faz parte da divisão Informa Markets da Informa PLC

Este site é operado por uma empresa ou empresas de propriedade da Informa PLC e todos os direitos autorais residem com eles. A sede da Informa PLC é 5 Howick Place, Londres SW1P 1WG. Registrado na Inglaterra e no País de Gales. Número 8860726.

5 aplicações de Big Data e AI na medicina

-big-data

O Big Data deve revolucionar decisões administrativas, como investimentos, redução de custos e otimização de operações em centros médicos e hospitais.

Com o avanço da tecnologia e o desenvolvimento de técnicas robustas de análise de dados, aprendizado de máquinas e inteligência artificial, especialistas da área de saúde começam a vislumbrar um futuro em que os sistemas computacionais darão suporte para escolhas mais assertivas em suas rotinas. Não obstante, o Big Data também deve revolucionar decisões administrativas, como investimentos, redução de custos e otimização de operações em centros médicos e hospitais.

Confira cinco possibilidades de aplicações dessas inovações que já vêm impactando a área de saúde nos últimos meses:

1. Evidência científica

A medicina é complexa e envolve entidades com diferentes interesses, como os corpos clínicos, hospitais e a indústria farmacêutica. No entanto, por cuidar de vidas, tem a obrigação de melhorar a qualidade dos seus resultados e a eficiência dos métodos de trabalho. O Big Data e as ferramentas de analytics facilitam o processo de documentação e acesso às evidências científicas, o que auxilia a obtenção de diagnósticos e a adoção de tratamentos.

1. Previsão de eventos relacionados à saúde dos pacientes

Com a automatização de processos, os hospitais têm adotado sistemas mais modernos de registros de prontuários eletrônicos. Esse documento conta com elementos completos sobre pacientes, como informações pessoais, prescrição de medicamentos e exames, diagnósticos e prognósticos. Algoritmos de análise de dados automatizam a previsão de eventos relacionados à saúde da pessoa, como risco de morte, chances de sucesso de um tratamento e a possível readmissão em um centro médico.

3. Antecipação de eventos hospitalares

Previsões são parte fundamental do aprendizado de máquinas. A análise de dados administrativos pode embasar a tomada de decisões, como a escolha de uma localização para a abertura de uma nova estrutura, a melhoria do processo de triagem e admissão, a distribuição de funcionários e alocação de leitos. Tudo isso, sem comprometer a operação.

4. Internet das Coisas

Ainda que a maioria dos hospitais não possua prontuários eletrônicos, todos contam com máquinas e aparelhos utilizados na realização de exames, cirurgias e outros procedimentos. A Internet das Coisas facilita o trabalho de extração e análise dessas informações que são interpretadas por algoritmos de aprendizado de máquinas. Esses dados podem ser utilizados, por exemplo, para criar um plano de manutenção preditiva dos equipamentos, o que reduz custos com mão-de-obra e, principalmente, evita o comprometimento das operações emergenciais de um centro médico, como cirurgias e exames clínicos.

5. Compartilhamento de conhecimento

Diariamente, dezenas de artigos científicos são publicados em periódicos e revistas renomados mundialmente. Esses textos descrevem métodos testados em pacientes de diferentes lugares do planeta, assim como medicações e outros tratamentos aplicados. Na prática, o desenvolvimento de trabalhos científicos baseados em evidências requer uma extensa análise de dados feita ao longo dos anos e necessita um alto rigor na documentação da descrição da metodologia adotada e resultados obtidos.

Como a capacidade humana nos limita a uma proporção muito pequena dessas novas descobertas, um sistema de aprendizado baseado em dados pode revolucionar o futuro da medicina, uma vez que facilita o acesso a novas descobertas e o processo evolutivo da ciência, evitando o retrabalho na descoberta de conhecimentos já adquiridos por grupos de pesquisas baseados em outros países.