Menu

Dr. Big Data – por Dr. Alexandre Vieira

Dr. Big Data – por Dr. Alexandre Vieira

Um dos maiores desafios para garantir a sustentabilidade dos sistemas de saúde é a utilização mais efetiva de seus recursos. Seja por conta do envelhecimento populacional (ao prolongar a expectativa de vida, prolongamos também as doenças que acometem esta população) ou do avanço tecnológico, os custos relacionados à saúde estão cada vez mais elevados.

As discussões atuais sobre o problema contemplam mudanças nos modelos de remuneração, privilegiando a qualidade em relação a quantidade de utilização (pagamento por performance). Além disso, incentivam o engajamento dos pacientes e estimulam um estilo de vida saudável, para prevenção de doenças. Uma nova variável aparece nesta complexa equação e traz outra perspectiva sobre o tema…o Big Data.

O termo que aparece agora como parte da solução, foi utilizado pela primeira vez em um artigo de 1997, publicado por um cientista da NASA (Michael Cox), no qual descrevia um problema de computação gráfica: “é um desafio interessante para os sistemas de computador que geram uma quantidade de dados tão grande que supera a capacidade da memória utilizada”. Este desafio foi chamado de Big Data.

Atualmente, a definição mais aceita de Big Data compreende quatro itens fundamentais relacionados a utilização e análise de dados:

  • Grande volume;
  • Grande variedade;
  • Confiabilidade;
  • Velocidade de processamento.

Outras características que acompanham o Big Data e estão mais relacionadas ao seu uso que a sua definição propriamente dita, são o poder preditivo e machine learning, também conhecida como inteligência artificial (a capacidade dos sistemas aprenderem a tomar decisões).

Uma das primeiras utilizações do Big Data na área de saúde ocorreu em 2008, quando o Google iniciou o projeto “Google Flu Trends” que tinha como objetivo prever surtos de gripe com dados provenientes de pesquisas relacionadas ao tema em seu buscador da internet. Em alguns relatórios, a precisão da ferramenta mostrou ser de 97%, comparada aos dados do CDC (Centers for Disease Control and Prevention – EUA), porém com cerca de 10 dias de antecedência em relação ao órgão oficial. Com o passar do tempo o serviço foi descontinuado pela comprovação de que sua precisão não era constante. No entanto, a ideia foi levada adiante pela Universidade de Osnabrück (na Alemanha), com o apoio do projeto Watson da IBM, integrando dados de mídias sociais (Twitter) e do CDC ao processo preditivo (www.flu-prediction.com).

Google Flu Trends

www.flu-prediction.com

Outro exemplo de utilização do Big Data ocorreu durante a epidemia de ebola, na África Ocidental em 2014. Através de dados de movimentações de telefones celulares, uma empresa sueca (Flowminder) fez o mapeamento epidemiológico, detalhando as migrações regionais das áreas com surto da doença. Com esta informação, foi possível o bloqueio de rotas (para evitar o trânsito de pessoas contaminadas) e a criação de centros especializados de controle, o que ajudou a conter o surto.

Migrações na África ocidental durante o surto de ebola

Atualmente, a Medtronic, em parceria com a IBM, está utilizando Big Data em um projeto para criar um pâncreas artificial. O diabetes insulinodependente é uma doença caracterizada pela falência do pâncreas. Estão sendo estudados mais de 125 milhões de registros referentes ao monitoramento de glicemia (taxa de glicose no sangue) em pacientes diabéticos. Estes dados são analisados para avaliar como a glicemia responde a diferentes situações (horário do dia, alimentos variados e condições de saúde do paciente, como por exemplo, um quadro gripal). O sistema autônomo (pâncreas artificial) poderá ler a glicemia e predizer qual dose de insulina será necessária ao paciente durante o dia.

Melhorando o controle da doença, elevamos a qualidade de vida dos pacientes, diminuímos o número e a gravidade das complicações crônicas, e promovemos redução de custos aos pacientes, governos e planos de saúde.

As estimativas atuais sugerem que uma pessoa é capaz de gerar cerca de um milhão de gigabytes de dados relacionados a saúde no período de sua vida. A maior parte deles não está organizada de forma estruturada; eles vêm de textos ou imagens de diferentes ambientes. O campo da saúde mental evoluiu muito com a criação de novos algoritmos para análise destes dados. A avaliação da rede de relacionamentos, a frequência de publicações ou quais aplicativos foram acessados podem consolidar informações muito específicas, como por exemplo, a predição de um episódio depressivo.

A Ginger.io é uma empresa com sede em São Francisco, Califórnia, que está colocando em prática alguns destes conceitos. Ela coleta dados de smartphones (através de um aplicativo) sobre padrões de movimento, comunicação e sono. Através de análise comportamental é possível entender melhor o estado de saúde social, mental e física dos pacientes. As informações podem então ser rapidamente fornecidas aos responsáveis pelo tratamento, quando uma intervenção é necessária.

Seja por meio de predições de surtos de doenças contagiosas ou da avaliação de migrações populacionais, o uso do Big Data na epidemiologia de precisão irá, cada vez mais, agregar valor à tomada de decisão na saúde populacional. No desenvolvimento do machine learning, a utilização dessa nova tecnologia é essencial e pode melhorar o controle de doenças crônicas, como o diabetes por exemplo. Até mesmo em áreas com importante componente subjetivo, a análise de padrões de comportamento pode predizer crises de doenças psiquiátricas com acurácia. Além disso, a integração e análise dessa enorme quantidade de dados vai facilitar a avaliação de prestadores, mostrando quais são mais custo efetivos.

Como podemos perceber, já há um novo “membro” indispensável na equipe multidisciplinar de saúde…Bem-vindo, Dr. Big Data!

Artigo por Dr. Alexandre Vieira, Gerente Médico da Funcional Health Management.

*Proibida a reprodução desse conteúdo sem citação da fonte.

Share on LinkedInShare on FacebookTweet about this on Twitter