[ editar artigo]

Quando a área de saúde encontra a ciência dos dados

Quando a área de saúde encontra a ciência dos dados

Health Data Science (ciência de dados em saúde) é a ciência de gerar soluções baseadas em dados por meio da compreensão de problemas reais da área de saúde, empregando o pensamento crítico e a análise para obter conhecimento a partir dos dados. Trata-se de um domínio do conhecimento emergente, surgindo da interseção da bioestatística, ciência da computação e saúde.

Harvard Business Review afirma que “o cientista de dados é o emprego mais up do século XXI”. Nesse artigo, eles se referem ao “cientista de dados” como um “new breed”. Eles sugerem pensar este profissional como um híbrido de hacker de dados, analista, comunicador e conselheiro. A McKinsey and Company projeta uma demanda de 1,5 milhão desse perfil profissional somente nos Estados Unidos. A Glassdoor classificou “Data Scientist” como o melhor trabalho em 2016 e novamente em 2017!

E para área de saúde?

A revolução dos dados promete transformar a nossa compreensão da saúde e fornecer novos insights sobre o desenvolvimento de terapias, além de prestação de cuidados de saúde pessoal e para a comunidade. A quebra desse paradigma requer uma combinação de habilidades para aquisição, organização e exploração dos dados, bem como para modelagem estatística, aplicação de algoritmos de machine learning para predição, além de técnicas de visualização desses dados.

Mas porque a saúde precisa da ciência de dados?

Para responder a essa pergunta, o Team Research Nest divide os dados de saúde em duas partes: Clinical data e Patient behavior and sentiment data.

Clinical data vêm de anotações médicas, resultados de laboratório e imagens médicas. Esse tipo de dados é coletado praticamente todos os dias. O hospital usa certos algoritmos para analisar registros de pacientes e identificar certos indivíduos em risco de condições médicas. Os dados clínicos são enormes e crescem constantemente. Sem organização e estrutura adequadas no registro desses dados, o médico pode diagnosticar a doença errada para o paciente errado.

No caso do Patient behavior and sentiment data, eles são do tipo de dados que ajudam a maximizar a prevenção. Os dispositivos tecnológicos, como os smartwatchs (dispositivo wearable) que medem a frequência cardíaca e os padrões de respiração, podem ser muito mais importantes que apenas um hub de envio de informações. Eles podem ajudar a detectar padrões irregulares e prever certos distúrbios baseados no comportamento dessas informações.

Compreende-se que o foco do Health Data Science está na interpretação e entendimento específico de dados do paciente, principalmente, oriundos de sua jornada de tratamento de saúde. Health Data Science pode também ser um instrumento válido na pesquisa clínica para compreender e permitir a predição de comportamentos em seres vivos.

Neste momento, é importante não confundir com o contexto envolvendo dados de recursos de saúde, por exemplo, de gestão hospitalar que podem e devem fazer uso de plataformas de BI (Business Intelligence)/BA (Business Analytics) ou mesmo Big Data para construir um processo de análise de informações e tomada de decisão. Neste caso, faz-se uso do Health Analytics. Trata-se de um conjunto de metodologias utilizadas para analisar grandes volumes de dados relacionados com o setor de saúde, contribuindo no cuidado clínico geral e na gestão dos recursos de saúde.

Para os gestores de saúde, essa contribuição está em reduzir desperdícios e melhorar a qualidade e a produtividade do cuidado com a saúde dos beneficiários, sempre de forma sustentável. Tanto Health Data Science quanto Health Analytics fazem uso das aplicações em Data Analytics cujo objetivo é examinar dados brutos para encontrar padrões e tirar conclusões sobre essa informação, aplicando um processo algorítmico ou mecânico para obter informações. Data Analytics é um campo amplo e existem quatro tipos principais de análise de dados: Descriptive analyticsDiagnostic analyticsPredictive analytics e Prescriptive analytics.

No exterior já existem cursos de pós-graduação em Health Data Science. É o caso da School of Public Health da Universidade de Harvard. Na Faculty of Biology, Medicine and Health da Universidade de Manchester e na Faculty of Medicine na Imperial College London entre outros. O ponto de destaque é que todos estes cursos estão vinculados aos departamentos ou escolas da área de saúde e não da área de computação, engenharia, estatística ou matemática. Isso provavelmente se deve à importância do entendimento, à percepção e investigação dos dados. Somente profissionais de saúde com experiência em suas especialidades possuem o conhecimento técnico para auxiliar na interpretação dos dados adquiridos. Por isso, atualmente é um trabalho de modelagem de sistemas a “quatro mãos”.

Por fim, as soluções que se baseiam em ciência de dados em saúde podem reformular a indústria de medicamentos e operadoras de saúde, descobrir novos insights e transformar ideias corajosas em realidade. As possibilidades de integração com a assistência médica estão se expandindo à medida que a quantidade de dados cresce cada vez mais rápido e as tecnologias estão melhorando constantemente.

Casos de uso em saúde

No artigo Top 7 Data Science Use Cases in Healthcare é possível ter uma noção de algumas aplicações com esse tema. Para área de saúde pública, existe um conteúdo específico que pode ser encontrado no curso online do Prof. Ph.D. Barton Poulson chamado The Data Science of Healthcare, Medicine, and Public Health. No post Data Science and Predictive Analytics in Healthcare são discutidos os desafios da área com algumas previsões de aplicabilidade.

O potencial do Health Data Science para ampliar os horizontes da medicina moderna é enorme, e o futuro parece brilhante e promissor. Em 2018, foi publicado pela National Institutes of Health (NIH) o primeiro Plano estratégico para Data Science, em que é fornecido um roadmap para modernização do NIH-funded biomedical data science ecosystem. É importante que os profissionais da área de gestão da saúde mantenham no radar essa expertise, principalmente como visão estratégica e entrega de valor para seu paciente.

 

Quer escrever?

Publique seu artigo na Academia Médica e faça parte de uma comunidade crescente de mais de 170 mil médicos, acadêmicos, pesquisadores e profissionais da saúde. Clique no botão "NOVO POST" no alto da página!

Academia Médica
Antonio Valerio Netto
Antonio Valerio Netto Seguir

Professor visitante em health data science e telemedicina na Escola Paulista de Medicina/UNIFESP. Pós-doutor em analytics e biotelemetria pelo IEP Sírio-Libanês. Doutor em computação e matemática computacional pelo ICMC/USP.

Ler conteúdo completo
Indicados para você