Quando se pensa em dados de saúde, de imediato vêm a imagem de bases de dados disponíveis no  DATASUS. Contudo, numa sociedade digital em que, de acordo com a IBM, em 2013 cerca de 2,5 quintilhões de dados são gerados pelos usuários da internet todos os dias, torna-se uma necessidade estratégica de saúde pública usar essas informações na formulação, monitoramento e avaliação de ações e políticas.

O pesquisador em Saúde Pública do Laboratório de Informação em Saúde (Lis/Icict), Marcel Pedroso, coordenador da Plataforma de Computação Científica e Big Data em Saúde do Icict, explica que mais que grande quantidade de dados, a estratégia da computação científica e  Data Science, consiste na aquisição, armazenamento, análise e visualização de dados de fontes e formatos diferentes e diversos.

“Uma estratégia verdadeira de Big Data precisa ter não só um grande volume de dados, mas uma variedade de dados. Uma plataforma que lide bem com esses dados e dados estruturados, disponíveis em bases de dados do DATASUS, Instituto Brasileiro de Geografia e Estatística (IBGE) e Instituto de Pesquisa Econômica Aplicada (Ipea), por exemplo, semiestruturados (fotos e vídeos) e não estruturados (postagens em redes sociais, comentários, hashtags)”.  

No Brasil, existem diversas bases de dados estruturados e conhecidos dos pesquisadores de Saúde Pública. Uma parceria firmada entre o Lis e o LNCC (Laboratório Nacional de Computação Científica), sediado em Petrópolis, por exemplo, está desenvolvendo a  Plataforma de Computação Científica e Big Data em Saúde usando infraestrutura de computação distribuída (cluster Hadoop) e ferramentas de governança de dados, tais como o  Data Management Body of Knowledge. Para promover a utilização da plataforma,  essa iniciativa  tem como objetivo coletar, transformar, carregar e disponibilizar  diferentes bases de dados de interesse  numa mesma interface, visando  fornecer acesso qualificado e ferramentas para análise desses dados aos pesquisadores de Instituições de Ensino e Pesquisa, bem como, gestores governamentais.

A Plataforma de Computação Científica e Big Data em Saúde tem como objetivo utilizar esse volume e variedade de dados que são produzidos para análises preditivas que possam servir para identificar padrões de comportamento no surgimento de doenças, usando a mineração de dados.  “O que a gente quer aqui é deixar esses dados disponíveis em tempo oportuno para qualquer pesquisador cadastrado na plataforma”, conta o professor. “Atualmente quem mais utiliza o Data Science em saúde é a parte de biologia genética, no seqüenciamento. Mas o pessoal de Saúde Ambiental pode usar muito usando dados do ambiente com dados de saúde para identificar padrões”.