Com certeza você já ouviu e até falou a famosa frase: “É como ter de achar uma agulha no palheiro”. Sim, muitos dos problemas com os quais nos confrontamos são bem difíceis de enxergarmos as suas causas verdadeiras ou como eles estão interligados com outros assuntos que nos rodeiam. 
Na Saúde isso não é em nada diferente, pois entender as doenças, as pessoas, os tratamentos, medicamentos e suas interações química, etc, é um enorme desafio! E podemos adicionar que os problemas relacionados a Saúde são bem mais complexos de enxergarmos: suas verdadeiras causas, interligações, dependências e possíveis soluções. É lidar com um palheiro imenso no qual temos apenas umas poucas agulhas para encontrar.
Neste contexto, em que a Saúde Digital gera um Tsunami de dados diariamente e que nosso “palheiro de informações” só cresce, que está sendo depositada uma grande esperança no poder do Big Data e Machine Learning (aprendizado dos computadores, ou M2M).
Mas, ter condição de processar grande quantidade de dados por segundo não nos traz soluções automaticamente. Precisamos saber “qual agulha” estamos procurando!
Li recentemente uma história muito interessante sobre encontrar nos dados a relação com as causas, que podem nos levar as soluções corretas. Em agosto de 1854 houve um grave surto de cólera no distrito Soho de Londres. Dentro de um mês, várias centenas de pessoas morreram. Incapaz de determinar a causa o médico responsável, John Snow, decidiu desenhar em um mapa todas as estatísticas de mortalidade que tinham disponíveis. Uma vez concluído, tornou-se fácil identificar a causa do surto de cólera. Olhando para a visualização abaixo, pode-se ver que a mais forte concentração de surtos de cólera ocorreu diretamente relacionada a uma bomba de água na rua Broad Street (destacada num ponto vermelho no mapa).
Graças à visualização de Snow, o governo pôde identificar rapidamente a causa e tomar as medidas necessárias. Eles se deslocaram para fechar a bomba, e logo depois puseram fim à epidemia. Qual a lição que Snow nos ensina? Ele soube usar os dados da forma correta, fazendo as perguntas certas e agrupando as informações corretamente. Não se perdeu em informações não relevantes, procurou a “agulha” adequadamente!
A Saúde Digital novamente parece ser uma indústria pronta para os dados gerados pela inovação tecnológica – oferecendo as possibilidades de melhorar a segurança de ensaios clínicos, vigilância de doenças, tratamentos prescritos, resultados do paciente e até mesmo potencialmente levar à cura para o câncer e outras doenças. Os benefícios são potencialmente enormes, com impactos social e econômico óbvios.
Fig: Áreas onde M2M + Big Data podem melhorar os cuidados de Saúde
O Big Data pode transformar o setor de Saúde acelerando seu valor e o impacto da inovação. O uso de Big Data poderia, por exemplo, reduzir os custos de saúde dos EUA em US $ 300 bilhões a US $ 450 bilhões, mas a indústria deve passar por mudanças fundamentais antes que os principais envolvidos possam maximizar seu valor total, de acordo com um relatório da consultoria McKinsey & Company.
Mas aí é que chegamos no tema deste artigo: Big Data x Right Data – como achar a informação certa na Saúde Digital?
Para entender completamente o impacto do Big Data sobre o sistema de Saúde, precisamos olhar o conjunto como uma estrutura holística, centrada no paciente que contempla cinco fatores-chave para gerar valor, com base no conceito de que o valor é derivado do equilíbrio dos custos de saúde e os resultados dos pacientes. Os cinco fatores-chave que promovem o Right Data são:
- Vida correta (Right Living)
Os pacientes podem criar valor, assumindo um papel ativo no seu próprio tratamento, incluindo a prevenção de doenças. A opção de vida correta centra-se em encorajar os pacientes a fazerem escolhas de estilo de vida que os ajudem a manter-se saudáveis, como dieta e exercícios adequados, e assumir um papel ativo em seus próprios cuidados se ficarem doentes.2. Cuidados adequados (Right Care)
Este caminho envolve assegurar que os pacientes recebam o tratamento mais oportuno e adequado disponível. Cuidados adequados requerem uma abordagem coordenada: em todos os ambientes e provedores, todos os cuidadores devem ter a mesma informação e trabalhar em direção ao mesmo objetivo para evitar a duplicação de esforços e estratégias ineficazes.3. Fornecedor Correto (Right Provider)
Este fator-chave propõe que os pacientes devem sempre ser tratados por profissionais de alto desempenho que são mais adequados para a tarefa e vão conseguir o melhor resultado. - Valor correto (Right Value)
Para cumprir os objetivos deste fator-chave, os prestadores e pagadores irão melhorar continuamente o valor da Saúde, preservando ou melhorando a sua qualidade. Este fator-chave poderia envolver medidas múltiplas para garantir a relação custo-eficácia dos cuidados, como ligar o reembolso do prestador aos resultados dos doentes ou eliminar a fraude, o desperdício ou o abuso no sistema.5. Inovação certa (Right Innovation)
Este fator-chave envolve a identificação de novas terapias e abordagens para a prestação de cuidados, em todos os aspectos do sistema, e melhorar o próprio mecanismo de inovação. Para captar esse valor, as partes interessadas devem fazer um melhor uso dos dados de ensaios anteriores – como procurar por alvos e moléculas de alto potencial na indústria farmacêutica. Os dados podem ser utilizados para encontrar oportunidades para melhorar os ensaios clínicos e protocolos de tratamento tradicionais, incluindo aqueles de cirurgias para pacientes internados.
Nosso corpo é um oceano de dados, que gera informações continuamente e pode nos ajudar a direcionar nossa Saúde num caminho sustentável, saudável e de Bem-Estar. Vejam este infográfico abaixo.
Cabe a cada um de nós perguntar: Qual é o Dado Correto (Right Data) que preciso ver neste oceano do Big Data da Saúde Digital?
Se gostou deste Post, compartilhe, comente, dê sugestões.
No próximo Post traremos um novo tema relacionado a aonde a Saúde Digital nos levará?
Abraços a todos!
Guilherme Rabello, Gerência Comercial e Inteligência de Mercado do InovaInCor – InCor / Fundação Zerbini.