Big Data na saúde: tecnologias, desafios e possibilidades para o mercado

17 min. de leitura

Os impactos da tecnologia e da transformação digital na área da saúde são significativos, ainda mais quando pensamos no volume de informações geradas no ecossistema de healthcare. E nesse universo de dados compartilhados e armazenados diariamente em servidores de clínicas e hospitais, o Big Data na saúde se torna uma ferramenta essencial – tanto para gestão, quanto para a inovação no atendimento.

Mas será que os hospitais e clínicas no Brasil já estão preparados para tirar o máximo proveito deste imenso volume de dados? Você é gestor e também já se perguntou o que fazer com os dados da sua clínica ou por onde começar?

Como aproveitar os dados gerados em sua clínica?

Primeiro, é importante entender que o Big Data tem um enorme potencial para gerar insights e contribuir em soluções, mas para isso não basta apenas ter os dados e sim saber como extraí-los. Ou seja, a importância estratégica do Big Data está na maneira como a sua empresa vai trabalhar essas informações visando diminuir custos, otimizar tempo e melhorar o atendimento aos pacientes.

Neste processo de entender com mais clareza os padrões presentes nos dados e produzir valor a partir deles que a Portal Telemedicina faz uso do Big Data na saúde, prezando por segurança e seriedade, e aplicando o estado da arte em inteligência artificial para empoderar profissionais de saúde na entrega de laudos cada vez mais precisos.

Leia também: Portal telemedicina participa do Applied ML Summit, evento global sobre machine learning

Ao longo deste texto você vai saber mais sobre alguns conceitos-chave do uso do Big Data na área da saúde, como a captação de dados e os estágios de preparação para que as informações sejam relevantes para análise.

Vamos destacar ainda o uso da Inteligência Artificial (IA) e do Machine Learning no processamento de dados, além de mostrar qual o impacto da Lei Geral de Proteção de Dados (LGPD) na coleta, armazenamento e tratamento de informações na área da saúde. 

Big Data na saúde: as fontes de dados

O conceito de Big Data diz respeito ao alto volume de dados gerados diariamente na forma das mais diversas informações que necessitam do uso de novas tecnologias de ponta para serem analisados.

Na área da saúde, as informações são nutridas por aplicativos e dispositivos de monitoramento de atividades pessoais, como prontuários eletrônicos, exames e laudos enviados remotamente e arquivos digitais fornecidos por clínicas e enfermarias do trabalho.

O Big Data na saúde disponibiliza essa grande quantidade de dados possibilitando cruzar as mais variadas fontes de informações para criar com rapidez e assertividade novas soluções que geram valor na atuação de clínicas e hospitais.

Para o dia a dia dos profissionais da área da saúde, a ferramenta contribui para trazer novas possibilidades de análise e uma visão mais completa para tratamentos, prevenção e cura de doenças.

Veja alguns tipos de dados que podem ser captados pela área da saúde:

  • Dados pessoais – CPF, sexo, nome, data de nascimento, filiação, local de moradia;
  • Dados clínicos – hábitos de risco, diagnósticos, medicações tomadas, vacinações, alergias;
  • Dados de exames – exames de imagem, exames de ECG, EEG, exames de sangue, oximetria, espirometria entre outros;
  • Dados de procedimentos –  internações, intervenções recebidas, cirurgias, tempos de estadia em UTI etc.

big data na saúde

Por que muitos dados não significam bons dados?

Um dos principais desafios na implementação dos recursos de Big Data no setor da saúde está em entender quais dados são relevantes para classificar e priorizar as informações a serem trabalhadas.

Após esse importante passo de identificar as diversas fontes possíveis de dados na saúde, é preciso voltar o olhar para a curadoria desses dados, buscando aderência às estratégias de gestão da empresa.

Quanto maior a quantidade de fontes, maiores são as possibilidades de gerar informação útil. Por outro lado, a complexidade também aumenta. Aí entra o diferencial do Big Data de estar atrelado à possibilidade de cruzar informações para gerar um dado correto e assim obter insights importantes para as gestões de instituições de saúde.

Nesse arsenal de elementos que nutrem o Big Data na saúde se faz necessário identificar os dois tipos de dados que estão disponíveis: não – estruturados e os estruturados. Entenda:

Não-estruturados:

Os dados não-estruturados são mais complexos para se trabalhar, pois não há uma estrutura definida, é preciso que seja feito esse ordenamento manualmente.

Exemplos:

Ficha 1: “O paciente chama-se João Silva e nasceu em 12/02/1958. Ele recebeu as vacinas DT e contra a febre amarela.”

Ficha 2: “André Braga, paciente, recebeu a vacina DT.”

Estruturados:

Os dados possuem uma estrutura já definida com categorias e valores possíveis.

Exemplos:

Ficha 1: “João / Silva / 12.02.1958 / DT: Sim / Febre Amarela: Sim”

Ficha 2: “André / Braga / não informado / DT: Sim / Febre Amarela: Não”

Com dados estruturados se torna mais fácil a criação de um programa para extrair essas informações, pois possuem o mesmo padrão de ordenamentos dos dados.

Existem diversos níveis de estruturação, e quanto maior o seu nível, mais rápida, assertiva e barata se torna a análise em Big Data. Em contrapartida, os custos com softwares e implementação desses sistemas se tornam maiores.

Estágios primordiais de preparação de dados

Nesta etapa vamos falar sobre os estágios primordiais de preparação dos dados para  coletar, limpar, normalizar, combinar, estruturar e organizá-los para análise.

Entenda cada passo:

  • Parseamento – decodificar e estruturar as entradas, convertendo-as para um mesmo padrão, já que há muitas inconsistências, valores inesperados, formato inadequado etc;
  • Limpeza dos Dados – organizar e limpar os registros para eliminar erros e validar os dados para o uso;
  • Curadoria – verificar quais dados são relevantes para cada análise;
  • Pré-processamento – transformar e, novamente, padronizar os dados para o uso específico sem perda relevante de informação.

Seguindo esses passos, os engenheiros de TI e cientistas de dados conseguem realizar a análise do que é captado e os dados obtidos se transformam em informações úteis, e não ficando desorganizados ou inacessíveis.

big data na saúde

Inteligência Artificial e Machine Learning

Após as etapas iniciais é hora de entrarmos no campo das soluções e produzir valor através dos dados fazendo uso da Inteligência Artificial (IA).

Dentro das diversas vertentes de IA, destaca-se o Machine Learning (ML), um recurso ideal para a busca de padrões comuns. 

O ML se baseia em apresentar uma grande quantidade de exemplos de dados (na casa dos milhares a milhões de linhas) para que o computador possa entender padrões e identificá-los futuramente em novas amostras de dados que vierem. 

Um exemplo simples: apresentar milhares de consultas contendo os sintomas relatados pelo paciente e o diagnóstico médico final, com o objetivo de treinar uma IA que sugira diagnósticos com base nos sintomas relatados em futuras novas consultas.

Veja a seguir dois modelos com relevância no Big Data – um supervisionado e outro não supervisionado, respectivamente:

  • Classificaçãoé basicamente um problema de reconhecimento de padrões a partir de exemplos. Na medicina, a partir de uma grande quantidade de Raios-X de tórax com e sem colapsos, o computador pode ‘aprender’ os padrões de pulmões colapsados e se basear neles para classificar novas imagens de Raios-X;
  • Clustering  – é uma tarefa que consiste essencialmente na reunião de dados mais semelhantes para identificação de grupos. Por exemplo, a criação de clusters de pacientes com base em seus hábitos alimentares pode revelar grupos diferentes e quais doenças seus integrantes estão desenvolvendo.

Entre as diversas ferramentas disponíveis para se realizar o Big Data na saúde, a linguagem Python é a mais utilizada.

Mesmo com a capacidade de reconhecer padrões em um grande volume de dados, a máquina atua como uma ferramenta de trabalho dos médicos e não substitui de forma alguma a expertise do profissional e sua habilidade de diagnóstico. 

O ser humano é muito mais competente em realizar análises complexas, que envolvem uma maior multitude de informações e o contexto do paciente. Por exemplo: cruzar histórico do paciente com resultados de exames para produzir um melhor diagnóstico. 

As IAs são superiores para trabalhos de espectro mais estreito e muito repetitivos, por exemplo: identificar rapidamente exames alterados e priorizá-los em uma fila que os especialistas irão analisar. 

Sendo assim, deve-se sempre pensar como será o trabalho dos profissionais de saúde em conjunto às IAs, tendo as mesmas apenas como ferramentas de apoio.

Desafios do Big Data na saúde

A tecnologia do Big Data, apesar de recente na área da saúde, vem evoluindo rapidamente e requer um entendimento das instituições para transformarem seus modelos de negócios e se manterem competitivas no mercado.

Muitos são os desafios para hospitais e clínicas que precisam organizar o volume de informações financeiras, de consultas e internações, geradas por diferentes sistemas e que são organizadas em diversos modelos de planilhas. 

A gestão eficiente desses dados impacta positivamente na qualidade dos serviços de saúde, pois há ganho de produtividade, redução de custos e relevante contribuição em estudos clínicos e na tomada de decisão das instituições.

Infraestrutura ideal

Para coletar e interpretar grandes volumes de dados, é preciso que as instituições de saúde tenham uma infraestrutura de TI adequada.

Investir mais na área de capacitação de profissionais e construir um bom warehouse, isto é, organizar seu banco de dados para otimizar o uso dos dados em processos, é essencial para atingir resultados mais rapidamente.

Hoje, muitas clínicas migram o seu centro de dados para a nuvem – Cloud Computing. O mercado oferece diversas opções de servidores seguros que prestam esse serviço e com custos acessíveis. 

A segurança desse formato também é maior e algumas empresas oferecem níveis diferentes de acordo com a necessidade de proteção dos dados. 

São pontos fundamentais para criar uma ambiente propício que forneça insights e auxilie na tomada de decisão em sua gestão de saúde.

big data na saúde

Segurança e privacidade de dados

A segurança e a estruturação dos dados é um dos grandes desafios. Toda essa transformação digital revela um lado que devemos ficar atentos, que é a falta de proteção das informações vindas dos “rastros digitais” de pacientes. 

As instituições devem ser responsáveis no uso dessas informações e garantir a segurança por meio de firewalls, controles de acesso e incentivo a uma cultura de segurança na empresa.

Leia mais: Como garantir a segurança dos dados dos pacientes

Para a troca de dados online entre os sistemas fornecedores e captadores é preciso fazer uso da encriptação de ponta-a-ponta, além de fazer a anonimização dos dados antes de torná-los públicos – abertos para filtragem de profissionais de TI, por exemplo -, removendo as informações que possam identificar os pacientes, mas deixando os dados clínicos.

Aqui no Brasil, o Conselho Federal de Medicina é quem determina e regulariza a troca de informações online com as resoluções 1.638/2002 e 1.639/2002

No exterior, o Health Level 7 ou HL7, produzidos pela Health Level Seven International, é um conjunto de normas internacionais para transferência de dados clínicos e administrativos entre sistemas de informação em saúde.

LGPD e Big Data na saúde

A Lei Geral de Proteção de Dados, vigente desde agosto de 2020, veio para assegurar a privacidade dos dados, evitando o compartilhamento e seu uso antiético.

Estabelecendo diversas regras acerca da coleta, armazenamento, tratamento e compartilhamento dos dados pessoais, a LGPD impacta significativamente no uso do Big Data na saúde que lida diariamente com informações confidenciais de seus pacientes.

Saiba mais: LGPD na Saúde: como garantir a segurança de dados dos pacientes

Entre os vários princípios que norteiam a lei de proteção de dados e que devem ser respeitados pelas instituições médicas, destacamos o uso ético dos dados coletados.

As informações dos pacientes podem ser utilizadas para melhorias do negócio, desde que respeitada a finalidade de trazer benefícios para o próprio paciente, visando a criação de soluções que melhorem algum aspecto relacionado ao atendimento da instituição.

A coleta de dados pessoais automatizadas como a geração de profiling, que é a construção de um conjunto de informações de um usuário, pode ferir as regras da LGPD caso não seja adaptada.

Por isso, fique atento à auditabilidade, que é o registro do acesso e uso das informações, e na governança desses dados para garantir sua integridade e proteção. Desta forma você potencializa os resultados trazendo soluções por meio de uma central de dados organizada, dentro da lei e confiável.

Aqui na Portal Telemedicina atendemos a legislação em sua integralidade. 

big data na saúde

Portal telemedicina ajuda o seu negócio a aproveitar o potencial do Big Data na área da saúde

O uso de Big Data na saúde não está restrito às grandes clínicas e hospitais com equipes de TI. Através dos serviços da Portal Telemedicina, absolutamente qualquer clínica com acesso à internet (inclusive as que têm apenas equipamentos analógicos antigos) pode se beneficiar em diversas áreas. 

Podemos destacar o acesso às inteligências artificiais que trabalham em conjunto com especialistas médicos realizando laudos, IAs que ajudam a sua equipe técnica a realizar exames com mais qualidade, e IAs que permitem o teleacompanhamento e teleconsulta com medição de sinais vitais pelo celular. 

Esses pacotes de benefícios ajudam não só a reduzir os custos de clínicas e hospitais mas também a reduzir erros humanos e evitar óbitos.

Saiba mais: Case de sucesso: aplicação de Telemedicina no SUS em Tarumã reduziu em 22% o índice de morte por infarto agudo de miocárdio na cidade

Na Portal Telemedicina fazemos uso de tecnologias em soluções inovadoras nos atendimentos de saúde por meio da plataforma de telediagnóstico e do SOS Portal e somos um braço importante para a gestão do Big Data em clínicas e hospitais dos mais diversos perfis. 

Nossa estrutura totalmente baseada na nuvem da Google conta com todas as certificações de segurança importantes, conforme essa lista estabelecida pelo Google.

Se a sua empresa quer começar a usar o Big Data ou aperfeiçoar seus processos tornando mais assertivos e econômicos, entre em contato com a Portal e tenha acesso a plataforma com alto nível de segurança para seus dados e com sistema de exames com gerenciamento próprio.

Saiba mais:

Sobre o autor: Nicholas Drabowski é líder de inteligência artificial na Portal Telemedicina. Possui experiência em mais de 20 projetos de pesquisa e desenvolvimento de produtos de alta tecnologia na área de saúde. Lidera os times de inteligência artificial com foco em pesquisa e desenvolvimento orientados  a impacto prático.

0 respostas

Deixe uma resposta

Quer entrar na discussão?
Sinta-se livre para contribuir!

Deixe um comentário

O seu endereço de e-mail não será publicado.