Big Data en salud mental
Presentado por Sofía Nicté Cavazos Luengas
Septiembre, 2023.
Contenido
Definición de Big Data
01
Características de Big Data
03
Big Data en Salud mental
02
Conclusiones
04
You can describe the topic of the section here
Definición
"Big data son activos de información de gran volumen, alta velocidad y gran variedad que exigen formas rentables e innovadoras de procesamiento de información para mejorar el conocimiento y la toma de decisiones".
"Big data es un término que describe grandes volúmenes de datos variables, complejos y de alta velocidad que requieren técnicas y tecnologías avanzadas para permitir la captura, almacenamiento, distribución, gestión y análisis de la información".
TechAmerica Foundation’s Federal Big Data Commission. (2012). Demys
Características de Big Data
Volumen | Magnitud de los datos. Los tamaños de datos de se informan en varios terabytes y petabytes. Un terabyte almacena tantos datos como para almacenar alrededor de 16 millones de fotografías de Facebook. |
Variedad | La variedad se refiere a la heterogeneidad estructural de un conjunto de datos. Datos estructurados, semiestructurados y no estructurados. |
Velocidad | La velocidad se refiere a la velocidad a la que se generan los datos y la velocidad a la que se deben analizar y actuar en consecuencia. |
Veracidad | Falta de confiabilidad inherente a algunas fuentes de datos. |
Variabilidad | Variación en las tasas de flujo de datos. A menudo, la velocidad de los big data no es consistente y tiene picos y valles periódicos. |
Complejidad | Los big data se generan a través de innumerables fuentes. |
Valor | densidad de valor relativamente baja, se puede obtener un valor elevado analizando grandes volúmenes de dichos datos. |
Los recursos de big data en investigación en salud mental
Depresión unipolar
Demencia
trastornos esquizofreniformes
espectro autista
Biobanco UK
¿Las predicciones de trastornos mentales basadas en caracterizaciones no biológicas proporcionan información útil y procesable?
El uso de modelos de redes neuronales profundas ofrece la flexibilidad de capturar relaciones que aún no se comprenden bien, incluidos los cambios dinámicos y las contribuciones multimodales.
El ritmo acelerado de la innovación algorítmica da herramientas :
1) predecir categorías de diagnóstico existentes.
2) identificar nuevas categorías.
3) combinar ambas, todo ello basado en datos biológicos.
Calhoun V. The Promise of Big Data Imaging for Mental Health. Cerebrum. 2021 Jan 1;2021:cer-01-21. PMID: 34650667; PMCID: PMC8493818.
El uso de enfoques basados en hipótesis y de descubrimiento de datos debería funcionar en conjunto en un “círculo virtuoso” en el que aprendemos de nuevos datos, actualizamos nuestros modelos en consecuencia y aprendemos más aplicando estos modelos para un análisis más preciso.
Calhoun V. The Promise of Big Data Imaging for Mental Health. Cerebrum. 2021 Jan 1;2021:cer-01-21. PMID: 34650667; PMCID: PMC8493818.
Big data en enfermedades mentales graves: seguimiento de la evolución clínica
En la psiquiatría podría ofrecer oportunidades únicas para la investigación, la observación descriptiva, la generación de hipótesis y la predicción
conducir a la identificación de nuevos fenotipos que pueden reducir la heterogeneidad inherente
Las variaciones longitudinales en la actividad de la enfermedad (fluctuaciones del estado de ánimo y/o alteraciones en las dimensiones psicopatológicas centrales) pueden ser hasta cierto punto predecibles.
Existen importantes implicaciones de investigación, relacionadas también con el descubrimiento de fármacos, en el uso de big data longitudinales recopilados en pacientes con enfermedad mental grave.
historia clínica electrónica
proceso de investigación o vigilancia
uso de datos masivos y combinación de bases de datos
Origen de los datos
https://www.egrist.org/
Observatorio Europeo de Sistemas y Políticas de Salud
Consorcio de Genómica Psiquiátrica
Los big data están aumentando constantemente su papel en la salud mental.
La monitorización digital y la metabolómica dependen cada vez más de big data para perfeccionar la exactitud y la precisión en el diagnóstico, el pronóstico y la selección de tratamientos.
La implementación de modelos predictivos clínicos necesitará su validación y replicación, tareas que podrían no ser tan factibles como pensamos.
Los algoritmos creados podrían hacer posible la delimitación del riesgo personal del paciente para un enfermedad mental específica.
Conclusión
1
2
3
4