Inovação em Saúde
A Tecnologia da Informação e a excelência da gestão
B i g D a t a e H e a l t h A n a l y t i c s D r. B e n t o d e To l e d o
A SAÚDE
NO BRASIL
NUNCA MAIS
“QUANTIDADE DE DADOS
SUFICIENTE PARA
PROMOVER UMA MUDANÇA
NAS FORMAS
TRADICIONAIS DE ANÁLISE
DE DADOS”
- MEDICINA DE PRECISÃO
- PRONTUÁRIOS ELETRÔNICOS
- INTERNET DAS COISAS
BIG DATA – MEDICINA DE PRECISÃO
- ESTUDOS MULTICÊNTRICOS - METANÁLISE
- MAIOR POPULAÇÃO - MAIOR PRECISÃO
- COMPARTILHAMENTO = AMOSTRAS
- RESOLUTIVIDADE = 2x EFICÁCIA = $$$
BIG DATA – PRONTUÁRIO ELETRÔNICO DO PACIENTE
- PRÁTICA CLÍNICA
REMÉDIOS – VACINAS – ALERGIAS – CRONICIDADES INTEGRAÇÃO COM DIVERSAS FONTES
- PESQUISA CIENTÍFICA
ESTUDOS OBSERVACIONAIS
ESTUDOS RANDOMIZADOS TESTES RÁPIDOS -AMOSTRAS HETEROGÊNEAS VISÃO ALÉM DO CONSUMO – PROCEDIMENTOS
BIG DATA – INTERNET DAS COISAS
- CAPACIDADE DE OBJETOS TROCAREM
INFORMAÇÕES PELA INTERNET
- DUAS BASES:
SENSORES – CAPTURA DE DADOS
BIG DATA – INTERNET DAS COISAS
- ÁREA DA SAÚDE:
USO DIRETO NA MELHORIA DA SAÚDE USO EM PESQUISAS CIENTÍFICAS
- SAÚDE DOS IDOSOS:
RÁPIDA IDENTIFICAÇÃO E TRANSMISSÃO DE INFORMAÇÕES IMPORTANTES
PRONTO ATENDIMENTO
10’
30’
30’
50’
Total:
2h
TELEMEDICINA – NOVEMBRO/1989
Transmissão do eletrocardiograma
por telefone
METODOLOGIAS PARA BIG DATA
MACHINE LEARNING
CONTROLE DE ASSOCIAÇÕES ESPÚRIAS
REDUÇÃO DE DIMENSÃO DE DADOS
MACHINE LEARNING
Conjunto de técnicas preditivas
Baseadas em algoritmos
Objetivos:
-
Identificar o que funciona
MACHINE LEARNING
Foco na praticidade (tomada de decisão)
- Spams
- Previsões meteorológicas
MACHINE LEARNING
- Usos na saúde:
Algoritmos que identificam risco de doença grave
após coleta de indicadores bioquímicos
Chikungunya
- Limitações:
Sobreajuste – erros de medição – fatores aleatórios
Algoritmos preconceituosos – prioridade no
MACHINE LEARNING
Árvores de decisão
Modelos preditivos que usam diagramas em
forma de árvore
TEM UMA TORCIDA MAIS VELHA E EXPERIENTE?
TEM UMA TORCIDA MAIS VELHA E EXPERIENTE?
NÃO
TEM UMA TORCIDA MAIS VELHA E EXPERIENTE?
NÃO
TEM UM MUNDIAL INVENTADO?
TEM UMA TORCIDA MAIS VELHA E EXPERIENTE?
NÃO
TEM UM MUNDIAL INVENTADO?
NÃO SIM
SIM
TEM UMA TORCIDA MAIS VELHA E EXPERIENTE?
NÃO
TEM UM MUNDIAL INVENTADO?
NÃO SIM
SIM
FOI CAMPEÃO PAULISTA EM 1973?
TEM UMA TORCIDA MAIS VELHA E EXPERIENTE?
NÃO
TEM UM MUNDIAL INVENTADO?
NÃO SIM
SIM
FOI CAMPEÃO PAULISTA EM 1973?
FOI CAMPEÃO BRASILEIRO EM 2011? NÃO SIM
TEM UMA TORCIDA MAIS VELHA E EXPERIENTE?
NÃO
TEM UM MUNDIAL INVENTADO?
NÃO SIM
SIM
FOI CAMPEÃO PAULISTA EM 1973?
FOI CAMPEÃO BRASILEIRO EM 2011? NÃO SIM
MACHINE LEARNING
K-means clustering
Padrões nos dados – Identificação de clusters
Estratégias de tratamento e prevenção
CONTROLE DE ASSOCIAÇÕES ESPÚRIAS
Importante em análise de big data
Resultados estatísticos sem sentido
Coincidências acontecem
CONTROLE DE ASSOCIAÇÕES ESPÚRIAS
INVASÕES DA REITORIA NA USP
2006: NÃO 2007: SIM 2008: NÃO 2009: NÃO 2010: NÃO 2011: SIM 2012: NÃO 2013: SIM 2014: NÃO TÍTULOS DA PORTUGUESA 2006: NÃO 2007: SIM 2008: NÃO 2009: NÃO 2010: NÃO 2011: SIM 2012: NÃO 2013: SIM 2014: NÃO
CONTROLE DE ASSOCIAÇÕES ESPÚRIAS
REDUÇÃO DA DIMENSÃO DOS DADOS
MUITOS DADOS
≠
INTERVENÇÃO DE PROMOÇÃO DE SAÚDE
PREVENÇÃO PRIMÁRIA
PREVENÇÃO SECUNDÁRIA
1 2 3 4 5 6 7
1 vez 1.312 525 189 63 9 1 1 2 vezes 157 268 116 62 26 11 3 3 vezes 11 23 18 15 9 0 2 4 vezes 0 1 3 3 2 3 0
Riscos acumulados por indivíduo
1 2 3 4 5 6 7
1 vez 1.312 525 189 63 9 1 1 2 vezes 157 268 116 62 26 11 3 3 vezes 11 23 18 15 9 0 2 4 vezes 0 1 3 3 2 3 0
CASE 1
- PROBLEMA:
AUTOGESTÃO BUSCANDO RACIONALIZAÇÃO DE CUSTOS
- SOLUÇÃO:
TRÊS DIMENSÕES DE ATENDIMENTO
ESTRUTURA PRÓPRIA DE ATENDIMENTO REDE REFERENCIADA
REDE CREDENCIADA
- RESULTADO:
CASE 2
- PROBLEMA:
INDÚSTRIA DE PAPEL E CELULOSE COM 26 MIL FUNCIONÁRIOS E ALTO CUSTO COM PLANO MÉDICO.
TINHAM 3 OPERADORAS (1 AUTOGESTÃO) E POUCA VISIBILIDADE DO CENÁRIO DE SAÚDE.
CASE 2
- SOLUÇÃO:
PADRONIZAÇÃO DAS INFORMAÇÕES RECEBIDAS PELAS 3 OPERADORAS DE SAÚDE
BENCHMARKING COM O MERCADO
IMPLANTAÇÃO DE GATEKEEPER INTELIGENTE 2ª OPINIÃO
CASE 2
- SOLUÇÃO:
GESTÃO MÉDICA DE PACIENTES CRÔNICOS
INTEGRAÇÃO COM A MEDICINA OCUPACIONAL FORTALECIMENTO DAS AÇÕES DE PPS
PRINCIPALMENTE VALORIZAÇÃO DA AUTOGESTÃO COM TRANSFERÊNCIA DE PARTE MAIOR DA
CASE 2
- RESULTADO:
ECONOMIA DE 15 MILHÕES DE REAIS EM 4 ANOS; FUNCIONÁRIOS E FAMILIARES MELHOR ASSISTIDOS; MELHORIA DA PERCEPÇÃO DOS BENEFÍCIOS.
CASE 2
0%# 2%# 4%# 6%# 8%# 10%# 12%# 14%# 16%# 18%# 20%# D ec ,1 0 # Ja n ,1 1 # Fe b ,1 1 # M ar ,1 1 # A p r, 1 1 # M ay ,1 1 # Ju n ,1 1 # Ju l, 1 1 # A u g, 1 1 # Se p ,1 1 # O ct ,1 1 # N o v, 1 1 # D ec ,1 1 # Ja n ,1 2 # Fe b ,1 2 # M ar ,1 2 # A p r, 1 2 # M ay ,1 2 # Ju n ,1 2 # Ju l, 1 2 # A u g, 1 2 # Se p ,1 2 # O ct ,1 2 # N o v, 1 2 # D ec ,1 2 # Ja n ,1 3 # Fe b ,1 3 # M ar ,1 3 # A p r, 1 3 # M ay ,1 3 # Ju n ,1 3 # Ju l, 1 3 # A u g, 1 3 # Se p ,1 3 # O ct ,1 3 # N o v, 1 3 # D ec ,1 3 # Ja n ,1 4 # Fe b ,1 4 # M ar ,1 4 # A p r, 1 4 # M ay ,1 4 # Ju n ,1 4 # Ju l, 1 4 # A u g, 1 4 # Se p ,1 4 # O ct ,1 4 # N o v, 1 4 # D ec ,1 4 # Ja n ,1 5 # Fe b ,1 5 # M ar ,1 5 # A p r, 1 5 # M ay ,1 5 #DESAFIOS PARA O FUTURO
- PRIVACIDADE
- PLAYERS: Operadoras de Saúde, Prestadores, Pacientes, Patrocinadores
- REDUÇÃO DO ESFORÇO ADMINISTRATIVO - BENCHMARKING – PESQUISA UNIDAS
SARS
China x Genome Science
“…COM UMA MULTIDÃO GRANDE O BASTANTE,
FATOS IMPREVISÍVEIS SE TORNAM PREVISÍVEIS”
“…QUANDO DISSOCIAMOS A DEMANDA DO INDIVIDUAL E REALOCAMOS NO COLETIVO, ATIVIDADES INTEIRAMENTE
NOVAS SE TORNAM POSSÍVEIS”