TEDxAustin
Joel Selanikio: The big-data revolution in health care
Joel Selanikio: Las semillas sorprendentes de una revolución “big data” en la asistencia sanitaria
Filmed:
Readability: 4.1
745,046 views
La recopilación de datos de la salud a nivel mundial era una ciencia imperfecta: requería trabajadores que recorrieran los pueblos puerta a puerta preguntando, tomando nota de las respuestas en formularios de papel, luego ingresando esos datos a una computadora… y con esa información incompleta, los países tomaban las grandes decisiones. El friki de los datos, Joel Selanikio, nos habla del océano de cambios ocurrido en la recolección de datos de salud en la última década… empezando con la Palm Pilot y Hotmail, y ahora entrando a la nube. (Filmado en TEDxAustin)
Joel Selanikio - Health and technology activist
Dr. Joel Selanikio combines technology and data to help solve global health challenges. Full bio
Dr. Joel Selanikio combines technology and data to help solve global health challenges. Full bio
Double-click the English transcript below to play the video.
00:12
There's an old joke about a cop who's walking his beat
0
717
2439
Hay una vieja broma de un policía
que haciendo su ronda
que haciendo su ronda
00:15
in the middle of the night,
1
3156
1295
en el medio de la noche,
00:16
and he comes across a guy under a street lamp
2
4451
2365
encuentra a un tipo
debajo del alumbrado público
debajo del alumbrado público
00:18
who's looking at the ground and moving from side to side,
3
6816
2531
que está mirando el suelo
y se mueve de un lado a otro,
y se mueve de un lado a otro,
00:21
and the cop asks him what he's doing.
4
9347
1859
y el policía le pregunta
qué está haciendo.
qué está haciendo.
00:23
The guys says he's looking for his keys.
5
11206
1959
El tipo le dice que busca las llaves.
00:25
So the cop takes his time and looks over
6
13165
2580
El policía se toma el tiempo y busca
00:27
and kind of makes a little matrix and looks
7
15745
1637
hace un rastreo y observa
00:29
for about two, three minutes. No keys.
8
17382
3051
durante unos 2 o 3 minutos. No aparecen.
00:32
The cop says, "Are you sure? Hey buddy,
9
20433
2966
El policía dice: "Hombre, ¿seguro que
00:35
are you sure you lost your keys here?"
10
23399
1880
perdiste las llaves aquí?"
00:37
And the guy says, "No, no, actually I lost them
11
25279
1379
Y el tipo dice: "No, no,
en realidad las perdí
en realidad las perdí
00:38
down at the other end of the street,
12
26658
1525
en el otro extremo de la calle,
00:40
but the light is better here."
13
28183
5984
pero aquí hay más luz".
00:46
There's a concept that people talk about nowadays
14
34167
1793
Hoy en día se habla de un concepto
00:47
called big data, and what they're talking about
15
35960
2234
llamado "big data" que hace referencia
00:50
is all of the information that we're generating
16
38194
2166
a toda la información que estamos generando
00:52
through our interaction with and over the Internet,
17
40360
2665
en nuestra interacción con y en Internet,
00:55
everything from Facebook and Twitter
18
43025
1942
desde Facebook y Twitter
00:56
to music downloads, movies, streaming, all this kind of stuff,
19
44967
4077
hasta las descargas de música,
películas, audio y video en línea, todo este tipo de cosas
películas, audio y video en línea, todo este tipo de cosas
01:01
the live streaming of TED.
20
49044
1875
la transmisión en vivo de TED, etc.
01:02
And the folks who work with big data, for them,
21
50919
2761
La gente que trabaja con
grandes volúmenes de datos
grandes volúmenes de datos
01:05
they talk about that their biggest problem is
22
53680
1771
dice que el problema principal es que
01:07
we have so much information,
23
55451
1912
tenemos mucha información;
01:09
the biggest problem is, how do we organize all that information?
24
57363
3492
el problema principal es cómo
organizar toda esa información.
organizar toda esa información.
01:12
I can tell you that working in global health,
25
60855
2392
Y yo puedo decirles, desde
el sector de la salud mundial
el sector de la salud mundial
01:15
that is not our biggest problem.
26
63247
2872
que ese no es nuestro problema principal.
01:18
Because for us, even though the light
27
66119
1570
Porque para nosotros, si bien hay
01:19
is better on the Internet,
28
67689
3157
más luz en Internet,
01:22
the data that would help us solve the problems
29
70846
2320
los datos que pueden ayudarnos
a resolver los problemas
a resolver los problemas
01:25
we're trying to solve is not actually present on the Internet.
30
73166
3386
que intentamos resolver,
no están en Internet.
no están en Internet.
01:28
So we don't know, for example, how many people
31
76552
1847
No sabemos, por ejemplo,
cuántas personas
cuántas personas
01:30
right now are being affected by disasters
32
78399
2594
en este momento
son víctimas de desastres
son víctimas de desastres
01:32
or by conflict situations.
33
80993
2336
o de situaciones de conflicto.
01:35
We don't know for really basically any of the clinics
34
83329
3743
No conocemos con certeza
básicamente qué clínicas
básicamente qué clínicas
01:39
in the developing world, which ones have medicines
35
87072
2193
del mundo en desarrollo tienen medicinas
01:41
and which ones don't.
36
89265
1460
y cuáles no.
01:42
We have no idea of what the supply chain is for those clinics.
37
90725
3172
No tenemos ni idea de la cadena
de suministros de esas clínicas.
de suministros de esas clínicas.
01:45
We don't know -- and this is really amazing to me --
38
93897
2860
No sabemos --y esto me resulta increíble--
01:48
we don't know how many children were born,
39
96757
2901
no conocemos la cantidad de nacimientos
01:51
or how many children there are in Bolivia
40
99658
2946
o cuántos niños hay en Bolivia,
01:54
or Botswana or Bhutan.
41
102604
3154
Botsuana o Bután.
01:57
We don't know how many kids died last week
42
105758
1922
No sabemos cuántos niños
murieron la semana pasada
murieron la semana pasada
01:59
in any of those countries.
43
107680
1401
en estos países.
02:01
We don't know the needs of the elderly, the mentally ill.
44
109081
3372
Desconocemos las necesidades
de los ancianos y los enfermos mentales.
de los ancianos y los enfermos mentales.
02:04
For all of these different critically important problems
45
112453
3239
De todos estos problemas
de importancia crítica
de importancia crítica
02:07
or critically important areas that we want to solve problems in,
46
115692
3001
o áreas de importancia crítica
en las que queremos resolver problemas
en las que queremos resolver problemas
02:10
we basically know nothing at all.
47
118693
5112
básicamente no sabemos nada.
02:15
And part of the reason why we don't know anything at all
48
123805
2623
Y en parte no sabemos nada porque
02:18
is that the information technology systems
49
126428
2252
los sistemas informáticos que usamos
02:20
that we use in global health to find the data
50
128680
3525
en la salud mundial para
encontrar los datos,
encontrar los datos,
02:24
to solve these problems is what you see here.
51
132205
2945
para resolver estos problemas
es lo que ven aquí.
es lo que ven aquí.
02:27
And this is about a 5,000-year-old technology.
52
135150
2258
Es una tecnología de hace 5000 años.
02:29
Some of you may have used it before.
53
137408
1052
Algunos de Uds. ya la han usado.
02:30
It's kind of on its way out now, but we still use it
54
138460
2320
Hoy en día está en retirada,
pero aún la usamos
pero aún la usamos
02:32
for 99 percent of our stuff.
55
140780
2091
en el 99 % de los casos.
02:34
This is a paper form, and what you're looking at
56
142871
4009
Es un formulario de papel,
y lo que ven allí
y lo que ven allí
02:38
is a paper form in the hand of a Ministry of Health nurse
57
146880
3366
es un formulario de papel en manos
de una enfermera del Ministerio de Salud
de una enfermera del Ministerio de Salud
02:42
in Indonesia who is tramping out across the countryside
58
150246
3288
que está recorriendo las áreas
rurales de Indonesia
rurales de Indonesia
02:45
in Indonesia on, I'm sure, a very hot and humid day,
59
153534
3581
seguramente en condiciones
de mucho calor y humedad,
de mucho calor y humedad,
02:49
and she is going to be knocking on thousands of doors
60
157115
2725
llamando a miles de puertas
02:51
over a period of weeks or months,
61
159840
1946
durante semanas o meses,
02:53
knocking on the doors and saying, "Excuse me,
62
161786
2448
llamando a las puertas,
diciendo: "Disculpe,
diciendo: "Disculpe,
02:56
we'd like to ask you some questions.
63
164234
2172
queremos hacerle algunas preguntas.
02:58
Do you have any children? Were your children vaccinated?"
64
166406
3671
¿Tiene hijos? ¿Están vacunados?"
03:02
Because the only way we can actually find out
65
170077
1848
Porque la única forma de saber
03:03
how many children were vaccinated in the country of Indonesia,
66
171925
2883
la cantidad de niños
vacunados en Indonesia,
vacunados en Indonesia,
03:06
what percentage were vaccinated, is actually not
67
174808
2653
el porcentaje de vacunación,
no es consultando
no es consultando
03:09
on the Internet but by going out and knocking on doors,
68
177461
2900
en Internet sino llamando puerta a puerta,
03:12
sometimes tens of thousands of doors.
69
180361
2871
a veces en decenas de miles de puertas.
03:15
Sometimes it takes months to even years
70
183232
2376
Puede llevar meses e incluso años
03:17
to do something like this.
71
185608
1726
hacer algo como esto.
03:19
You know, a census of Indonesia
72
187334
2141
Un censo de Indonesia
03:21
would probably take two years to accomplish.
73
189475
1832
puede llevar 2 años de trabajo.
03:23
And the problem, of course, with all of this is that
74
191307
2645
Y el problema con todo esto es que, claro,
03:25
with all those paper forms — and I'm telling you
75
193952
1785
con todos estos formularios
de papel --como les digo,
de papel --como les digo,
03:27
we have paper forms for every possible thing.
76
195737
2212
tenemos formularios para todo tipo de cosas.
03:29
We have paper forms for vaccination surveys.
77
197949
2703
Tenemos formularios para
encuestas de vacunación.
encuestas de vacunación.
03:32
We have paper forms to track people who come into clinics.
78
200652
3374
Tenemos formularios para rastrear personas
que acuden a las clínicas.
que acuden a las clínicas.
03:36
We have paper forms to track drug supplies,
79
204026
2795
Tenemos formularios para el seguimiento
de los suministros de medicamentos,
de los suministros de medicamentos,
03:38
blood supplies, all these different paper forms
80
206821
2804
suministros de sangre,
todo tipo de formularios
todo tipo de formularios
03:41
for many different topics,
81
209625
1725
para distintos temas,
03:43
they all have a single common endpoint,
82
211350
2232
y todos tienen un destino común,
03:45
and the common endpoint looks something like this.
83
213582
2665
y ese destino común es algo como esto.
03:48
And what we're looking at here is a truckful o' data.
84
216247
4284
Lo que vemos aquí es una camionada de datos.
03:52
This is the data from a single vaccination coverage survey
85
220531
4619
Son los datos de una encuesta de vacunación
03:57
in a single district in the country of Zambia
86
225150
2215
en un solo distrito de Zambia
03:59
from a few years ago that I participated in.
87
227365
2128
de hace unos años, en el que participé.
04:01
The only thing anyone was trying to find out
88
229493
2557
Lo único que tratábamos de averiguar
04:04
is what percentage of Zambian children are vaccinated,
89
232050
3103
era el porcentaje de niños zambianos vacunados.
04:07
and this is the data, collected on paper over weeks
90
235153
3179
Estos son los datos recolectados
en papel durante semanas
en papel durante semanas
04:10
from a single district, which is something like a county
91
238332
2874
de un solo distrito, que es
como un municipio
como un municipio
04:13
in the United States.
92
241206
1340
o un ayuntamiento.
04:14
You can imagine that, for the entire country of Zambia,
93
242546
2108
Imaginen que para todo Zambia
04:16
answering just that single question
94
244654
3574
responder solo esa pregunta
04:20
looks something like this.
95
248228
1948
requeriría algo como esto.
04:22
Truck after truck after truck
96
250176
2655
Camión, tras camión, tras camión
04:24
filled with stack after stack after stack of data.
97
252831
3461
repletos de pilas y pilas y pilas de datos.
04:28
And what makes it even worse is that
98
256292
1328
Y lo peor es que
04:29
that's just the beginning,
99
257620
1938
esto es solo el principio,
04:31
because once you've collected all that data,
100
259558
1974
porque una vez que recolectamos esos datos,
04:33
of course someone's going to have to --
101
261532
1593
por supuesto, alguien tendrá que...
04:35
some unfortunate person is going to have to type that into a computer.
102
263125
3292
alguna persona desafortunada va a tener
que escribir esto en una computadora.
que escribir esto en una computadora.
04:38
When I was a graduate student, I actually was
103
266417
2046
Cuando era estudiante en realidad me tocó
04:40
that unfortunate person sometimes.
104
268463
2003
ser esa persona desafortunada alguna vez.
04:42
I can tell you, I often wasn't really paying attention.
105
270466
3011
Créanme, a menudo no prestaba atención.
04:45
I probably made a lot of mistakes when I did it
106
273477
1818
Probablemente cometí muchos errores al hacerlo
04:47
that no one ever discovered, so data quality goes down.
107
275295
2825
que nunca nadie descubrió, eso disminuye
la calidad de los datos.
la calidad de los datos.
04:50
But eventually that data hopefully gets typed into a computer,
108
278120
3152
Pero con el tiempo y con suerte
los datos llegan a una computadora
los datos llegan a una computadora
04:53
and someone can begin to analyze it,
109
281272
1767
y alguien puede empezar a analizarlos.
04:55
and once they have an analysis and a report,
110
283039
2716
Y cuando se hace el análisis y el informe,
04:57
hopefully then you can take the results of that data collection
111
285755
3299
es de esperar que uno pueda
usar los resultados del estudio
usar los resultados del estudio
05:01
and use it to vaccinate children better.
112
289054
2147
para vacunar mejor a los niños.
05:03
Because if there's anything worse
113
291201
2909
Porque no hay nada peor
05:06
in the field of global public health,
114
294110
2346
en el campo de la salud pública mundial,
05:08
I don't know what's worse than allowing children on this planet
115
296456
2729
no sé que puede ser peor que permitir
que los niños del mundo
que los niños del mundo
05:11
to die of vaccine-preventable diseases,
116
299185
3140
mueran de enfermedades
prevenibles con vacuna.
prevenibles con vacuna.
05:14
diseases for which the vaccine costs a dollar.
117
302325
3510
Enfermedades para las que
la vacuna cuesta un dólar.
la vacuna cuesta un dólar.
05:17
And millions of children die of these diseases every year.
118
305835
3088
Y mueren millones de niños
con estas enfermedades cada año.
con estas enfermedades cada año.
05:20
And the fact is, millions is a gross estimate because
119
308923
3462
El hecho es que estimamos en millones porque
05:24
we don't really know how many kids die each year of this.
120
312385
3005
en realidad no sabemos cuántos
niños mueren al año por esta causa.
niños mueren al año por esta causa.
05:27
What makes it even more frustrating is that
121
315390
2352
Y más frustrante aún es que
05:29
the data entry part, the part that I used to do as a grad student,
122
317742
3099
el ingreso de datos, esa tarea que
solía hacer cuando era estudiante,
solía hacer cuando era estudiante,
05:32
can take sometimes six months.
123
320841
1970
a veces puede demorar 6 meses.
05:34
Sometimes it can take two years to type that information
124
322811
2276
A veces puede llevar 2 años
ingresar esa información
ingresar esa información
05:37
into a computer, and sometimes, actually not infrequently,
125
325087
3336
en una computadora, y a veces,
en realidad no pocas veces,
en realidad no pocas veces,
05:40
it actually never happens.
126
328423
1988
nunca se carga.
05:42
Now try and wrap your head around that for a second.
127
330411
2257
Ahora, analicemos esto por un momento.
05:44
You just had teams of hundreds of people.
128
332668
2442
Tuvimos equipos de cientos de personas.
05:47
They went out into the field to answer a particular question.
129
335110
2366
Fueron al campo a responder
una pregunta en particular.
una pregunta en particular.
05:49
You probably spent hundreds of thousands of dollars
130
337476
2467
Probablemente gastamos
cientos de miles de dólares
cientos de miles de dólares
05:51
on fuel and photocopying and per diem,
131
339943
3844
en combustible, fotocopias y viáticos.
05:55
and then for some reason, momentum is lost
132
343787
2353
Y, luego, por alguna razón,
se pierde impulso
se pierde impulso
05:58
or there's no money left,
133
346140
1311
o se acaba el dinero,
05:59
and all of that comes to nothing
134
347451
2405
y todo eso queda en la nada
06:01
because no one actually types it into the computer at all.
135
349856
2647
porque nadie ingresa
eso a la computadora.
eso a la computadora.
06:04
The process just stops. Happens all the time.
136
352503
3310
El proceso se detiene.
Pasa todo el tiempo.
Pasa todo el tiempo.
06:07
This is what we base our decisions on in global health:
137
355813
2933
A nivel mundial tomamos decisiones de este modo:
06:10
little data, old data, no data.
138
358746
4898
con pocos datos, con datos viejos, o sin datos.
06:15
So back in 1995, I began to think about ways
139
363644
2567
Volvamos a 1995, pues empecé a pensar maneras
06:18
in which we could improve this process.
140
366211
2154
en las que podíamos mejorar este proceso.
06:20
Now 1995, obviously that was quite a long time ago.
141
368365
2798
Obviamente, 1995 pasó hace bastante tiempo.
06:23
It kind of frightens me to think of how long ago that was.
142
371163
2382
Me asusta pensar cuanto tiempo ha pasado.
06:25
The top movie of the year was
143
373545
2194
La película del año fue
06:27
"Die Hard with a Vengeance."
144
375739
1182
"Die Hard with a Vengeance".
06:28
As you can see, Bruce Willis had a lot more hair back then.
145
376921
2783
Como ven, en esa épica Bruce Willis
tenía mucho más pelo.
tenía mucho más pelo.
06:31
I was working in the Centers for Disease Control,
146
379704
2384
Yo trabajaba en Centro de Control
de Enfermedades (CCE),
de Enfermedades (CCE),
06:34
and I had a lot more hair back then as well.
147
382088
3043
y también tenía mucho más pelo
en ese entonces.
en ese entonces.
06:37
But to me, the most significant thing that I saw in 1995
148
385131
3342
Pero para mí, lo más significativo
que vi en 1995
que vi en 1995
06:40
was this.
149
388473
1454
fue esto.
06:41
Hard for us to imagine, but in 1995,
150
389927
2641
Difícil de imaginarlo, pero en 1995,
06:44
this was the ultimate elite mobile device.
151
392568
3598
este era el dispositivo móvil de élite.
06:48
Right? It wasn't an iPhone. It wasn't a Galaxy phone.
152
396166
2372
¿Correcto? No era un iPhone, ni una Galaxy.
06:50
It was a Palm Pilot.
153
398538
1478
Era una Palm Pilot.
06:52
And when I saw the Palm Pilot for the first time, I thought,
154
400016
3564
Y cuando vi la Palm Pilot
por primera vez, pensé:
por primera vez, pensé:
06:55
why can't we put the forms on these Palm Pilots
155
403580
2527
¿por qué no poner los formularios
en estas Palm Pilots
en estas Palm Pilots
06:58
and go out into the field just carrying one Palm Pilot,
156
406107
2872
y salir al campo con una Palm Pilot,
07:00
which can hold the capacity of tens of thousands
157
408979
3117
que puede almacenar decenas de miles
07:04
of paper forms? Why don't we try to do that?
158
412096
2181
de formularios? ¿Por qué no lo intentamos?
07:06
Because if we can do that, if we can actually just
159
414277
2748
Porque si podemos hacerlo, si podemos recolectar
07:09
collect the data electronically, digitally,
160
417025
2514
los datos en forma electrónica, digital,
07:11
from the very beginning,
161
419539
1903
desde el principio,
07:13
we can just put a shortcut right through that whole process
162
421442
3017
podemos acortar el proceso
07:16
of typing,
163
424459
3222
de ingreso de datos,
07:19
of having somebody type that stuff into the computer.
164
427681
1983
de que alguien tenga que
cargar datos en la computadora.
cargar datos en la computadora.
07:21
We can skip straight to the analysis
165
429664
1959
Podemos saltar directamente al análisis
07:23
and then straight to the use of the data to actually save lives.
166
431623
3075
y de ahí al uso de los datos
para salvar vidas.
para salvar vidas.
07:26
So that's actually what I began to do.
167
434698
2515
De modo que empecé a hacer eso.
07:29
Working at CDC, I began to travel to different programs
168
437213
3334
Desde el CCE, empecé a participar
en diferentes programas
en diferentes programas
07:32
around the world and to train them in using Palm Pilots
169
440547
4069
del mundo y a entrenar equipos
en el uso de Palm Pilots
en el uso de Palm Pilots
07:36
to do data collection instead of using paper.
170
444616
2525
para recolectar datos,
como sustituto del papel.
como sustituto del papel.
07:39
And it actually worked great.
171
447141
2109
Y funcionó muy bien.
07:41
It worked exactly as well as anybody would have predicted.
172
449250
2665
Funcionó tan bien como se esperaba.
07:43
What do you know? Digital data collection
173
451915
2233
¿Qué se sabe? Que la recolección de datos
07:46
is actually more efficient than collecting on paper.
174
454148
2271
es más eficiente en forma digital que en papel.
07:48
While I was doing it, my business partner, Rose,
175
456419
2364
Y al mismo tiempo mi socia, Rose,
07:50
who's here with her husband, Matthew, here in the audience,
176
458783
2817
--que está aquí en la audiencia
con su marido, Matthew--
con su marido, Matthew--
07:53
Rose was out doing similar stuff for the American Red Cross.
177
461600
3177
Rose estaba haciendo algo similar
para la Cruz Roja de EE.UU.
para la Cruz Roja de EE.UU.
07:56
The problem was, after a few years of doing that,
178
464777
2065
El problema fue que, al cabo
de unos años del programa
de unos años del programa
07:58
I realized I had done -- I had been to maybe
179
466842
2740
caí en la cuenta de que... luego de quizá
08:01
six or seven programs, and I thought,
180
469582
2718
6 o 7 casos, pensé,
08:04
you know, if I keep this up at this pace,
181
472300
2310
si sigo a este ritmo
08:06
over my whole career, maybe I'm going to go
182
474610
1654
en toda mi carrera, quizá pueda atender
08:08
to maybe 20 or 30 programs.
183
476264
2277
unos 20 o 30 casos.
08:10
But the problem is, 20 or 30 programs,
184
478541
3229
Pero el problema es que 20 o 30 casos
08:13
like, training 20 or 30 programs to use this technology,
185
481770
2973
--que 20 o 30 programas usen esta tecnología--
08:16
that is a tiny drop in the bucket.
186
484743
2206
es como una gota en el océano.
08:18
The demand for this, the need for data to run better programs,
187
486949
4039
La demanda, la necesidad
de programas que funcionen mejor,
de programas que funcionen mejor,
08:22
just within health, not to mention all of the other fields
188
490988
2736
solo en la salud, por no mencionar
todos las otras áreas
todos las otras áreas
08:25
in developing countries, is enormous.
189
493724
2166
en países en desarrollo, es enorme.
08:27
There are millions and millions and millions of programs,
190
495890
4010
Hay millones y millones
y millones de programas,
y millones de programas,
08:31
millions of clinics that need to track drugs,
191
499900
2535
millones de clínicas que necesitan
rastrear medicamentos,
rastrear medicamentos,
08:34
millions of vaccine programs.
192
502435
1299
millones de programas de vacunación.
08:35
There are schools that need to track attendance.
193
503734
2057
Hay escuelas que necesitan
controlar la asistencia.
controlar la asistencia.
08:37
There are all these different things
194
505791
2005
Hay todo tipo de cosas
08:39
for us to get the data that we need to do.
195
507796
2095
que requieren que recolectemos datos.
08:41
And I realized, if I kept up the way that I was doing,
196
509891
4526
Y me di cuenta de que si seguía a ese ritmo
08:46
I was basically hardly going to make any impact
197
514417
3243
difícilmente lograría tener algún impacto
08:49
by the end of my career.
198
517660
1832
para el final de mi carrera.
08:51
And so I began to wrack my brain
199
519492
2155
Entonces empecé a devanarme el cerebro
08:53
trying to think about, you know,
200
521647
1143
tratando de analizar
08:54
what was the process that I was doing,
201
522790
1518
el proceso que estaba haciendo,
08:56
how was I training folks, and what were the bottlenecks
202
524308
2856
el entrenamiento,
los cuellos de botella
los cuellos de botella
08:59
and what were the obstacles to doing it faster
203
527164
2813
y los obstáculos que impedían
hacerlo más rápidamente,
hacerlo más rápidamente,
09:01
and to doing it more efficiently?
204
529977
1520
de manera más eficiente.
09:03
And unfortunately, after thinking about this for some time,
205
531497
3143
Desafortunadamente,
luego de pensarlo algún tiempo,
luego de pensarlo algún tiempo,
09:06
I realized -- I identified the main obstacle.
206
534640
3452
identifiqué el obstáculo principal.
09:10
And the main obstacle, it turned out,
207
538092
1977
Y resultó que el obstáculo principal,
09:12
and this is a sad realization,
208
540069
1835
y esto es un descubrimiento triste,
09:13
the main obstacle was me.
209
541904
2268
el principal obstáculo era yo.
09:16
So what do I mean by that?
210
544172
2196
¿Qué quiero decir con eso?
09:18
I had developed a process whereby
211
546368
2488
Había desarrollado un proceso en el que
09:20
I was the center of the universe of this technology.
212
548856
5045
yo era el centro del universo de esta tecnología.
09:25
If you wanted to use this technology, you had to get in touch with me.
213
553901
2989
Si tú querías usar esta tecnología,
tenías que ponerte en contacto conmigo.
tenías que ponerte en contacto conmigo.
09:28
That means you had to know I existed.
214
556890
2106
O sea, tenías que saber que yo existía.
09:30
Then you had to find the money to pay for me
215
558996
1474
Luego tenías que disponer
del dinero para pagarme
del dinero para pagarme
09:32
to fly out to your country
216
560470
1486
el vuelo hacia tu país
09:33
and the money to pay for my hotel
217
561956
1548
el dinero para pagar mi hotel
09:35
and my per diem and my daily rate.
218
563504
2760
mis viáticos y tarifa diaria.
09:38
So you could be talking about 10,000 or 20,000 or 30,000 dollars
219
566264
2949
Podríamos estar hablando de 10 000,
20 000 o 30 000 dólares
20 000 o 30 000 dólares
09:41
if I actually had the time or it fit my schedule
220
569213
2582
si realmente tenía tiempo en mi agenda
09:43
and I wasn't on vacation.
221
571795
1947
y no estaba de vacaciones.
09:45
The point is that anything, any system that depends
222
573742
2897
La idea es que cualquier cosa,
cualquier sistema que dependa
cualquier sistema que dependa
09:48
on a single human being or two or three or five human beings,
223
576639
2870
de una persona,
o 2, o 3, o 5 personas,
o 2, o 3, o 5 personas,
09:51
it just doesn't scale.
224
579509
1736
no puede crecer.
09:53
And this is a problem for which we need to scale
225
581245
2021
Por eso es que tenemos que expandir
09:55
this technology and we need to scale it now.
226
583266
2997
esta tecnología y tenemos que hacerlo ahora.
09:58
And so I began to think of ways in which I could basically
227
586263
2222
Básicamente, empecé a pensar en formas
10:00
take myself out of the picture.
228
588485
2384
de salirme del proceso.
10:02
And, you know, I was thinking,
229
590869
4496
Estuve pensando
10:07
how could I take myself out of the picture
230
595365
2096
cómo salir del proceso
10:09
for quite some time.
231
597461
1809
durante un buen tiempo.
10:11
You know, I'd been trained that the way that
232
599270
2157
Me habían entrenado para pensar que la forma
10:13
you distribute technology within international development
233
601427
2722
de distribuir tecnología en equipos internacionales
10:16
is always consultant-based.
234
604149
2027
siempre es mediante consultoría.
10:18
It's always guys that look pretty much like me
235
606176
2977
Tipos muy parecidos a mí
10:21
flying from countries that look pretty much like this
236
609153
2301
que van de países muy parecidos a este
10:23
to other countries with people with darker skin.
237
611454
3106
a otros países de gente con piel más oscura.
10:26
And you go out there, and you spend money on airfare
238
614560
2445
Y van allí a gastar dinero en pasajes aéreos
10:29
and you spend time and you spend per diem
239
617005
3510
viáticos y tiempo
10:32
and you spend [on a] hotel and you spend all that stuff.
240
620515
2112
y gastar en hoteles y todo eso.
10:34
As far as I knew, that was the only way
241
622627
1851
Hasta donde yo sabía,
esa era la única forma
esa era la única forma
10:36
you could distribute technology, and I couldn't figure out a way around it.
242
624478
3269
de distribuir la tecnología,
y no conocía otra forma de hacerlo.
y no conocía otra forma de hacerlo.
10:39
But the miracle that happened,
243
627747
2671
Pero ocurrió un milagro,
10:42
I'm going to call it Hotmail for short.
244
630418
2750
que para abreviar llamaré Hotmail.
10:45
Now you may not think of Hotmail as being miraculous,
245
633168
2181
Puede que no piensen que Hotmail
sea algo milagroso,
sea algo milagroso,
10:47
but for me it was miraculous, because I noticed,
246
635349
2913
pero para mí fue milagroso
porque me di cuenta,
porque me di cuenta,
10:50
just as I was wrestling with this problem,
247
638262
2566
cuando luchaba con este problema
10:52
I was working in sub-Saharan Africa mostly at the time.
248
640828
3414
trabajaba en el África subsahariana,
gran parte del tiempo.
gran parte del tiempo.
10:56
I noticed that every sub-Saharan African health worker
249
644242
2589
Observé que los trabajadores de salud
del África subsahariana
del África subsahariana
10:58
that I was working with had a Hotmail account.
250
646831
4108
con los que trabajaba, tenían Hotmail.
11:02
And I thought, it struck me,
251
650939
2144
Y pensé, se me ocurrió,
11:05
wait a minute, I know that the Hotmail people
252
653083
2615
un momento, la gente de Hotmail
11:07
surely didn't fly to the Ministry of Health of Kenya
253
655698
2716
seguramente no viajó al Ministerio de Salud de Kenia
11:10
to train people in how to use Hotmail.
254
658414
2711
para capacitar a la gente para usar Hotmail.
11:13
So these guys are distributing technology.
255
661125
2487
Estos tipos están distribuyendo tecnología.
11:15
They're getting software capacity out there
256
663612
2004
Están desarrollando capacidad de software allí
11:17
but they're not actually flying around the world.
257
665616
2009
pero no han viajado por el mundo para hacerlo.
11:19
I need to think about this some more.
258
667625
1560
Tengo que pensarlo un poco más.
11:21
While I was thinking about it, people started using
259
669185
2173
Mientras pensaba en ello,
la gente empezaba a usar
la gente empezaba a usar
11:23
even more things just like this, just as we were.
260
671358
3200
cada vez más cosas de ese tipo,
al igual que nosotros.
al igual que nosotros.
11:26
They started using LinkedIn and Flickr
261
674558
1210
Empezaron a usar LinkedIn y Flickr,
11:27
and Gmail and Google Maps, all these things.
262
675768
2761
Gmail, Google Maps y todas esas cosas.
11:30
Of course, all of these things are cloud-based
263
678529
2726
Claro, todas esas cosas están en la nube
11:33
and don't require any training.
264
681255
2206
y no requieren entrenamiento.
11:35
They don't require any programmers.
265
683461
1600
No requieren programadores.
11:37
They don't require any consultants, because
266
685061
1709
No requieren consultores porque
11:38
the business model for all these businesses
267
686770
2394
el modelo de negocios de estas empresas
11:41
requires that something be so simple we can use it ourselves
268
689164
2997
requiere que algo sea tan simple
que uno pueda usarlo por sí mismo
que uno pueda usarlo por sí mismo
11:44
with little or no training.
269
692161
1185
con poca o ninguna capacitación.
11:45
You just have to hear about it and go to the website.
270
693346
2614
Solo tienes que conocer sobre ello y dirigirte al sitio web.
11:47
And so I thought, what would happen if we built software
271
695960
4365
Entonces pensé, ¿y qué tal si hacemos un software
11:52
to do what I'd been consulting in?
272
700325
2011
que haga lo que yo hacía como consultor?
11:54
Instead of training people how
273
702336
1434
En vez de capacitar a la gente
11:55
to put forms onto mobile devices,
274
703770
2850
para poner formularios
en dispositivos móviles
en dispositivos móviles
11:58
let's create software that lets them do it themselves
275
706620
2284
hagamos un software que les permita hacer eso
12:00
with no training and without me being involved?
276
708904
1890
sin capacitación y sin mi intervención.
12:02
And that's exactly what we did.
277
710794
1804
E hicimos exactamente eso.
12:04
So we created software called Magpi,
278
712598
3684
Creamos un software llamado Magpi [urraca],
12:08
which has an online form creator.
279
716282
1877
que tiene un creador de formularios web.
12:10
No one has to speak to me.
280
718159
1151
Nadie tiene que comunicarse conmigo.
12:11
You just have to hear about it and go to the website.
281
719310
2694
Solo escuchar que existe y entrar al sitio web.
12:14
You can create forms, and once you've created the forms,
282
722004
2747
Puedo crear formularios, y una vez creados,
12:16
you push them to a variety of common mobile phones.
283
724751
2340
los coloco en muchos teléfonos móviles.
12:19
Obviously nowadays, we've moved past Palm Pilots
284
727091
2475
Obviamente, hoy en día pasamos
de las Palm Pilots
de las Palm Pilots
12:21
to mobile phones.
285
729566
1328
a los móviles.
12:22
And it doesn't have to be a smartphone.
286
730894
1132
No tiene por qué ser un teléfono inteligente.
12:24
It can be a basic phone like the phone on the right there,
287
732026
2707
Puede ser uno básico como el de la derecha,
12:26
you know, the basic kind of Symbian phone
288
734733
1336
el típico Symbian básico
12:28
that's very common in developing countries.
289
736069
2466
muy común en los países en desarrollo.
12:30
And the great part about this is, it's just like Hotmail.
290
738535
3999
Y la mejor parte es que, como Hotmail,
12:34
It's cloud-based, and it doesn't require any training,
291
742534
2334
está en la nube, y no requiere capacitación,
12:36
programming, consultants.
292
744868
2040
ni programación, ni consultores.
12:38
But there are some additional benefits as well.
293
746908
1936
Pero también tiene muchos beneficios adicionales.
12:40
Now we knew, when we built this system,
294
748844
1955
Sabíamos, cuando construimos este sistema,
12:42
the whole point of it, just like with the Palm Pilots,
295
750799
2293
que la idea, al igual que con las Palm Pilots,
12:45
was that you'd have to, you'd be able to
296
753092
2604
era que tendrías, que podrías
12:47
collect the data and immediately upload the data and get your data set.
297
755696
3191
recolectar datos, subirlos de inmediato
y tenerlos en formato digital.
y tenerlos en formato digital.
12:50
But what we found, of course, since it's already on a computer,
298
758887
2437
Pero hallamos, por supuesto,
como ya están en una computadora,
como ya están en una computadora,
12:53
we can deliver instant maps and analysis and graphing.
299
761324
3188
que podemos trazar mapas, análisis
y gráficos instantáneos.
y gráficos instantáneos.
12:56
We can take a process that took two years
300
764512
2251
Podemos tomar un proceso que lleva 2 años
12:58
and compress that down to the space of five minutes.
301
766763
3222
y comprimirlo a unos 5 minutos.
13:01
Unbelievable improvements in efficiency.
302
769985
2506
Una mejora increíble en eficiencia.
13:04
Cloud-based, no training, no consultants, no me.
303
772491
4766
En la nube, sin capacitación,
sin consultores, sin mí.
sin consultores, sin mí.
13:09
And I told you that in the first few years
304
777257
2323
Y les dije que en los primeros años
13:11
of trying to do this the old-fashioned way,
305
779580
1827
de intentar hacerlo a la vieja usanza,
13:13
going out to each country,
306
781407
1292
yendo país por país,
13:14
we reached about, I don't know,
307
782699
3054
llegamos a, no sé,
13:17
probably trained about 1,000 people.
308
785753
2118
quizá capacitamos unas 1000 personas.
13:19
What happened after we did this?
309
787871
1803
¿Qué pasó después de esto?
13:21
In the second three years, we had 14,000 people
310
789674
2506
En los siguientes 3 años, 14 000 personas
13:24
find the website, sign up, and start using it to collect data,
311
792180
3193
encontraron el sitio, se registraron
y empezaron a usarlo para recolectar datos.
y empezaron a usarlo para recolectar datos.
13:27
data for disaster response,
312
795373
1502
Datos para respuesta a desastres;
13:28
Canadian pig farmers tracking pig disease and pig herds,
313
796875
4748
criadores de cerdos canadienses que siguen
enfermedades porcinas y manadas de cerdos;
enfermedades porcinas y manadas de cerdos;
13:33
people tracking drug supplies.
314
801623
2415
personas que controlan
suministros de medicamentos.
suministros de medicamentos.
13:36
One of my favorite examples, the IRC,
315
804038
1942
Uno de mis ejemplos favoritos, el CIR,
13:37
International Rescue Committee,
316
805980
1629
Comité Internacional de Rescate,
13:39
they have a program where semi-literate midwives
317
807609
3237
tiene un programa en el que
parteras semianalfabetas
parteras semianalfabetas
13:42
using $10 mobile phones
318
810846
2427
mediante móviles de 10 dólares
13:45
send a text message using our software
319
813273
2209
envían un mensaje de texto mediante nuestro software
13:47
once a week with the number of births
320
815482
2209
una vez por semana con la cantidad de nacimientos
13:49
and the number of deaths, which gives IRC
321
817691
2313
y muertes, lo que le da al CIR
13:52
something that no one in global health has ever had:
322
820004
2599
algo que nadie en la salud mundial ha tenido nunca:
13:54
a near real-time system of counting babies,
323
822603
3637
un sistema de conteo de bebés en tiempo casi real
13:58
of knowing how many kids are born,
324
826240
1492
para saber cuántos niños nacen,
13:59
of knowing how many children there are
325
827732
1676
para saber cuántos niños hay
14:01
in Sierra Leone, which is the country where this is happening,
326
829408
2782
en Sierra Leona, el país
donde está ocurriendo esto,
donde está ocurriendo esto,
14:04
and knowing how many children die.
327
832190
3204
y para saber cuántos niños mueren.
14:07
Physicians for Human Rights --
328
835394
1597
Médicos por los Derechos Humanos
14:08
this is moving a little bit outside the health field —
329
836991
2479
--ésto ocurre un poco fuera
del ámbito de la salud--
del ámbito de la salud--
14:11
they are gathering, they're basically training people
330
839470
2865
recolectan, básicamente capacitan
a la gente para hacer
a la gente para hacer
14:14
to do rape exams in Congo, where this is an epidemic,
331
842335
3364
exámenes de violación, en Congo,
donde esto es una epidemia,
donde esto es una epidemia,
14:17
a horrible epidemic,
332
845699
1748
una epidemia horrible,
14:19
and they're using our software to document
333
847447
2171
y están usando nuestro
software para documentar
software para documentar
14:21
the evidence they find, including photographically,
334
849618
2972
la evidencia que encuentran,
incluso con fotografías,
incluso con fotografías,
14:24
so that they can bring the perpetrators to justice.
335
852590
4152
para poder llevar a los
responsables ante la justicia.
responsables ante la justicia.
14:28
Camfed, another charity based out of the U.K.,
336
856742
3683
Camfed, otra organización benéfica del R.U.,
14:32
Camfed pays girls' families to keep them in school.
337
860425
3748
Camfed paga a las familias de niñas
para mantenerlas en la escuela.
para mantenerlas en la escuela.
14:36
They understand this is the most significant intervention
338
864173
1873
Entienden que esta es
la intervención más significativa
la intervención más significativa
14:38
they can make. They used to track the dispersements,
339
866046
3284
que pueden hacer. Solían rastrear la dispersión,
14:41
the attendance, the grades, on paper.
340
869330
1986
la asistencia, las calificaciones, en papel.
14:43
The turnaround time between a teacher
341
871316
1608
El tiempo de respuesta entre un profesor
14:44
writing down grades or attendance
342
872924
1726
que ponía las notas o la asistencia
14:46
and getting that into a report was about two to three years.
343
874650
2610
y escribía con eso un informe,
era de unos 2 o 3 años.
era de unos 2 o 3 años.
14:49
Now it's real time, and because this is such
344
877260
2230
Ahora es en tiempo real
y dado que es un sistema
y dado que es un sistema
14:51
a low-cost system and based in the cloud, it costs,
345
879490
2940
de bajo costo y que está
en la nube, cuesta,
en la nube, cuesta,
14:54
for the entire five countries that Camfed runs this in
346
882430
3434
en los 5 países en los que
Camfed tiene el programa
Camfed tiene el programa
14:57
with tens of thousands of girls,
347
885864
1932
para decenas de miles de niñas,
14:59
the whole cost combined is 10,000 dollars a year.
348
887796
3358
el costo total es de USD 10 000 al año.
15:03
That's less than I used to get
349
891154
1801
Eso es menos de lo que yo solía
15:04
just traveling out for two weeks to do a consultation.
350
892955
5071
cobrar para viajar 2 semanas
a hacer una consulta.
a hacer una consulta.
15:10
So I told you before that
351
898026
2136
Les había dicho antes que
15:12
when we were doing it the old-fashioned way, I realized
352
900162
2192
cuando lo hacíamos a la
vieja usanza, me di cuenta
vieja usanza, me di cuenta
15:14
all of our work was really adding up to just a drop in the bucket --
353
902354
2898
de que todo nuestro trabajo
era como una gota en el océano...
era como una gota en el océano...
15:17
10, 20, 30 different programs.
354
905252
2226
10, 20, 30 programas.
15:19
We've made a lot of progress, but I recognize
355
907478
2275
Hemos progresado mucho, pero reconozco
15:21
that right now, even the work that we've done
356
909753
2157
por el momento, aún con el trabajo hecho
15:23
with 14,000 people using this,
357
911910
2404
con las 14 000 personas que lo usan,
15:26
is still a drop in the bucket. But something's changed.
358
914314
2946
sigue siendo una gota en el océano.
Pero algo cambió.
Pero algo cambió.
15:29
And I think it should be obvious.
359
917260
1216
Y pienso que debería ser obvio.
15:30
What's changed now is,
360
918476
2091
Lo que ha cambiado ahora
15:32
instead of having a program in which we're scaling at such a slow rate
361
920567
3578
es que en vez de tener un programa
que se expanda a tan baja velocidad
que se expanda a tan baja velocidad
15:36
that we can never reach all the people who need us,
362
924145
3198
que nunca pudiéramos llegar
a las personas que nos necesitan,
a las personas que nos necesitan,
15:39
we've made it unnecessary for people to get reached by us.
363
927343
3659
hemos hecho que la gente no necesite
que nosotros nos acerquemos.
que nosotros nos acerquemos.
15:43
We've created a tool that lets programs
364
931002
3076
Hemos creado una herramienta
que le permite a los programas
que le permite a los programas
15:46
keep kids in school, track the number of babies
365
934078
3155
mantener niños en la escuela,
contar la cantidad de bebés
contar la cantidad de bebés
15:49
that are born and the number of babies that die,
366
937233
2804
nacidos y la cantidad de bebés muertos,
15:52
to catch criminals and successfully prosecute them,
367
940037
3623
atrapar criminales y perseguirlos con éxito,
15:55
to do all these different things to learn more
368
943660
2690
hacer todas estas cosas para aprender más
15:58
about what's going on, to understand more, to see more,
369
946350
5117
sobre lo que pasa, para entender más,
para ver más
para ver más
16:03
and to save lives and improve lives.
370
951467
3971
y para salvar y mejorar vidas.
16:07
Thank you.
371
955438
1997
Gracias.
16:09
(Applause)
372
957435
3987
(Aplausos)
ABOUT THE SPEAKER
Joel Selanikio - Health and technology activistDr. Joel Selanikio combines technology and data to help solve global health challenges.
Why you should listen
A practicing pediatrician, former Wall Street computer consultant, and former epidemiologist at the Centers for Disease Control, Dr. Joel Selanikio is the CEO of DataDyne, a social business working in fields such as international development and global health.
Selanikio started to experiment with electronic data capture back when the Palm Pilot was cutting edge technology. In the years since then, he has helped to experiment with the growing potential and availability of technology--and the growing ubiquity of the cloud. Combining the two has led to systems such as Magpi mobile data collection software. Previously known as "EpiSurveyor," the service now has over 20,000 users in more than 170 countries.
Selanikio holds a bachelor's degree from Haverford College, a medical degree from Brown University, and he is a graduate of the Epidemic Intelligence Service fellowship of the CDC. He continues to practice clinical pediatrics as an Assistant Professor at Georgetown University and on the Emergency Response Team of the International Rescue Committee.
Joel Selanikio | Speaker | TED.com