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 da GetConnect, implementamos um mapa de calor para traçar a tendência de disseminação de sífilis dentro do 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 correm o risco de 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.