Nos últimos anos, a Ciência de Dados ganhou enorme relevância entre nós. Termos como inteligência artificial (IA) e big data ganharam notoriedade. A verdade é que isso já é uma realidade muito próxima de nós. O uso dessas ferramentas na Ciência funciona de forma similar ao Waze, que consegue acertar com precisão a hora que vamos chegar ao destino.

Primeiro, o sistema do Waze avalia todos os caminhos que podem levar a um destino e, com base nas informações da velocidade de todos os usuários nas possíveis rotas, ele traça aquela que levará mais rapidamente ao destino.  E, como tudo acontece em tempo real, ele fica o tempo todo avaliando essas velocidades e, assim, no caso de um acidente, por exemplo, ele desvia de uma possível rota mais congestionada.

Assim também funciona a Medicina hoje, cada vez mais fundamentada em métodos de análise de dados e suas variações. 

Atualmente, a grande maioria dos hospitais tem os chamados prontuários eletrônicos (e não mais prontuários de papel, escritos à mão).  Assim, todos os dados de um paciente internado estão armazenados em um sistema.

Assim, é possível a criação de grandes repositórios de dados ao se combinar a informação de um ou vários hospitais, sempre preservando o anonimato dos pacientes.  Nesse caso, não estamos interessados no dado de um paciente específico, mas sim em como milhares de pacientes com a mesma doença evoluíram no tratamento.

Medicina e dadosFonte: Shutterstock

As ferramentas para criação desses grandes repositórios evoluíram muito nos últimos anos.  Deixou de ser necessário a criação de bancos de dados estruturados, com regras rígidas para a coleta e o armazenamento das informações.

Agora, os data lakes (“lagos de dados”, em tradução livre) são menos exigentes quanto à forma como as informações são registradas. Existem ferramentas automatizadas que podem agrupar registros diferentes com o mesmo significado.  Por exemplo, um paciente com febre pode ter seu apontamento de temperatura de “38.1”, “38 e 1” ou mesmo “trinta e oito pontos um”.  Nas 4 formas, o significado é o mesmo.

Durante a pandemia de covid-19, vários foram os exemplos de análise de grandes volumes de dados.  Ainda no final de 2020, quando pouco sabíamos da capacidade de espalhamento e contágio do Sars-CoV-2, em um trabalho na Inglaterra foi analisado o sinal de celulares para medir os diferentes tipos de aglomeração e associá-los à disseminação maior ou menor de vírus. Esse trabalho concluiu que pequenos agrupamentos em reuniões domiciliares tinham maior impacto da disseminação do vírus quando comparados a aglomerações com maior número de pessoas.

Esses avanços da Medicina baseada em dados é fruto de grandes iniciativas que combinam informações de saúde de um número cada vez maior de pacientes, permitindo que as informações analisadas sejam cada vez menos sensíveis às variações individuais.

Se comparar a pressão arterial (PA) de 4 pessoas com altura e peso distintos, a média encontrada dificilmente refletirá a média real da PA na população; porém, se você fizer isso com 40 mil pessoas, os extremos terão pouco impacto na média. Assim, quanto maior for o número de informações para a variável de um estudo, maior é a chance de refletir a realidade.

Quando se fala em um procedimento cirúrgico de baixa complexidade (como a retirada da vesícula biliar), o risco de complicação é de x%; mas, quando se fala de uma cirurgia de alta complexidade (por exemplo a correção de um aneurisma cerebral), esse risco sobe para 10%.

Se em um grande repositório de dados de vários hospitais for selecionado todos os dados dos pacientes submetidos aos dois procedimentos cirúrgicos citados, pode-se programar os computadores para definir, com base em dados clínicos, laboratoriais e de imagem, quais são as alterações que mais se correlacionam com o risco maior de complicações.

Quanto mais dados de mais pacientes tiver, mais preciso será o trabalho dos computadores e melhores serão os indicadores de risco. Depois de avaliação com base no passado (dados retrospectivos), é possível usar essa informação e, em tempo real, avaliar cada paciente individualmente e, ao menor sinal de desvio que possa indicar um risco de complicação, fazer uma intervenção para corrigi-lo.

Nas Unidades de Terapia Intensiva (UTI), alguns desses programas que conseguem antecipar condições críticas como sepse (infecção generalizada) já são realidade.  Os dados dos pacientes são monitorados em tempo real e, em função da variação de parâmetros, um alerta surge quando o sistema detecta um risco de sepse, permitindo o início do tratamento com antibióticos de forma mais precoce.

Também já é realidade o uso de inteligência artificial para identificar alterações em exames de imagem. O computador é treinado, com milhares de imagens distintas, representando exames normais ou com alterações, por exemplo de pacientes com tumor de pulmão. Ao final desse treinamento, o computador é capaz de apontar as modificações que devem ser avaliadas pelo radiologista, o que também já é uma realidade em exames de tomografia, colonoscopia, entre outros.

Os pacientes dos próximos anos serão muito beneficiados pelos estudos de hoje. Seremos mais preditivos, faremos melhores diagnósticos e responderemos mais rapidamente à necessidade de tratamento ou mesmo de alterações nele.  Os dados serão cada vez mais relevantes para o avanço da boa medicina e que constantemente será feita por bons profissionais de Saúde.

***
Dr. Luiz Fernando Reis



Olhar Digital