A medicina diagnóstica é essencial para a promoção da saúde ao permitir o enfrentamento precoce de doenças, a prevenção e o acompanhamento, com os exames diagnósticos representando cerca de 70% das decisões médicas. É uma área que gera muitos dados e impacta diretamente o bem-estar das pessoas, os procedimentos médicos e o custo da saúde. Com a análise preditiva de qualidade, podemos antecipar tendências, aumentar a eficiência de um tratamento em fase precoce de doença, além de reduzir gastos desnecessários.
Nesta seara, a medicina preventiva preditiva vem ganhando cada vez mais destaque. Tal como o nome indica, sua principal função é prevenir por meio da predição. Esta abordagem permite não apenas a detecção e o tratamento precoce de doenças, com base em informações genéticas, biomarcadores e resultados de exames (tanto pontuais quanto comparativos), mas também favorece o desenvolvimento de terapias personalizadas. Ao fazê-lo, confirma sua relevância na implementação de estratégias terapêuticas mais precisas e eficazes.
A redução de custos em saúde é diretamente impactada por intervenções precoces e pela implementação de tratamentos no início das doenças, comparativamente ao tratamento tardio. Além disso, estas ações precoces evitam gastos desnecessários com exames e tratamentos que, frequentemente, são meramente paliativos.
Embora seja uma abordagem inovadora e promissora, ela deve ser empregada de maneira complementar ao trabalho do profissional de saúde, jamais substituindo-o. Só assim, poderá revolucionar a maneira como as doenças são diagnosticadas, tratadas e gerenciadas, resultando em um prognóstico mais acertado e em uma melhoria na qualidade de vida dos pacientes. Além disso, esta abordagem pode levar a uma significativa redução de custos na área da saúde, consequentemente ampliando seu alcance.
No entanto, para que isso se desenvolva da melhor maneira, a interoperabilidade de dados é essencial para possibilitar a análise dos dados de saúde de diferentes fontes, permitindo uma abordagem holística e não apenas pontual. Esse panorama mais amplo reduz significativamente as chances de falsos negativos e positivos, comuns em uma abordagem mais restrita e pontual.
Com acesso a informações precisas, algoritmos e profissionais de saúde podem – e devem – coexistir para maximizar as ações em saúde de forma mais precisa e assertiva.
No que tange às políticas públicas, a crescente adoção de tecnologias preditivas demanda que estas sejam desenvolvidas com base nessas informações. Em uma ação com um cliente público, implementamos um mapa de calor para traçar a tendência de disseminação de sífilis no município. Tal ferramenta permitiu aos gestores tomar decisões assertivas, uma vez que passaram a ter acesso a informações como: áreas de concentração e propagação da doença, sexo prevalente e faixa etária, por exemplo. Em outra iniciativa, por meio do uso de um algoritmo desenvolvido pela empresa, conseguimos identificar possíveis gestantes que podem desenvolver uma síndrome conhecida como Hellp, prevenindo, nos casos mais graves, a interrupção da gestação ou até mesmo o óbito da gestante.
Cada vez mais, os sistemas de saúde serão ferramentas auxiliares na prevenção e diagnóstico de doenças, o que motivou a ANVISA a publicar a RDC 657 de 2022, com o propósito de enfatizar a necessidade de registro desses sistemas na referida agência. A ideia é validar os modelos utilizados e garantir a segurança do usuário.
O uso de ferramentas de análises de dados, integradas com IA e machine learning, já é uma realidade. Não há como resistir a esse avanço, e é fundamental utilizar todos os recursos disponíveis para desenvolver produtos que sejam verdadeiramente úteis e que auxiliem os profissionais de saúde a atingir o objetivo final de suas profissões, isto é, o bem-estar dos pacientes.
* Marcelo Fanganiello é diretor da GetConnect, empresa de especializada em soluções de gestão em saúde e telemedicina
Leia outros artigos publicados no Saúde Debate
Conheça também os colunistas do Saúde Debate
