Big Data na medicina: como os dados podem contribuir com a saúde? 24/01/2023

Em 1997, ao tentar descrever a dificuldade de exibir conjuntos de dados muito grandes para serem armazenados na memória principal de um computador limitando assim sua análise como um todo, um grupo de cientistas da NASA criou o termo Big Data1.

O termo descreve a atividade de coletar, armazenar, analisar e redirecionar grandes volumes de dados1. E especialistas tentaram resumi-lo com base do conceito dos seis "Vs": valor, volume, velocidade, variedade, veracidade e variabilidade2.

Atualmente, o Big Data está presente em nossas rotinas diárias como, por exemplo, em empresas de streaming, que aproveitaram o Big Data para fornecer informações precisas e personalizadas, em tempo real, de atividades de pesquisa utilizando dados de acesso livre e aberto, que são fornecidos voluntariamente por nós, clientes, e entregues direta e centralmente à empresa. Esses dados indicam gostos e desgostos pessoais, permitindo previsões precisas para futuras interações on-line1.

E, essa influência do Big Data também se estendeu aos cuidados de saúde1. Estima-se que o mercado de “big data” na área da saúde foi de US$ 14,25 bilhões, em 2017, e pode ultrapassar US$ 68 bilhões até o final de 20253.

 

O que é o Big Data na saúde?

Big data em saúde e medicina permite a análise de grandes conjuntos de dados de milhares de pacientes, identificando conglomerados e correlações entre eles, sendo um processo muito promissor de integração, exploração e análise de grande quantidade de dados heterogêneos complexos e de diversas naturezas, como dados biomédicos, dados experimentais, dados de registros eletrônicos de saúde e dados de mídias sociais2.

Essa integração de dados tão diversos faz a análise de big data entrelaçar vários campos, como bioinformática, imagens médicas, informática de sensores, informática médica, informática em saúde e biomedicina computacional2.

 

5 benefícios do Big Data na saúde

Dessa forma, as aplicações de Big Data na saúde podem ter inúmeros benefícios, inclusive:

  1. Melhorar o serviço baseado no paciente

O Big Data está transformando a pesquisa biomédica, integrando grandes quantidades de dados de experimentos de laboratório, investigações clínicas, registros de saúde e internet das coisas.

Especificamente, a taxa crescente de dados complexos obtidos a partir de tecnologias ômicas (genômica, epigenômica, transcriptômica, proteômica, metabolômica e farmacogenômica) está oferecendo uma oportunidade para futuros avanços na medicina personalizada e abrindo caminho para melhorar o atendimento ao paciente2,4.

Os recentes avanços nas tecnologias ômicas estão contribuindo profundamente para o Big Data na biomedicina e devem ajudar no diagnóstico de doenças e no gerenciamento do atendimento ao paciente4.

  1. Detectar precocemente doenças

O Big Data contribuiu para uma melhor compreensão da epidemiologia para uma variedade de patógenos, além de ajudar no diagnóstico precoce de várias doenças, infeciosas ou não4.

  1. Gerar novos insights sobre os mecanismos da doença

Uma grande limitação na medicina e na saúde é a compreensão da biologia de uma determinada doença. O Big Data auxilia na agregação de informações mais robustas sobre os fatores fisiológicos, comportamentais, ambientais e moleculares que constituem uma doença4.

Conheça também o trabalho da Fresenius Kabi com tecnologias na área de saúde

  1. Monitorar a qualidade das instituições médicas e de saúde

No setor de saúde, as fontes de big data incluem registros clínicos, registros de saúde de pacientes, resultados de exames médicos e dados coletados usando dispositivos de diagnóstico e gerenciamento de saúde4.

  1. Fornecer melhores métodos de tratamento

A saúde e a pesquisa médica estão mudando o foco para melhorar os resultados das doenças por meio da descoberta de associações ou padrões ocultos nos dados derivados de uma grande variedade de recursos disponíveis. Esses dados podem ser usados em estudos de previsão para determinar resultados altamente prováveis de desfechos de doenças4.

Essas investigações estão levando a avanços no fornecimento de medicamentos personalizados adaptados às necessidades individuais dos pacientes e ao desenvolvimento de análises automatizadas para auxiliar no diagnóstico e tratamento de doenças4.

 

Desafios do Big Data na Medicina

Apesar do conceito de Big Data na medicina não ser difícil de entender – uso de grandes volumes de informações médicas para procurar tendências ou associações que não são evidentes em conjuntos de dados menores - ele pode representar alguns desafios. Por exemplo, os registros médicos, que reúnem informações pessoais importantes dos pacientes, são guardados cuidadosamente e não estão disponíveis abertamente. Os dados geralmente são usados isolados em clínicas ou hospitais, sem compartilhamento central para permitir a velocidade ou o volume de dados necessários para explorar os métodos de Big Data5.

Um outro desafio é que os dados médicos também são complexos e, portanto, requerem processamento para fornecer informações estruturadas prontamente utilizáveis. De um modo geral, existem grandes barreiras no acesso aos dados de saúde, que são estruturais, culturais, filosóficas e práticas5.

 

 

Referências

1. Austin, C., & Kusumoto, F. (2016). The application of Big Data in medicine: current implications and future directions. Journal of Interventional Cardiac Electrophysiology, 47(1), 51-59.

2. Ristevski, B., & Chen, M. (2018). Big data analytics in medicine and healthcare. Journal of integrative bioinformatics, 15(3).

3. Gruson, D., Helleputte, T., Rousseau, P., & Gruson, D. (2019). Data science, artificial intelligence, and machine learning: opportunities for laboratory medicine and the value of positive regulation. Clinical biochemistry, 69, 1-7.

4. Cremin, C. J., Dash, S., & Huang, X. (2022). Big data: Historic advances and emerging trends in biomedical research. Current Research in Biotechnology 4:138-151.

5. Hulsen, T., Jamuar, S. S., Moody, A. R., Karnes, J. H., Varga, O., Hedensted, S., ... & McKinney, E. F. (2019). From big data to precision medicine. Frontiers in medicine, 34.

 

 

 

 

DIG038