12/9/2019 –
A invasão dos dados também chegou à medicina. Levantamento da consultoria IDC mostra que as informações relacionadas à saúde atingirão 2314 exabytes até 2020
Não se trata de uma cena de ficção científica: os robôs já começam a entrar – e auxiliar – médicos em hospitais e consultórios. No caso, os robôs são tecnologias de Inteligência Artificial, recurso que já se faz presente em diferentes setores e que começa, aos poucos, entrar na área de saúde. O alto custo em saúde hoje no mundo atrelado ao avanço do conhecimento e das novas tecnologias e, principalmente, a necessidade de interpretar um volume maior de dados dos pacientes estimulam a busca por novos serviços inovadores para conseguir dar conta das necessidades que aparecem e desafiam o setor como um todo.
A invasão dos dados também chegou à medicina. Levantamento da consultoria IDC mostra que as informações relacionadas à saúde atingirão 2314 exabytes até 2020. Esse indicador era de “apenas” 153 exabytes em 2013 – um crescimento anual de 48% ao longo deste período. Empresas que fornecem soluções tecnológicas estão movimentando o setor, que deve faturar US$ 23 milhões agora e atingir a marca de US$ 32 milhões até 2023.
A vantagem da Inteligência Artificial aplicada à área médica é justamente melhorar a capacidade de diagnóstico dos pacientes. Isso porque esta tecnologia é capaz de lidar com um alto volume de informações, permitindo encontrar padrões dentro dos dados que um profissional não conseguiria fazer rapidamente. Além disso, a partir de dados históricos, e por meio do Machine Learning, é possível assimilar novos conceitos, definir padrões complexos entre os dados e antecipar situações que podem eventualmente acontecer. Além disso, já há algoritmos que monitoram sinais vitais, fazem predição de tempo de internação em Hospitais, avaliam a probabilidade de aderência ao tratamento de pacientes para estudo clínico por meio de leitura facial, fazem diagnóstico de câncer em exames de imagem, entre outros.
Mesmo assim, há diversos desafios que travam o pleno desenvolvimento da aplicação da IA na área médica. Hoje, levar essas inovações ao dia a dia de um profissional de saúde é extremamente desafiador. Afinal, extrair todo o potencial que ela pode gerar requer muito trabalho, como organizar e estruturar todos os dados clínicos do paciente, principalmente na padronização das terminologias médicas e no cruzamento adequado dos dados clínicos entre diferentes sistemas. É um serviço que a grande maioria dos médicos não está acostumada a fazer – e sequer desenvolveram essa habilidade durante o ensino superior.
A solução para isso é estimular a adoção de um padrão mundial de armazenamento de dados clínicos dos pacientes, ou seja, um Common Data Model. Esse padrão é o OMOP (Observational Medical Outcome Partnership). A proposta nasceu de uma parceria público-privado americana (agência americana de regulação Food and Drug Administration e a indústria farmacêutica) com o objetivo de fomentar estudos clínicos para a indústria farmacêutica com o uso de dados clínicos do mundo real, o RWE (Real World Evidence). Essa solução acabou se popularizando entre pesquisadores da área da saúde e hoje ela é uma solução Open-Source (de código aberto) gerenciada pela comunidade internacional OHDSI (Observational Health Data Sciences and Informatics). Em suma, é uma forma de organizar as informações para seguir uma padronização mundial amplamente aceita e validada mundialmente. Assim, é possível difundir de forma mais eficiente as soluções de Inteligência Artificial não apenas dentro do país, mas também no exterior.
Por ser uma área essencial para a vida humana (tanto como prevenção quanto como tratamento), as tecnologias em saúde devem estar na vanguarda das inovações que surgem todos os anos. A Inteligência Artificial é uma fronteira que precisa ser quebrada, uma vez que os dados médicos no ambiente digital tendem a crescer cada vez mais. Quem antecipar a demanda e conseguir aliar um bom atendimento do paciente, refinamento no tratamento dos dados, e capacidade de extrair todo o potencial de análises dessas informações vai conseguir trazer grande economia no setor de saúde, mais saúde a população e se consolidar no mercado como uma healthtech com soluções escaláveis e reais.
* Júlio Barbour é Head de Saúde da Semantix, Médico pela Santa Casa de São Paulo e Físico pela UNICAMP
