“O aparecimento da clínica como fato histórico, deve ser identificado com o sistema dessas reorganizações. Essa nova estrutura se revela, mas certamente não se esgota na mudança ínfima e decisiva que substituiu a pergunta: “O que é que você tem?”, por onde começar, no século XVIII, o diálogo entre o médico e o doente, com sua gramática e seu estilo próprios, por esta outra em que reconhecemos o jogo da clínica e o princípio de todo o seu discurso: “Onde lhe dói?”. A partir daí, toda a relação do significante com o significado se redistribui, e isso em todos os níveis da experiência médica: entre os sintomas que significam e a doença que é significada, entre a descrição e o que é descrito, entre o aconteci mento e o que ele prognostica, entre a lesão e o mal que ela assinala etc.”[1].

O trecho acima é da obra: O Nascimento da Clínica, de Michel Foucault que traz ponderações sobre a transformação da medicina no século XIX, quando se apresenta como medicina científica, decorrente de novos conhecimentos e políticas institucionais.

A interação médico-paciente, o entendimento do corpo humano, o conhecimento da doença, como ela atinge o corpo e trazem as repercussões na saúde da pessoa, foi o grande objeto de estudo da medicina durante séculos. No entanto, um novo fator tem sido cada vez mais relevante no exercício da medicina: os dados, ou seja, o conjunto de informações sobre determinado tema.

Por meio de técnicas estatísticas já é possível estabelecer um modelo preditivo que pode auxiliar os médicos e os pacientes a tomarem melhores decisões e ainda poderem contribuir para que não haja risco de que alguma informação relevante não seja considerada[2].

Por meio de muitos dados (estruturados ou não), chamado de Big Data, é possível identificar a probabilidade da ocorrência de eventos futuros. Em saúde, a Big Data, reúne dados significativos, muito rápidos e muito complexos para os provedores de saúde processarem e interpretarem essas informações.

Com essa grande quantidade de dados, técnicas de estatística, inteligência artificial (“machine learning” e “deep learning”) e simulação, pode ser construído o perfil de saúde dos pacientes, mapear regiões com maior incidência de determinadas patologias, antever os custos decorrentes de exames e internações, prever taxas de ocupação dos leitos, assim como aplicar a medicina preventiva para evitar infecções e doenças potenciais, ou seja, a análise preditiva na saúde pode tentar prever o futuro[3].

Com tais dados os serviços de saúde podem se tornar mais eficientes e sustentáveis de forma a alterar a forma da prestação de serviços de saúde para a prevenção, intervenção precoce e gestão otimizada[4].

O setor de saúde produz dados a todo o momento, mas em sua maioria ainda não são estruturados, pois não estão organizados e representados com uma estrutura rígida, não havendo previamente um planejamento para armazená-los. O grande desafio atual é utilizar esses dados de modo a trazer uma eficiência para a saúde das pessoas.

Para se ter uma ideia, o sistema de saúde dos EUA já atingiu 150 exabytes (1018) cinco anos atrás e, em um futuro breve, ouviremos sobre zetabyte (1021) e yottabyte (1024), considerando os dados de países mais populosos como China e Índia[5].

A produção de dados tende a aumentar em razão de novas tecnologias implementadas em smartphones, imagens em tempo real e dispositivos de localização, bem como, tecnologias vestíveis e móveis de saúde.

A análise dos dados pode formar modelos preditivos, que permitem a identificação de padrões existentes e podem evidenciar em uma população quais são os possíveis candidatos de alto custo e quais os fatores que levam os pacientes a terem o perfil de custo elevado. Também é possível estabelecer previsões de taxas de internação, probabilidade de infecções e doenças, trazendo grande impacto no direcionamento nas políticas públicas de saúde.

Um exemplo é a utilização das tecnologias de rede móvel, que podem fornecer uma plataforma para implementar ferramentas de recomendação em tempo real para alterar a dinâmica de contato em uma grande população (um bairro, uma cidade inteira), com o objetivo de desacelerar ou interromper uma epidemia de uma doença infecciosa[6].

As tecnologias de análise preditiva conseguem aumentar a precisão dos diagnósticos, auxiliam na medicina preventiva e na saúde pública, trazendo economia nos gastos com tratamentos e remédios.

Por meio da Big Data e programas de computador é possível prever como será a saúde do indivíduo, ou seja, se poderá ser internado com frequência ou irá se manter saudável. Os modelos preditivos permitirão que as operadoras de saúde, médicos e empresas de bem-estar (“wellness”) desenvolvam planos de ação (intervenção) com os pacientes, que poderão reduzir o custo envolvido na saúde como salvar a vida das pessoas[7].

A tecnologia de dispositivos implantáveis são ferramentas que geram dados de monitoramento e podem ser aproveitados para fornecer feedback e recomendações para pacientes e profissionais de saúde, também ocorrendo com o monitoramento nas casas das pessoas (“homemonitoring”), que podem traçar o comportamento do paciente e de tendências e anomalias[8].

Os planos de saúde já estão utilizando de tais ferramentas para que, com algoritmos e ferramentas avançadas, possam ser detectados os clientes com maior possibilidade de desenvolver problemas de saúde de alto custo e grandes riscos.

Em 2020 o projeto IACOV-BR: Inteligência Artificial para Covid-19 no Brasil venceu o Prêmio Abril & Dasa de Inovação Médica Especial Covid-19 na categoria Inovação em Prevenção. Desenvolvido no Laboratório de Big Data e Análise Preditiva em Saúde (LABDAPS) da Faculdade de Saúde Pública (FSP) da USP, a pesquisa usa algoritmos para predizer o diagnóstico e o prognóstico da Covid-19 nas cinco regiões brasileiras, auxiliando a prevenção e agravamento clínico da doença em diferentes contextos socioeconômicos[9].

Esta ferramenta irá colaborar para que os médicos tomem decisões como, por exemplo, referentes à internação de pacientes com Covid-19, necessidade de ventilação mecânica ou até mesmo se virá a óbito. É certo que o algoritmo não substituirá os médicos, mas oferecerá subsídios para que a tomada de decisão seja a melhor e com maior respaldo possível[10].

Certamente estamos diante de uma medicina que, nos próximos anos, deve ter um avanço nunca visto, mas alguns desafios devem ser enfrentados e um dos mais relevantes é a privacidade, pois se de um lado o monitoramento da saúde pode indicar uma doença no seu início e estabelecer uma possibilidade de cura, esta informação pode ser utilizada para abusos como rescisão do plano de saúde pela operadora, aumento do seguro de vida, perda do emprego etc.

A todo o momento são apresentadas novas tecnologias que tem gerado dados em uma grande velocidade e que são trafegados de forma contínua entre servidores e redes. Dessa forma, há necessidade de uma forte proteção dos dados que, sem dúvida possui aspecto legal e também tecnológico.

 

 

[1] Foucault, Michael. O Nascimento da Clínica. 7 ed. Rio de Janeiro: Forense Universitária, 2017.

[2] https://www.saudebusiness.com/gesto/modelos-de-avaliao-preditiva-na-sade

[3] https://www.wareline.com.br/wareline/noticias/analise-preditiva-na-saude-maior-assertividade/

[4] J. Andreu-Perez, C. C. Y. Poon, R. D. Merrifield, S. T. C. Wong and G. Yang, “Big Data for Health,” in IEEE Journal of Biomedical and Health Informatics, vol. 19, no. 4, pp. 1193-1208, July 2015, doi: 10.1109/JBHI.2015.2450362.

[5] Idem.

[6] Grossglauser M, Saner H. Data-driven health: from patterns to actions. European Journal of Preventive Cardiology . 2014; 21 (2_supl): 14-17

[7] https://www.saudebusiness.com/hospital/anlise-preditiva-aplicao-%E2%80%9Ckiller%E2%80%9D-de-big-data-em-sade

[8]     Grossglauser M, Saner H. Data-driven health: from patterns to actions. European Journal of Preventive Cardiology . 2014; 21 (2_supl): 14-17.

[9] https://jornal.usp.br/ciencias/projeto-da-usp-sobre-previsao-de-diagnostico-da-covid-19-vence-premio-de-inovacao/

[10] Idem.

Coordenador acadêmico da Coluna "Direito da Saúde" no Megajuridico. | Website

Advogado e professor. Doutorando em Ciências Farmacêuticas, Mestre em Direito da Saúde e especialista em Direito do Trabalho e Direito Previdenciário.

Deixe uma resposta