IA e dados na saúde: desafios e oportunidades

A inteligência artificial (IA) tem sido pauta de reuniões corporativas e de eventos ao redor do mundo. De acordo com o AI Index 2024 Annual Report, feito pela Stanford University, entre os principais assuntos discutidos sobre esse IA estão investimentos, expansão das capacidades da tecnologia, iniciativas de crescimento, e marcas fornecedoras tanto de aplicações de IA quanto de IA generativa.

Na área da saúde não é diferente. No início deste ano, mais de 35 mil pessoas acompanharam uma das principais conferências desse segmento, a Healthcare Information and Management Systems Society (HIMSS). Entre os palestrantes estava Robert Garret, CEO do Hackensack Meridian Health e responsável por uma frente de discussão sobre saúde no Fórum Econômico Mundial. Garret destacou que a inteligência artificial poderá contribuir para a resolução de grandes problemas na área, como o acesso a cuidados de qualidade e a personalização de tratamentos. “A IA poderá, também, ajudar a impulsionar a equidade em saúde se for usada estrategicamente”, disse.

Além da inteligência artificial, a ética, a transparência e a segurança no uso dos dados são temas cruciais na discussão sobre o futuro da saúde. Um relatório produzido recentemente pela Accenture ressalta a relevância da transparência dos dados e como as empresas de saúde têm uma oportunidade de construir confiança por meio deles. Segundo o levantamento, os executivos que atuam nesse segmento concordam que a transparência de dados está se tornando um diferencial competitivo em suas organizações (89%) e que é mais crítico do que nunca que a estratégia de dados equilibre controle e transparência (90%).

O potencial dos dados

O corpo humano, uma complexa rede de 37 trilhões de células, gera uma quantidade imensa de dados a cada segundo. Coletados através de sensores, exames de imagem e testes laboratoriais, esses dados podem ser transformados em insights valiosos por meio da inteligência artificial. O potencial de transformar a saúde através da análise desses dados é enorme, mas exige organização e integração.

Um levantamento conduzido pela L.E.K Consulting projeta que o mercado de monetização de dados na saúde atingirá US$ 900 milhões em 2028, com a América Latina representando uma parcela significativa desse valor. O crescimento desse mercado é exponencial, com um aumento anual de 36% no volume de dados gerados no setor. Há quatro anos, por exemplo, empresas globais de saúde tinham cerca de 2.300 mil exabytes de informações armazenadas, número que pode chegar a 10.800 exabytes até 2025, segundo o estudo.

A área da saúde coleta cerca de 30% dos dados gerados no mundo, segundo Alexandre Chiavegatto Filho, professor livre docente de machine learning em saúde do Departamento de Epidemiologia da Faculdade de Saúde Pública da Universidade de São Paulo (USP). Há alguns anos, quando informações que vão desde a avaliação de sintomas até a decisão de alta do paciente eram registradas em papel, a análise de dados era mais difícil. “Hoje, temos potencial de criar algoritmos para ajudar os profissionais de saúde desde o diagnóstico até o tratamento, e também na gestão de hospitais”, explica o especialista.

Apesar de o setor ser um dos primeiros a utilizar dados para otimizar processos, reduzir custos e melhorar o atendimento aos pacientes, como indica Chiavegatto, no Brasil, a saúde enfrenta desafios como a digitalização em todas as regiões do País e a capacidade de integração dos sistemas de diferentes instituições. “O primeiro desafio é que cada instituição colete os dados com qualidade de forma digital. O segundo é a interoperabilidade, que permite que um paciente vá a qualquer estabelecimento de saúde e tenha seu prontuário eletrônico unificado”, diz o professor da USP.

Teresa Sacchetta, diretora de saúde na InterSystems, destaca a importância da interoperabilidade para transformar os dados em informações completas e acionáveis e explica que, atualmente, as tecnologias usadas no sistema de saúde geram uma grande quantidade de dados que não são explorados em sua potencialidade. “Há uma real oportunidade de usar essas informações para apoiar o trabalho do time assistencial no momento do atendimento, onde quer que ele aconteça. Nesse contexto, a interoperabilidade desempenha um papel fundamental ao integrar dados que hoje encontram-se dispersos para que possam ser efetivamente usados na tomada de decisão e em ações práticas ao longo de toda a jornada de cuidado ao paciente”.

 A executiva comenta também que a adoção de tecnologias de interoperabilidade, machine learning e telemedicina se amplia no país, não se limitando a grandes redes privadas. O Sistema Único de Saúde (SUS) e hospitais menores e filantrópicos também estão investindo nessas soluções. “Como passo inicial, a consolidação e normalização dos dados são pré-requisitos para a aplicação eficaz de algoritmos de aprendizado de máquina, otimizando o desempenho e a acurácia dos modelos”, completa. 

A análise avançada de dados e a interoperabilidade proporcionarão ao ecossistema de saúde avançar no atendimento aos pacientes, com diagnósticos mais precisos e tratamentos personalizados, além de permitir às instituições ter uma gestão mais eficaz dos recursos.