Cláudio Alves Monteiro

A sociedade se transforma por meio da tecnologia, em um desenvolvimento progressivo e muitas vezes mais acelerado do que as instituições conseguem acompanhar. A quantidade gigantesca de dados produzidos na saúde é um fator que influencia a crescente necessidade de ter a tecnologia como aliada, principalmente no setor que exige uma rápida e eficiente tomada de decisão.

A massa de dados produzida e armazenada diariamente a partir de exames clínicos, atendimentos hospitalares e ambulatoriais, e registros de óbito e de sinistro permite criar variáveis agregadas que enriquecem a tomada de decisão em empresas da área de saúde. As informações apontam qual a melhor opção para ser escolhida, o que aumenta a eficiência, reduz custos ou direciona para o maior retorno sobre o investimento.

Os dados da saúde pública no Brasil encontram-se centralizados no Departamento de Informática do Sistema Único de Saúde (DATASUS)e são compostos por informações de morbidades, acesso a serviços, qualidade da atenção, condições de vida e fatores ambientais, que são relevantes para a quantificação e a avaliação do Sistema Único de Saúde (SUS). Entretanto, as informações estão, em sua maioria, armazenadas de forma “bruta”, de modo que simplesmente olhar um indicador não traz diagnósticos e conclusões. É necessária uma engenharia robusta que forneça mais insights para o tomador de decisão.

A análise profunda do comportamento da população na rede pública de saúde pode embasar políticas públicas de saúde ou nortear a identificação de oportunidades por empresas privadas. Um exemplo disso é o fato de a distribuição das idades entre as pessoas internadas mudar bastante quando comparamos pacientes de sexos diferentes. Ao fazer uma análise mais detalhada dos dados coletados, é possível observar que um dos fatores responsáveis por esse comportamento mais acentuado na faixa etária dos 18 aos 40 anos para as mulheres são as internações relativas ao capítulo 15 do CID-10, caracterizado por internações relativas à gravidez e parto.

Na plataforma Neurolake – que facilita a construção de soluções por meio de processos de ciência de dados e big data – conseguimos capturar essas informações públicas para desenvolver modelos  para doenças como diabetes, infecções urinárias e pulmonares, câncer e até o risco de morte durante uma internação. Os modelos baseiam-se em sistemas de inteligência artificial (IA), e são mais robustos, pois trazem uma perspectiva do futuro, o que permite tomar melhores decisões no presente.

Com a ferramenta, um hospital pode acompanhar pacientes  mais susceptíveis após uma internação, por exemplo, diminuindo o risco de óbito ou de uma nova internação em um curto período de tempo. A inteligência artificial promove o cuidado em um momento anterior a uma situação aguda. Dessa forma, há tempo de recomendar uma consulta ou a realização de exames, monitorando melhor a condição de saúde. No gráfico a seguir, é possível visualizar os resultados de um modelo capaz de prever o risco de uma pessoa desenvolver uma condição de saúde de alto risco nos próximos meses. Os indivíduos são estratificados em grupos, com base no fator de risco retornado pelo modelo, de modo que é possível definir diferentes ações para cada um dos agrupamentos.

Seja na esfera pública ou privada, as novas tecnologias empregadas oferecem uma prevenção mais objetiva, que prioriza as necessidades da população de uma forma mais profunda. Esses sistemas vão abrir possibilidades para todos os brasileiros e brasileiras terem acesso à promoção da saúde, e não apenas ao tratamento para uma condição de doença ou lesão. A partir disso, será possível também promover ações educativas, com o objetivo de instruir, reforçar e aprofundar as medidas para reverter determinados quadros graves. É um passo importante para promoção da medicina preventiva, especialidade médica focada em evitar o desenvolvimento de doenças e que ganha cada vez mais força no Brasil e no mundo.

Cláudio Alves Monteiro é bacharel em Ciência Política e mestre em Ciência da Computação na área de Inteligência Computacional, ambos pela Universidade Federal de Pernambuco. Atua como Cientista de Dados na Neurotech, desenvolvendo soluções de Inteligência Artificial e Ciência de Dados para o mercado de saúde e também como professor de Machine Learning.