Algoritmo do Einstein processa dados socioeconômicos e de saúde de pacientes diabéticos do SUS

Um projeto da área de Big Data & Analytics e do Centro de Estudos e Promoção de Políticas de Saúde (CEPPS) do Einstein acaba de receber um grant para desenvolver uma ferramenta para fornecer informações qualificadas que poderão embasar melhorias nas políticas públicas de saúde e de acesso a tratamentos de pacientes atendidos pelo Sistema Único de Saúde com diabetes tipo 2.

O projeto DMeter, que será patrocinado pela AWS (Amazon Web Services), foi estruturado pelo Einstein com três objetivos principais que tangem à promoção da equidade em saúde: aumentar o acesso a serviços de saúde, reduzir disparidades tratando dos determinantes sociais de saúde e utilizar dados para promover sistemas de atendimento igualitários e inclusivos.

De acordo com o Vigitel – Sistema de Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Inquérito Telefônico, em pesquisa liberada ano passado¹, a frequência de diagnóstico de diabetes é de 9,1% da população, sendo 9,6% em mulheres e 8,6% em homens. Em ambos os gêneros, este número variou para cima, acompanhando a idade da população, e para baixo, com o nível de escolaridade. Isto representou um aumento de 23% no diagnóstico da doença no país quando comparado ao cenário pré-pandemia.

Hoje, no Brasil, não existem mecanismos que permitem trazer uma fotografia clara sobre os pacientes diabéticos, como programas de prevenção e promoção à saúde e isso vem sobrecarregando sistemas de saúde de várias maneiras. Para se ter uma ideia, os custos de diabetes no Brasil já superam R$ 10 bilhões, sendo 3,16 bilhões para gastos diretos e R$ 7,5 bilhões para gastos indiretos com a doença. Este dado foi estimado em um estudo feito por cientistas da FEA (Faculdade de Economia e Administração) da USP e da Unicamp. Os dados utilizados têm como base o ano de 2016, quando o número de casos cresceu 13% em relação aos três anos anteriores.

Por isso, a ideia é desenvolver um algoritmo que cruze indicadores do DataSUS, base de armazenamento de dados do Sistema Único de Saúde, sobre a história clínica dos pacientes com suas informações socioeconômicas de acordo com a coordenadoria regional de saúde a qual seu endereço está ligado. Com isso, será possível avaliar e, se for o caso, aprimorar as políticas públicas relacionadas à assistência a pacientes do sistema público de saúde, como, acompanhamento por equipes de Estratégia de Saúde da Família, que envolvem mecanismos de prevenção e tratamento, como orientação nutricional e acesso a medicamentos corretos.

O projeto nasceu no Einstein com objetivo de entender as principais demandas da população no acesso à saúde de qualidade. Atualmente, a organização faz gestão de 29 unidades públicas. O projeto do Einstein, único brasileiro entre os 10 participantes, se une às outras soluções em nuvem que também buscam promoção da equidade em saúde.

“Quando os recursos são melhor geridos a partir de informações mais contextualizadas, é possível trabalhar para melhorar a eficiência do sistema e, ao mesmo tempo, fazer com que os pacientes acessem e se engajem mais facilmente a seus tratamentos, melhorando sua saúde. E é isso que o projeto visa alcançar”, afirma Edson Amaro Junior, médico e superintendente de Ciência de Dados e Analytics do Einstein.

De acordo com ele, esse conjunto de números também pode gerar informações importantes para os gestores do sistema público de saúde, sobretudo para que consigam mensurar os riscos que as condições socioeconômicas imputam ao prognóstico de um paciente com diabetes tipo 2.

“A equidade na saúde é algo que pode variar muito, principalmente entre pacientes do sistema público onde suas condições e acessos podem alcançar realidades distantes, a depender da região onde mora, e esta condição pode ser determinante no próprio mecanismo de desenvolvimento e de resposta à doença, como tratamento, capacidade de adesão a uma terapia, entre outros fatores. A inovação aqui é usar dados de vida real para efetivamente mensurar este impacto em uma doença de imensa prevalência e enorme custo tanto para os pacientes, quanto para sistemas de saúde – tanto no Brasil, quanto em outros lugares do mundo”, esclarece Luana Araujo, coordenadora de dados aplicados à saúde pública do Einstein, idealizadora e investigadora principal do projeto.

O responsável pelo desenvolvimento tecnológico da ferramenta, o coordenador de neurociências Birajara Machado, explica que, durante o ano de 2023, o algoritmo deve associar informações de 11 variáveis socioeconômicas de cerca de 22 mil pacientes para ajudar a elucidar essas questões.

Os indicadores biológicos respondem questões do dia a dia do paciente, como: se tem glicose controlada ou não; se está em uso de medicação ou não; quantas medicações faz uso atualmente; se já progrediu para uso de insulina; ou se tem alguma complicação de órgão alvo (rins, olhos, nervos, coração e vasos sanguíneos). Já os indicadores socioeconômicos levam em conta região onde mora, renda familiar e acesso aos serviços de saúde. Estes fatores também são importantes do ponto de vista do desenvolvimento das doenças. O diabetes tipo 2, a versão mais comum da doença, está ligada a hábitos de vida, como obesidade, sedentarismo e alimentação inadequada.

O algoritmo, quando concluído em 2024, terá código aberto, podendo ser utilizado em qualquer outra região do país e até mesmo fora do Brasil, dependendo apenas da adaptação ao paciente local.

O projeto também poderá ser estendido para outras patologias que sofrem grande impacto socioeconômico, como a endometriose, por exemplo – doença que tem diagnóstico tardio, na maioria dos casos, e que pode levar a várias internações, com diversos custos indiretos associados à redução na qualidade de vida.

Referência:

¹ Vigitel Brasil 2021 – estimativas sobre frequência e distribuição sociodemográfica de fatores de risco e proteção para doenças crônicas — Ministério da Saúde.

Redação

Redação

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.