As empresas do setor de saúde, sejam elas públicas ou privadas, são organismos vivos, com dados não estruturados e informações inconsistentes em circulação. Basta pensar no dia a dia de um hospital, que é capaz de gerar dados envolvendo tantos públicos como planos de saúde, setor de medicamentos (indústria), dados de cadastramento de consultas, exames, resultados, permissões, segurança e burocracias regulatórias, sem falar das informações sobre leitos, enfermagem, alimentação, limpeza e, claro, registros brutos e acumulados de médicos e pacientes. Além disso, é também na emergência dos hospitais que muitas decisões críticas são tomadas. Quase não há tempo para preencher as informações, mas não podem faltar dados mínimos sobre o paciente.
Esse volume de dados armazenados precisa ser gerenciado e governado de maneira adequada para a sustentabilidade da organização a longo prazo. Muitas vezes esquecemos que um hospital, laboratório, clínica, operadora de saúde, continuam sendo uma empresa. Ou seja, essa empresa gera gastos, tem folha de pagamento, precisa ter receita e gerar lucratividade, além de boa reputação e entrega de serviço de qualidade à população. Não foge dessa regra, ainda, o uso da governança de dados brutos e nativos, ou estruturados.
Neste sentido, nasce o conceito de data lake que, nada mais é que o armazenamento de um grande e variado volume de dados, tendo como origem diversas fontes de captura. Os dados presentes nesses repositórios podem ser estruturados, semiestruturados ou nada estruturados, cuja principal diretriz é a governança no armazenamento de dados brutos — ou seja, que ainda não foram processados e analisados — para serem utilizados no presente ou no futuro.
A governança de dados brutos, em repositórios, possibilita que as empresas de saúde consultem e selecionem, de maneira estratégica, as informações que irão atender clientes, e parceiros de negócio, além de executar o tão idealizado intercâmbio/troca de informações entre as organizações do setor, agregando mais inteligência em toda a esteira de processos.
Data lake: o uso de maneira prática
Pensemos em uma operadora de saúde, que normalmente tem dados digitalizados de seus beneficiários. Esses estão presentes em documentos e planilhas, chegam por redes sociais, são capturados por meio do site, são coletados por meio de sensores em espaços físicos e protocolados em canais de atendimento e autoatendimento, para citar, apenas, alguns exemplos. Esse é o banco de dados da operadora, mas ele está espalhado em suas fontes de captura e armazenamento inicial.
Contudo, o chief medical officer (CMO) da operadora decide atribuir uma série de finalidades aos dados, a fim de gerar análises e insights sobre como os pacientes estão sendo atendidos pela rede, a recorrência de consultas, quais as especialidades mais procuradas e exames feitos. Esse mesmo CMO quer mensurar os custos operacionais gerados na rede. Uma tarefa gigante dependendo da operadora e do volume de dados extraídos.
Para atingir essa meta de negócio com o uso de analytics, a operadora de saúde precisa, entretanto, passar por dois estágios: processamento de dados e, primeiramente, o armazenamento de dados em repositórios, que podem ser locais (on premise) ou em nuvem (cloud storage). Nisso reside o conceito de data lake, que trabalha com o armazenamento dado bruto para que a engenharia de dados opere a sua estruturação e refinamento.
O desafio desse processo é custoso, pois demanda um fluxo de obtenção de dados para os principais sistemas de produção Além disso, é necessário aplicar unificação de cadastros, limpeza, filtros e dicionários para interpretar e analisar os dados. O objetivo é sempre o de gerar eficiência e estratégia de valor. Desse modo, cada elo desse ecossistema precisa ser feito primeiro dentro de casa.
Integração é open health?
A interoperabilidade de dados tão relacionada ao open health é justamente a integração de APIs, sistemas, nuvens, arquivos e, em resumo, dados (estruturados ou não) em grandes operações de data lake. Se os dados de um hospital podem ser expressivos do ponto de vista de volumetria, imagine atrelar esses dados com o data lake de toda uma rede de hospitais e ao SUS, por exemplo.
Em março deste ano, uma parceria entre Hospital Sírio-Libanês e a Amazon Web Service (AWS) resultou na criação de um data lake que está integrando e analisando dados em saúde privada. O HealthLake, como foi denominado pelas empresas, tem como princípio analisar as tendências em saúde populacional. O data lake da parceria compõe a Alma Sírio-Libanês, marca que atua com saúde digital e faz parte de um ecossistema com 70 startups.
Um ponto chama a atenção para quem tem interesse no assunto e nessa parceria em específico: os dados não só são trocados entre as empresas como analisados, e isso não é um detalhe, mas a cereja do bolo, pois muitas organizações de saúde podem interoperabilizar seus dados. Será que elas estão analisando, gerando insights, melhorias, empregando inteligência e trazendo resultados de toda ou de boa parte da volumetria do data lake?
Saúde e datificação
É de se estranhar que a temática da cultura data-driven tenha sido explorada inúmeras vezes e, até hoje, muitas empresas do setor patinam em transformação digital e, consequentemente, em cultura de datificação. No entanto, é preciso compreender que, pelo menos no Brasil, a curva de datificação vem crescendo. A cobrança é pertinente, mas é preferível que esse processo de mudança seja mais certeiro do que apenas acelerado. Em outras palavras, é preciso pensamento estratégico em todos os níveis.
Se uma empresa de saúde não encara o seu processo de digitalização, de nada adianta pensar em governança de dados, uma vez que não há dados para serem gerenciados. Parece óbvio, mas muitos processos no setor ainda não foram abarcados pela transformação digital. Em complemento, quando a digitalização está no seu estágio de aculturamento, antes de ser tornar consolidada pela empresa, é possível que a organização use dados errados ou de modo incorreto. Nesse cenário, o prejuízo financeiro, de serviço, mas primariamente de informação, tende a ser maior.
Analisando os players do mercado de saúde se observa que o grande desafio hoje está no nível da liderança e visão estratégica, uma vez que é necessário que esses líderes se posicionem direcionando esforços e investimentos nesse processo de transformação digital data-driven a qual inevitavelmente irá ocorrer no setor pela necessidade de sustentabilidade. Além disso, se faz notório que esse posicionamento estratégico pode se tornar um grande diferencial em aumento de eficiência e competitividade para seu negócio.
Mas os bons exemplos também estão presentes aos montes no mercado, e tecnologia é o que não falta para iniciar, consolidar, interoperar e ampliar a governança de dados com data lake para um futuro em saúde mais inteligente. Avante!
Laís Fonseca é CEO e cofundadora da tech health QBem, que usa engenharia e inteligência de dados para gerar melhorias para o sistema de saúde.
