Como a análise preditiva do Big Data pode ajudar na saúde pública?

O Big Data tem uma grande relevância na saúde pública, especialmente quando se trata de dados como registros médicos, prontuários eletrônicos, informações de sinistralidade, contas médicas e dispositivos médicos. Associado com tecnologias como inteligência artificial (IA), ele pode formular análises preditivas, auxiliando na tomada de decisões.

“Você pode ter a captura de um dado genético e correlacionar com a região onde a pessoa mora, a faixa etária, o histórico familiar; ou seja, o conjunto de variáveis coletadas pode influenciar a probabilidade de um câncer de mama”, exemplifica Guilherme Wiegert, CEO da Conexa, um ecossistema especializado em saúde digital.

Os padrões específicos detectados em dados de adoecimento com crescimento fora da normalidade podem indicar risco de epidemia ou pandemia, como a da covid-19. Os dados preditivos foram fundamentais para ativar o sistema de saúde no desenvolvimento de vacinas em tempo recorde e controlar a disseminação do Sars-CoV-2.

Quais dados podem subsidiar análises preditivas na saúde pública?

O conjunto de dados pode otimizar os sistemas de saúde, identificando ineficiências e gargalos. “Ao identificar o uso desnecessário de serviços ou atrasos, o sistema de saúde pode ser ajustado para economizar recursos e melhorar a qualidade do atendimento”, complementa Ademar Paes Junior, membro da Associação Brasileira de Medicina Diagnóstica (Abramed).

A análise preditiva pode detectar padrões que permitem a antecipação e a prevenção de surtos epidêmicos. “A unificação dos dados de saúde vai possibilitar a criação de novos protocolos de atendimento, mais eficientes, baratos e com melhora da taxa de cura dos pacientes”, avalia Denise Yagui, CEO da Special Saúde, empresa focada na assistência a pacientes.

Alguns exemplos dos dados que podem ser usados são:

• epidemiológicos: taxas de incidência e prevalência de doenças, distribuição geográfica de casos, informações sobre surtos anteriores e tendências históricas;
• vigilância em saúde pública: notificações de casos, registros hospitalares, relatórios de laboratórios e dados de saúde coletados em nível regional ou nacional;
• demográficos: informações sobre idade, sexo, etnia, ocupação e características socioeconômicas da população;
• saúde clínica: registros médicos eletrônicos, resultados de exames, histórico de vacinação, diagnósticos prévios e informações sobre condições crônicas de saúde;
• ambientais e climáticos: dados sobre condições ambientais, como qualidade do ar, poluição, temperatura, umidade e outros fatores que possam influenciar a disseminação de doenças;
• mobilidade: os deslocamentos de pessoas, como viagens, fluxos populacionais entre regiões e movimentação urbana são relevantes para entender a propagação geográfica de doenças;
• comportamentais: hábitos de vida, como dieta, atividade física, tabagismo, consumo de álcool e outros comportamentos relacionados à saúde;
• genômicos e biológicos: variações genéticas, biomarcadores e características biológicas individuais podem influenciar a vulnerabilidade a doenças.

Leia também:

• Como o Data Science pode ajudar os bancos de sangue
• Medicina de precisão deve transformar assistência à saúde
• Sistemas de saúde conectados: como serão os hospitais no futuro?

Quais são os desafios de gestão e análise de grandes volumes de dados de saúde?

A gestão e a análise de grandes volumes de dados de saúde enfrentam grandes desafios para sua implementação. “As organizações devem implementar medidas robustas de segurança para proteger os dados de saúde contra acesso não autorizado, alterações, destruição ou divulgação”, aponta Ricardo Campos, diretor do Legal Grounds Institute.

Os principais desafios enfrentados quando se trata de gestão e análise de grandes volumes de dados de saúde são:

• volume e variedade: os dados gerados por registros médicos eletrônicos, imagens médicas, dados genômicos, dados de sensores e dispositivos vestíveis, entre outros, podem estar em diferentes formatos e não serem facilmente integrados;
• confiabilidade: dados mal-estruturados e coletados de diferentes fontes podem apresentar inconsistências e erros, o que afeta a confiabilidade dos resultados obtidos na análise;
• privacidade e segurança: extremamente sensíveis, os dados de saúde devem ser protegidos para garantir a privacidade dos pacientes, em conformidade com a Lei Geral de Proteção de Dados (LPGD);
• infraestrutura: a gestão de grandes volumes de dados requer infraestrutura de TI adequada, incluindo sistemas de armazenamento, processamento e análise de alto desempenho;
• análise e interpretação: os grandes volumes de dados de saúde podem ser complexos e exigem análises avançadas para identificar padrões, tendências e insights relevantes.

Como se preparar para usar o Big Data na saúde pública?

A aplicação do Big Data e da inteligência artificial na saúde pública deve ser acompanhada por investimento em tecnologia e educação dos profissionais. “Quando se fala em IA aplicada à saúde, os resultados são exatos e confiáveis à medida que os dados são corretos e consistentes”, analisa Ana Mees, coordenadora de Inteligência Artificial da IPM Sistemas.

Para tanto, estabelecer parcerias estratégicas com instituições acadêmicas, empresas de tecnologia e outras organizações pode fornecer conhecimentos especializados e recursos adicionais. A colaboração entre diferentes áreas de conhecimento, como saúde, ciência de dados e TI, é fundamental para obter insights significativos dos dados.

É necessário, ainda, acompanhar e avaliar regularmente os resultados alcançados com o uso do Big Data e da análise preditiva. “Estabelecer métricas e indicadores de desempenho permite verificar o impacto das soluções implementadas e realizar ajustes e melhorias conforme necessário”, recomenda Paes Junior.

Ademar Paes Junior é médico radiologista, membro do Conselho de Administração da Associação Brasileira de Medicina Diagnóstica (Abramed) e presidente da Associação Catarinense de Medicina.

Denise Yagui, CEO da Special Saúde e administradora, formou-se pela Universidade de São Paulo (USP) e foi coordenadora de Desestatização e Parcerias da Prefeitura de São Paulo.

Guilherme Wiegert é cardiologista, cofundador e CEO da Conexa, startup cujo objetivo é democratizar o acesso à saúde de qualidade por meio da telemedicina.

Ricardo Campos é diretor do Legal Grounds Institute e docente nas áreas de proteção de dados, regulação de serviços digitais e direito público na Faculdade de Direito da Goethe Universität Frankfurt am Main (Alemanha).