INFORMES

De la información al conocimiento: importancia del Gobierno del Dato en el sector salud



Dirección copiada

En el corazón de toda inteligencia artificial efectiva y toma de decisiones acertada yace la esencia de los datos: sin ellos, el motor del progreso se detiene

Publicado el 19 feb 2024

Xiomara Patricio

Profesora del Máster Universitario en Análisis y Visualización de Datos Masivos de la UNIR



salud y datos

Gobernanza del dato en salud

Hoy en día es muy popular el uso de la inteligencia artificial en el sector de la salud, gracias a su maduración en los últimos años y a la gran cantidad de datos disponibles; sin embargo, muchos de los modelos desarrollados no reflejan la realidad debido a los problemas existentes con los datos. Hablemos un poco del tema.

Partamos del concepto de dato, el cual es una representación simbólica de un atributo o característica. En informática es una unidad básica que carece de sentido si no está dentro de un contexto; si lo contextualizamos estamos hablando de información y para que esta información pase a ser conocimiento debemos involucrar la interpretación, la comprensión y la aplicación en un contexto específico. Russel Ackoff en 1988 describió la pirámide del conocimiento cuya base son los datos, luego tenemos la capa de información, más arriba la del conocimiento y por último en la cúspide de la pirámide encontramos la sabiduría. Esto quiere decir que sin datos no podemos crear conocimiento.

Inteligencia empresarial

Quiero remontarme a los años 90, donde se introduce el término business intelligence (BI) o inteligencia empresarial, que se refiere a soluciones que integran los datos desde diferentes fuentes con el fin de crear informes consolidados, eliminando la necesidad de generar informes individuales, que se presentan a la gerencia periódicamente, evitando tomas de decisiones tardías. Además, promete eliminar la incongruencia que suele presentarse en esos informes individuales debido a que fueron extraídos de diferentes fuentes de datos.

A principio de los años 2000 las empresas del sector salud contrataron expertos en BI para crear proyectos de inteligencia empresarial y diseñar tableros de mando que permitiesen medir, monitorear y gestionar el rendimiento de los indicadores de los objetivos estratégicos de la institución; además de permitir la creación de modelos de predicción. El éxito de la inteligencia empresarial no ha sido como se esperaba, muchos de estos proyectos de BI están fallando debido a que la integración de datos no se puede llevar a cabo, los datos arrojados por los reportes no coinciden con los datos que se manejan al interior de cada uno de los servicios; por lo cual no sirven para crear modelos de predicción a pesar de la madurez de la IA y, por último, la democratización del dato sigue sin estar presente.

¿Dónde está el problema en la gobernanza de datos?

El problema lo tenemos en la base de la pirámide: los datos son de baja calidad. Algunos datos están secuestrados dentro de la misma institución: datos inaccesibles debido a la complejidad de los sistemas, registros manuales o archivos en computadores personales; haciendo que la integración de todas las fuentes de datos no sea posible y por ende se presentan todos los problemas de los que ya hemos hablado.

¿Cómo podemos solucionarlo?

En el año 2005 John Ladley publica el libro ‘Data Gobernance: How to Design, Deploy, and Sustain an Effective Data Governance Program’, y empieza a popularizarse el concepto de gobierno del dato, aunque realmente nació a finales de los 90. La idea principal es implementar un programa que defina políticas, estándares, responsabilidades y roles como Chief Data Officer, Data Steward, Data Owner, Data Architect o Data Privacy Officer que permiten que la responsabilidad de la calidad del dato esté sobre las personas que usan el dato (enfermeras, auxiliares, personal asistencial, personal de atención al cliente, entre otros) y no sobre el equipo técnico.

La propuesta es crear un programa institucional, es importante recalcar que es un programa, no un proyecto, donde exista un consejo de Gobierno del dato en el interior de las instituciones que establezca políticas que ayuden a garantizar la calidad, integridad, seguridad y uso efectivo de los datos en la institución. Esto también conlleva un cambio de cultura organizacional, un gran reto que se han encontrado aquellas instituciones que ya han comenzado en este camino; existe una resistencia muy alta al cambio de mentalidad por parte del personal que trabaja en las instituciones del sector salud.

El principal beneficio de este tipo de programas es que permite a la organización gestionar los datos e información como un activo.

¿Cuáles son los desafíos a los que se enfrenta la gobernanza de datos sanitarios?

Gestionar, integrar y controlar grandes cantidades de datos.

Sensibilidad y confidencialidad de los datos, el sector salud exige una protección muy alta ante el acceso no autorizado.

Tener presente la variedad de regulaciones para las instituciones médicas.

Evitar datos inexactos o incompletos.

Abordar el enfoque de datos abiertos del sector público.

¿Cómo empezar con el gobierno del dato?

Existen diferentes marcos que se pueden utilizar, y uno de los más populares es el propuesto por DAMA (Asociación Internacional de Data Management). Este modelo es agnóstico a la tecnología y aplicable a cualquier empresa de salud. De hecho, este enfoque está siendo implementado actualmente por la Secretaría de Estado de Digitalización e Inteligencia Artificial para crear el portal de datos abiertos del gobierno, como se detalla en el siguiente enlace: https://datos.gob.es/es/blog/el-potencial-uso-de-la-metodologia-de-dama-en-la-gestion-de-los-datos-abiertos.

En el corazón de toda inteligencia artificial efectiva y toma de decisiones acertada yace la esencia de los datos: sin ellos, el motor del progreso se detiene. Es por eso por lo que la elección de un marco sólido, como el proporcionado por DAMA, se vuelve crucial. Este enfoque no solo establece las bases para una gestión eficiente de los datos, sino que también sirve como cimiento para el desarrollo de soluciones avanzadas y la implementación de estrategias basadas en datos.

Artículos relacionados

Artículo 1 de 4