IM VETERINARIA #11

17 im veterinaria E l análisis de Big Data se utiliza para comprender riesgos y minimizar el impactode losproblemas adversos en la salud animal a través de la identificación de poblaciones de alto riesgo, combinandodatos oprocesos que actúan enmúlti- ples escalas a través de enfoques demodelación epidemiológica, y aprovechandodatos de alta velocidadparamonitorear las tenden- cias de salud animal, y detectar nuevas amenazas y retos. La aparición del Big Data requiere la incorporación de nuevos conocimientos y habilidades en epidemiología veterinaria, inclu- yendo, por ejemplo, aprendizaje de máquinas y codificación, para preparar una nueva generación de científicos y profesionales de- dicados a ello. El establecimiento de canales para analizar Big Data casi en tiempo real es el siguiente paso para progresar hasta crear Smart Data, con el objetivo de mejorar la comprensión de los ries- gos para la salud, la eficacia de la gestión y las decisiones políticas, y en última instancia prevenir, o al menos minimizar, el impacto de los problemas adversos en salud animal. Anticipando tendencias Como nuestra capacidad de recopilar y almacenar datos continúa expandiéndose rápidamente, los desafíos en epidemiología vete- rinaria están cambiando desde la adquisición de datos a la traduc- ción de estos en conocimientos significativos acerca de la salud animal. Mientras que la medicina humana y la salud pública han utilizadoel BigDataparaoptimizar el cuidadodeprecisión, y seguir las tendencias de las enfermedades humanas, en el campo de la medicina veterinaria sehan centrado sobre todoenbioinformática y análisis espacial. Sinembargo, el usode BigDatapara la vigilancia de enfermedades animales es un campo que crece rápidamente. La promesa del Big Data, como se ha observado en áreas que van desde la salud a los negocios y marketing, es la capacidad de di- rigirse a poblaciones específicas y seguir, o incluso anticiparse a las tendencias. El desarrollo y perfeccionamiento de estas capaci- dades en epidemiología veterinaria podrían mejorar significativa- mente nuestra capacidad para identificar y responder a los proble- mas de salud animal emergentes, especialmente si la recopilación y análisis de datos se produce más en tiempo real que de manera retrospectiva. El Big Data suele tener ciertas características, referidas como las cuatro “V”: Volumen se refiere al tamaño del conjunto de datos, que normalmente es un orden de magnitud o más de lo que ha sido previamente disponible dentro de un campo determinado; Variedad se refiere adiversas formas dedatos que sehangenerado para diferentes propósitos o se han recogido a diferentes escalas; Veracidad aborda las incertidumbres en los datos, y Velocidad se refiere a la tasa a la cual se devengan los datos. Los datos de alta velocidad no deben ser considerados como un conjunto de datos, sino más bien como un flujo de datos. Aplicando el análisis al vo- lumen, variedad, veracidad y velocidad se genera una quinta V: el Valor del Big Data para crear nuevos conocimientos e informar la toma de decisiones. Creandovalor En las próximas décadas, el mayor desafío en epidemiología Big Data será avanzar hacia la creación de valor. Poner el BigData a tra- bajar requiere ampliar nuestra definición de lasV con tres variables más: precisión, accesibilidad y automatización. Mientras que algunos pueden afirmar que la enorme cantidad de BigData significa que las inexactitudes en los datos sediluyen, esto no puede ser cierto si los problemas de confusión, o los errores en las mediciones y la selección inclinan la balanza hacia el tamaño de la muestra. Por ejemplo, el procesamiento de datos basado en búsquedas de Google o Twitter puede tergiversar la población en riesgo dando un margen de error en el uso de internet. Además, el valor de la extracción de datos de expedientes clínicos o bases de datos de diagnóstico de laboratorio depende de la calidad de entrada de datos y del mantenimiento de registro. Por lo tanto, la comprobación de errores y el control de calidad deben incorporar- se al procesamiento de BigData para asegurar la fiabilidad. La accesibilidad es también un desafío crítico, aglutinando preocu- paciones fundamentales relacionadas con la confidencialidad de los datos y la propiedad. Los problemas de ingeniería de datos gi- ran en torno a la conectividad y la estructura de los datos, así como la disponibilidad limitada del personal formado y capaz de realizar la extracción de datos de las bases de datos. Por último, los datos de alta velocidad crean la necesidad de automatizar los canales de datos por rutina y uso repetido. La automatización es clave para aprovechar el BigData para el monitoreo y vigilancia. Retos yoportunidades La llegada de Big Data tiene implicaciones para la formación de epidemiólogos veterinarios, incluyendo habilidades técnicas tales como programación, que no puede ser una parte tradicional de la formación epidemiológica. Mientras que los epidemiólogos no pueden ser responsables de la creación de aplicaciones de softwa- re, la capacidad de gestionar bases de datos relacionales o escri- bir textos sencillos en un lenguaje de programación para facilitar la preparación de datos para el análisis es fundamental, cuando se convierten en conjuntos de datos demasiado grandes para proce- sarlosmanualmente. Además, el análisis de Big Data a menudo implica el uso de recur- sos de supercomputación, que requieren generalmente de alguna familiaridad con el procesamientoparalelo y los sistemas de tecno- logías de la información. Para entrenar la fuerza de trabajo actual, se necesitan talleres con actividades prácticas sobre computación. Los actuales planes de estudios en posgrado deben ser ampliados para incluir aprendizajes sobre computadores, así como estadística tradicional y codificación, además de conocimientos epidemioló- gicos básicos. Pensando en el futuro, se requiere posicionar nuestros sistemas y mano de obra para aprovechar el potencial del BigData. De hecho, el Big Data no debe ser descrito como algo que existe, sino más bien como una capacidad. La promesa real del Big Data es crear valor de piezas dispares, caóticas y extraer ideas en tiempo real de flujos dedatos, creando así una oportunidadpotencialmente revo- lucionaria de epidemiología veterinaria. F uente TranslatingBigDataintoSmartDataforVeterinaryEpidemiology. KimberlyV. Robert B. M. et al. Frontiers inVeterinary Science. 2017.