tres clusters o conglomerados.
Posteriormente se realiza un diagrama de dispersión de
los datos en 3 dimensiones, en el cual se considera como
101
 ARTÍCULO DE REVISIÓN

Tabla 2: Estadísticos descriptivos de las variables tipifcadas

N Mínimo Máximo Media Desv. típ.

Puntuación Z: Horas semanales de TV e Internet 175 -1,66337 1,09667 ,0000000 1,00000000
Puntuación Z: Gasto comida no saludable 175 -1,57734 1,10228 ,0000000 1,00000000
Puntuación Z: Actividad Fisica 175 -1,05294 2,09687 ,0000000 1,00000000
N válido (según lista) 175

ejes las variables tipicadas, esto se muestra en la gura

3. Como puede observarse se conrma la presencia de los
tres grupos.

Figura 3: Gráfco de dispersión indicando los tres grupos

Tabla 4: Estadísticos descriptivos de las variables para el cluster 2

Figura 2: Dendograma para los datos del ejemplo N Mínimo Máximo Media Desv. típ.
Horas semanales de 26 11 30 19,79 4,290
TV e Internet
El primer cluster (rojo) está formado por 103 jóvenes que Gasto comida no 26 1000 6600 3873,08 1627,159
representan el 58,9% de la muestra. El segundo cluster saludable
Actividad Fisica 26 1 5 2,88 1,243
(azul) está formado por 26 jóvenes que representan
N válido (según lista) 26
el 14,9% y el tercer cluster (verde) está formado por
46 jóvenes con el 26,3% del total. En las tablas 3 a 5
Tabla 5: Estadísticos descriptivos de las variables para el cluster 3.
se muestran estadísticas descriptivas de las variables
N Mínimo Máximo Media Desv. típ.
separadas por clusters.
Horas semanales de 46 1 5 2,35 ,994
TV e Internet
Tabla 3: Estadísticos descriptivos de las variables para el cluster 1 Gasto comida no 46 1000 3300 1643,48 629,162
saludable
N Mínimo Máximo Media Desv. típ. Actividad Fisica 46 6 9 7,50 ,913
Horas semanales de 103 15 30 25,35 4,234 N válido (según lista) 46
TV e Internet
Gasto comida no 103 6000 9000 7988,35 906,437
saludable Se observa que en el cluster 1 hay un alto gasto en comida
Actividad Fisica 103 1 4 2,17 1,095 no saludable, los jóvenes pasan muchas horas viendo
N válido (según lista) 103
televisión y en internet y realizan muy poca actividad física.

102
 ARTÍCULO DE REVISIÓN
Es decir, se trata de un grupo muy sedentario con muy
pocos hábitos saludables. Lamentablemente, este grupo
es el más numeroso en la muestra, representando casi el
60% de los jóvenes. El cluster 2 tiene un gasto moderado
en comida no saludable (aunque menos que el grupo
anterior), los jóvenes de este grupo pasan muchas horas
viendo televisión y navegando en internet (menos que el
grupo anterior), además realiza poca actividad física (más
que el grupo anterior). En resumen, es un grupo sedentario
con malos hábitos de vida saludables pero en menor grado
que el grupo anterior. En el tercer cluster los jóvenes
gastan poco en comida no saludable, pasan pocas horas
viendo televisión y en internet, además realizan una buena
cantidad de actividad física. En resumen, no es un grupo
sedentario con buenos hábitos de vida saludable.
En la tabla 6 se presenta la distribución de hombres y
mujeres por grupo. Cabe destacar que en el cluster 3,
conormado por jóvenes que tienen un comportamiento
más sano, se observa una mayor presencia de mujeres,
correspondiendo casi al 70%. En la tabla 7 se presenta
la distribución de la edad por grupo, como se observa al
parecer no hay mayores diferencia en cada grupo.
Tabla 7. Distribución de la edad por grupo.
Media Media
Grupo 1 Grupo 2
Válidos Edad 15,77 15,73
N vida. América Economía. [Consultado el 19 de Abril
103 26
En resumen, el uso del análisis de conglomerados permitió
clasifcar a los jóvenes en 3 grupos, el primero de ellos
es muy sedentario y con muy pocos hábitos saludables,
lamentablemente es el más numeroso, el segundo grupo
es sedentario y con pocos hábitos de vida saludables pero
en menor grado que el anterior, el tercero no es un grupo
sedentario, tiene buenos hábitos de vida saludable y en
su mayoría está conformado por mujeres, esto podría de-
berse a la mayor preocupación y cuidado que tienen las
jóvenes en practicar un estilo de vida más saludable.
Como puede apreciarse, este estudio pone en evidencia
la posición desavorecedora en la que se encuentran los
jóvenes adolescentes con respecto a estos hábitos tan
necesarios durante esta etapa evolutiva. De esta forma, se
convierten en una población susceptible de ganar peso, lo
que a su vez tiene repercusiones para su bienestar actual
y futuro.
REFERENCIAS
1. Anchelerguez S. Big Data la mejor receta para el sec-
tor sanitario. 2014 [Consultado el 19 de Abril de 2016].
Disponible en: www.innovacion.cl/columna/bigdatala-
mejorrecetaparaelsectorsanitario/.
2. Planner Media. Informe Big data y salud. 2015 [Con-
sultado el 19 de Abril de 2016]. Disponible en: http://
www.plannermedia.com/downloads/informebigdatay-
salud.pdf.
3. Martínez-Cava et al. Big data, El poder de los datos.
Fundación innovación Bankinter. [Consultado el 19
de Abril de 2016]. Disponible en: https://www.funda-
cionbankinter.org/documents.
Media 4. Cluster Salud, La Industria de la vida. Big data: in-
Grupo 3
formación y análisis en el futuro de la industria de la
15,74
46
de 2016]. Disponible en: http://clustersalud.americae-
conomia.com/bigdatainformacionyanalisisenelfuturo-
delaindustriadelavida.
5. Poyatos JM. Big Data y el sector de la salud: el futuro
de la sanidad. [Consultado el 19 de Abril de 2016]. Di-
sponible en: http://poyatosdiaz.com/index.php/bigda-
tayelsectordelasaludelfuturodelasanidad.
6. Ávila de Tomás J. ¿Qué son los wearables y cuál es su
futuro? 2014 [Consultado el 19 de Abril de 2016]. Di-
sponible en: http://www.espididoctor.com/quesonwear-
ablesfuturo.
103
 ARTÍCULO DE REVISIÓN
7. Hola C. La chaqueta inteligente que mide en terreno la
salud de los mineros. BBC Mundo. 2013 [Consultado
el 19 de Abril de 2016]. Disponible en: http://www.bbc.
com/mundo/noticias/2013/10/131015_tecnologia_ch-
aqueta_estacion_monitoreo_movil_mineros_ch.
8. Avila L. Desafíos del registro clínico electrónico: ¿Infor-
mación integrada y completa? ¿O solamente reempla-
zar al papel? 2014 [Consultado el 19 de Abril de 2016].
Disponible en: http://matasanos.org/2014/04/08/co-
moimplementarunsistemaderegistroclinicoelectronico-
partei.
9. Observatorio Iberoamericano de Protección de datos.
Big Data en sanidad y su posible impacto en la privaci-
dad. [Consultado el 19 de Abril de 2016]. Disponible
en: http://oiprodat.com/2014/08/05/big-data-en-sani-
dad-y-su-posible-impacto-en-la-privacidad.
10. Lopicich B. Protección de los datos de salud: ¿Esta-
104
mos resguardados contra su comercialización? Pro-
grama Bioética. 2016 [Consultado el 19 de Abril de
2016]. Disponible en: http://www.bcn.cl/observatorio/
bioetica/noticias/proteccion-de-los-datos-de-salud-es-
tamos-resguardados-contra-su-comercializacion.
11. Baoss. Técnicas de análisis big data. 2015 [Consulta-
do el 19 de Abril de 2016]. Disponible en: http://www.
baoss.es/tecnicasdeanalisisbigdata.
12. Cuadras C. Nuevos Métodos de Análisis Multivariante.
CMC Editions; 2014.
13. Pérez C. Métodos Estadísticos Avanzados con SPSS.
Thomson; 2005
14. IBM SPSS Statistics 21 - España [Internet]. Www-01.
ibm.com. 2016 [Consultado el 19 de Abril de 2016].
Disponible en: http://www-01.ibm.com/software/es/
stats21.