Observabilidad en el sector sanitario

El sector de la salud está inmerso en una profunda transformación que busca aumentar la eficiencia de las operaciones, reforzar la seguridad de los sistemas y mejorar la atención al paciente. El pasado año, el mercado sanitario global estaba valorado en 359 000 millones de euros; dentro de menos de diez, en 2034, habrá alcanzado los 1,9 billones de euros de valoración.

Estas cifras retratan un sector en pleno crecimiento, que busca una mejora significativa en la calidad de la atención, al hacerla más accesible y personalizada. Para ello, se busca un impacto claro tanto en la gestión hospitalaria, con procesos optimizados, como en los servicios que se prestan al paciente.

Uno de los cambios más relevantes es el que introduce la historia clínica electrónica (HCE), que ha sustituido progresivamente a los registros en papel. Este sistema permite a los profesionales consultar antecedentes médicos, resultados de laboratorio y otros informes de manera inmediata, al tiempo que facilita la coordinación entre distintos profesionales de la materia.

La observabilidad ya no es una herramienta técnica, sino un elemento de gobernanza clínica y operativa

Otra innovación de calado es la telemedicina, que hace uso de plataformas digitales para que los pacientes puedan plantear sus consultas a distancia, tanto las puntuales como las requeridas por el seguimiento de enfermedades crónicas. La telemedicina se ha convertido en una metodología imprescindible para extender el servicio a zonas de difícil acceso o rurales, mientras optimiza el tiempo de los profesionales de la salud.

Súmese a lo anterior la inteligencia artificial, que se abre camino a pasos agigantados, o la optimización y ahorro que introducen los sistemas de planificación de recursos, programación de turnos o gestión de inventarios.

Observabilidad y gobernanza

La progresiva integración de diferentes tecnologías ha convertido la infraestructura sanitaria en una compleja red compuesta de microservicios y dispositivos IoT médicos (IoMT), caracterizada por una fuerte dependencia de la tecnología. En este escenario, la observabilidad deja de ser una herramienta técnica para convertirse en un elemento de gobernanza clínica y operativa. No se trata solo de monitorizar sistemas, sino de proteger la continuidad asistencial.

Sin ella no habría visibilidad ni control. Esta tecnología permite entender el estado de los entornos de medicina digitalizada utilizando únicamente la telemetría, es decir, la recopilación y análisis continuo de los datos que describen el comportamiento de los sistemas tecnológicos. Se basa en tres pilares: logs, métricas y trazas.

• Logs o registros. Son líneas de texto inmutables que describen un evento ocurrido en un momento exacto dentro de una aplicación, un servidor o cualquier otro componente de la infraestructura digital. Cada vez que los sistemas ejecutan una acción, generan un log que documenta lo sucedido, lo que ayuda a reconstruir el comportamiento y a entender qué ocurrió en un momento específico.
  Un log suele incluir información como la fecha y hora exactas del evento (timestamp), el componente que lo generó, el nivel de relevancia y un mensaje descriptivo. En muchas ocasiones incorpora además datos adicionales de contexto, como identificadores de usuario o de transacción, direcciones IP…
  Además, los logs permiten investigar incidentes y cumplir con normativas de seguridad y privacidad. En la sanidad, la observabilidad es clave para cumplir con el RGPD y la Ley de Autonomía del Paciente, y los logs son la caja negra en caso de auditoría. Por ejemplo, si se produce una brecha de datos, los logs permiten reconstruir a qué registros médicos accedió el agresor.
• Métricas. Son valores numéricos agregados que sirven para describir el estado y el comportamiento de un sistema. Se enfocan en medir valores cuantificables de manera continua o periódica, lo que facilita la identificación de tendencias, patrones y anomalías, por lo que son fundamentales para las alertas proactivas.

Las métricas monitorizan principalmente cuatro parámetros de suma relevancia: la latencia, el tráfico o la demanda del sistema, los errores o tasa de fallos, y la saturación, que mide el nivel de disponibilidad de los recursos del sistema. Una métrica puede ser, por ejemplo, el uso de CPU de un servidor, la cantidad de solicitudes por segundo que recibe una aplicación, el tiempo promedio de respuesta de una API o el porcentaje de errores en un intervalo determinado.

La observabilidad se ha convertido en imprescindible para cualquier centro médico digitalizado

Estas mediciones suelen almacenarse como valores asociados a marcas de tiempo, lo que permite observar su evolución histórica. Por ejemplo, en un centro de asistencia sanitaria, las métricas permiten comparar el rendimiento de unos equipos concretos en plantas diferentes.

• Trazas. Son registros que permiten seguir el recorrido completo de una solicitud o transacción a través de los distintos componentes de un sistema. Permiten visualizar cómo interactúan entre sí los diferentes servicios cuando procesan una petición.
  En los sistemas médicos modernos, especialmente en arquitecturas con microservicios, una sola solicitud puede atravesar múltiples capas del sistema y cada uno de estos pasos genera información incompleta. La misión de las trazas es conectar esos fragmentos y organizarlos en una sola secuencia.

Correlación de datos

Estas tres fuentes de datos se aplican a los diferentes sistemas que componen el entramado del hospital digitalizado. Incluyen ámbitos como la HCE, los sistemas LIS (laboratory information system), las herramientas administrativas, los dispositivos médicos IoT o las plataformas de telemedicina.

La interconectividad o correlación de los tres tipos de datos facilita una visión completa de cómo funcionan los sistemas de la medicina digital, con el objetivo de mantenerlos estables, seguros y disponibles. Por ejemplo, puede llegar una alerta (por parte de las métricas), indicando que ha aumentado el tiempo de respuesta en un servicio concreto al paciente; esto se investiga haciendo uso de las trazas para observar en qué capa se ha producido; y los equipos pueden identificar rápidamente la causa raíz de los problemas consultando el log asociado a esa traza específica.

Esto se aplica especialmente en entornos complejos, donde ayuda a detectar anomalías antes de que se conviertan en fallos críticos, lo que permite disminuir significativamente el MTTR (mean time to repair o tiempo medio de reparación), lo que se traduce en reducir el tiempo de espera del paciente.

De este modo, la observabilidad se ha convertido en imprescindible para cualquier centro médico digitalizado, especialmente para los grandes servicios públicos de salud, que operan con decenas de hospitales y múltiples aplicaciones críticas que atienden a millones de ciudadanos.

En estas instituciones, la falta de visibilidad puede afectar a miles de profesionales simultáneamente. Hemos visto cómo la observabilidad puede reducir el MTTR entre un 40% y un 60%. De este modo se evita que caídas prolongadas obliguen a volver a procesos manuales.