Cuando en 1995 un joven emprendedor fundó en el estado de Seattle, EEUU, lo que en principio sería una plataforma de venta de libros a través de internet, originalmente llamada Cadabra.com, posiblemente no sería consciente de la revolución de la que sería protagonista su empresa unos años más tarde, empresa rebautizada con el nombre del río sudamericano, Amazon. Esta revolución se conoce como la Disrupción Digital.
Hoy en día, esta bestia del e-commerce va mucho más allá de lo que todo el mundo intuye como su actividad comercial, la venta online. Es más, expertos de talla mundial como el exdirector de marketing de Harvard Business School y Director de su General Management Program, Sunil Gupta, no duda al afirmar que esto de vender a distancia es solo una pequeña parte, quizás una herramienta necesaria más para llevar a cabo su actividad principal, por la que Google considera como su competidor nº1: ser un tablón de anuncios. Gupta habla de Amazon como una Advertising company, quizás la más valiosa, y esto es debido a la posesión del bien más preciado para el sector: la información. Google quizás conoce lo que buscamos en la red, pero Amazon conoce lo que compramos. Es más, no solo en qué nos gastamos el dinero, sino además nos conoce, tiene información sobre nuestro perfil, al tener que registrarnos.
Este texto empezaba hablando de la disrupción digital como la actual revolución que estamos viviendo, revolución que se estudiará como algo tan importante como las pasadas revoluciones industriales. El comercio online era solo la primera etapa. A ritmos agigantados se fueron incorporando en nuestra sociedad el acceso instantáneo y global a la información (Google y webs), las redes sociales, los teléfonos inteligentes, y ahora el tan de moda internet de las cosas. De todas estas etapas se está extrayendo de manera exponencial un bien común, el nuevo oro: la información, en forma de micro-datos sin formato. Generar valor añadido pasará por la correcta –y creativa– explotación de estos datos a través de métodos inductivos, softwares de análisis cada vez más desarrollados, nacidos en la disciplina de la inteligencia artificial: el machine learning.
El machine learning para hacer política sanitaria
La gran aplicación de estos los sistemas de análisis de micro-datos y autoaprendizaje es, sin lugar a dudas, el dar soporte a la toma de decisiones. Saliéndonos del mundo de la salud, en EEUU ya se han empezado a aplicar algoritmos que recomiendan la liberación de presos bajo determinadas fianzas –no sin controversias–, aprendiendo de toda la información disponible sobre el perfil de los presos y las sentencias históricas.
En un documento de la Comisión Europea publicado en 2014 se destacaban las oportunidades que brindaba el «Big Data» en pro de la salud pública y de la investigación clínica. En este documento se mencionaba, como la mayor de sus aportaciones, la vuelta de rosca que ha supuesto a los sistemas de vigilancia epidemiológica. ¿Por qué?
La vigilancia epidemiológica, herramienta que se encarga de recolectar y analizar información de la salud de la población, con una serie de finalidades como la identificación y prevención de epidemias, apoyo para la planificación y toma de decisiones, investigación, etc., originalmente se ha nutrido de la información cosechada en la atención primaria, hospitales, laboratorios, centros de rehabilitación, y similares.
Es precisamente en las fuentes de información de las que se nutre el sistema donde se percibe el impacto, gracias a la aportación del “Quantified Self”, traducido al español el “Yo Cuantificado”. Hoy en día teras y más teras –se habla ya de zetta y yottabites– de datos son extraídos de la población, gracias a la monitorización de salud y comportamiento que realizan sus wereables. Y no únicamente los complementos “vestibles”, sino también las redes sociales, registros de búsqueda web, etc. Este Big Data está aportando una mayor coincidencia temporal en la detección de brotes, que mediante software maching learning, está ayudando a conseguir una prevención más efectiva. Y esto puede significar ahorro.
La vigilancia epidemiológica es sólo un ejemplo del potencial que estas nuevas tecnologías tienen para dar apoyo en la toma de decisiones. Pero hay muchos otros ejemplos en el mundo de la salud. No parece una temeridad pensar que estas herramientas de análisis inductivo de datos están llamadas a transformar prácticamente todos los sectores de Política Pública, ya que pueden significar un gran ahorro para los gobiernos. Y estos, bajo su eslogan de “hay que fomentar la eficiencia en un mundo de recursos limitados”, no parece que tengan más remedio que abrazarlas.
Eso sí, lo que es segura es la controversia en su aplicación. La privacidad de los datos ya es una preocupación real. Merece una entrada aparte.
Menos es más 