Inovação em Saúde. A Tecnologia da Informação e a excelência da gestão

Tamanho: px

Começar a partir da página:

Download "Inovação em Saúde. A Tecnologia da Informação e a excelência da gestão"

Danilo Manoel Barbosa Van Der Vinne
8 Há anos
Visualizações:

1 Inovação em Saúde A Tecnologia da Informação e a excelência da gestão Big Data e Health Analytics Dr. Bento de Toledo

2 A SAÚDE NO BRASIL NUNCA MAIS SERÁ A MESMA

3 PRIMEIRA REVOLUÇÃO SERÁ TECNOLÓGICA

4 A SEGUNDA REVOLUÇÃO SERÁ ECONÔMICA

5 TERCEIRA REVOLUÇÃO SERÁ SOCIOECONÔMICA

6 QUARTA REVOLUÇÃO SERÁ DEMOGRÁFICA

7 BIG

8 BIG DATA - CONCEITO QUANTIDADE DE DADOS SUFICIENTE PARA PROMOVER UMA MUDANÇA NAS FORMAS TRADICIONAIS DE ANÁLISE DE DADOS

9 ÁREAS PARA ANÁLISE DE BIG DATA EM SAÚDE - MEDICINA DE PRECISÃO - PRONTUÁRIOS ELETRÔNICOS - INTERNET DAS COISAS

10 BIG DATA MEDICINA DE PRECISÃO - ESTUDOS MULTICÊNTRICOS - METANÁLISE - MAIOR POPULAÇÃO - MAIOR PRECISÃO - COMPARTILHAMENTO = AMOSTRAS - RESOLUTIVIDADE = 2x EFICÁCIA = $$$

11 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

12 BIG DATA INTERNET DAS COISAS - CAPACIDADE DE OBJETOS TROCAREM INFORMAÇÕES PELA INTERNET - DUAS BASES: SENSORES CAPTURA DE DADOS ALGORITMOS TOMADA DE DECISÃO

13 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 TODOS DADOS COLETADOS ARMAZENADOS PARA PESQUISA

14 PRONTO ATENDIMENTO Total: 2h 50

15 TELEMEDICINA NOVEMBRO/1989 Transmissão do eletrocardiograma por telefone Central TeleCárdio

16 METODOLOGIAS PARA BIG DATA MACHINE LEARNING CONTROLE DE ASSOCIAÇÕES ESPÚRIAS REDUÇÃO DE DIMENSÃO DE DADOS

17 MACHINE LEARNING Conjunto de técnicas preditivas Baseadas em algoritmos Objetivos: - Identificar o que funciona - Prever resultados de amostras futuras

18 MACHINE LEARNING Foco na praticidade (tomada de decisão) - Spams - Previsões meteorológicas - Sugestões de livros/filmes

19 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 tratamento

20 MACHINE LEARNING Árvores de decisão Modelos preditivos que usam diagramas em forma de árvore Ajudar nos processos de tomada de decisão

22 TEM UMA TORCIDA MAIS VELHA E EXPERIENTE?

23 TEM UMA TORCIDA MAIS VELHA E EXPERIENTE? NÃO

24 TEM UMA TORCIDA MAIS VELHA E EXPERIENTE? NÃO TEM UM MUNDIAL INVENTADO?

25 TEM UMA TORCIDA MAIS VELHA E EXPERIENTE? NÃO TEM UM MUNDIAL INVENTADO? NÃO SIM

26 TEM UMA TORCIDA MAIS VELHA E EXPERIENTE? NÃO SIM TEM UM MUNDIAL INVENTADO? FOI CAMPEÃO PAULISTA EM 1973? NÃO SIM

27 TEM UMA TORCIDA MAIS VELHA E EXPERIENTE? NÃO SIM TEM UM MUNDIAL INVENTADO? FOI CAMPEÃO PAULISTA EM 1973? NÃO SIM NÃO

28 TEM UMA TORCIDA MAIS VELHA E EXPERIENTE? NÃO SIM TEM UM MUNDIAL INVENTADO? FOI CAMPEÃO PAULISTA EM 1973? NÃO SIM NÃO SIM FOI CAMPEÃO BRASILEIRO EM 2011?

29 TEM UMA TORCIDA MAIS VELHA E EXPERIENTE? NÃO SIM TEM UM MUNDIAL INVENTADO? FOI CAMPEÃO PAULISTA EM 1973? NÃO SIM NÃO SIM FOI CAMPEÃO BRASILEIRO EM 2011? NÃO SIM

31 MACHINE LEARNING K-means clustering Padrões nos dados Identificação de clusters Estratégias de tratamento e prevenção específicas para cada grupo

32 CONTROLE DE ASSOCIAÇÕES ESPÚRIAS Importante em análise de big data Resultados estatísticos sem sentido Coincidências acontecem

33 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

34 CONTROLE DE ASSOCIAÇÕES ESPÚRIAS TYLERVIGEN.COM

35 REDUÇÃO DA DIMENSÃO DOS DADOS MUITOS DADOS DADOS BONS

36 INTERVENÇÃO DE PROMOÇÃO DE SAÚDE PREVENÇÃO PRIMÁRIA PREVENÇÃO SECUNDÁRIA PREVENÇÃO TERCIÁRIA

37 Riscos acumulados por indivíduo vez vezes vezes vezes

38 CASE 1 - PROBLEMA: AUTOGESTÃO BUSCANDO RACIONALIZAÇÃO DE CUSTOS - SOLUÇÃO: TRÊS DIMENSÕES DE ATENDIMENTO ESTRUTURA PRÓPRIA DE ATENDIMENTO REDE REFERENCIADA REDE CREDENCIADA - RESULTADO: 50% DE ECONOMIA X REDE CREDENCIADA

39 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.

40 CASE 2 - SOLUÇÃO: PADRONIZAÇÃO DAS INFORMAÇÕES RECEBIDAS PELAS 3 OPERADORAS DE SAÚDE BENCHMARKING COM O MERCADO IMPLANTAÇÃO DE GATEKEEPER INTELIGENTE 2ª OPINIÃO

41 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 POPULAÇÃO PARA AUTOGESTÃO

42 CASE 2 - RESULTADO: ECONOMIA DE 15 MILHÕES DE REAIS EM 4 ANOS; FUNCIONÁRIOS E FAMILIARES MELHOR ASSISTIDOS; MELHORIA DA PERCEPÇÃO DOS BENEFÍCIOS.

43 CASE 2 0%# 2%# 4%# 6%# 8%# 10%# 12%# 14%# 16%# 18%# 20%# Dec,10# Jan,11# Feb,11# Mar,11# Apr,11# May,11# Jun,11# Jul,11# Aug,11# Sep,11# Oct,11# Nov,11# Dec,11# Jan,12# Feb,12# Mar,12# Apr,12# May,12# Jun,12# Jul,12# Aug,12# Sep,12# Oct,12# Nov,12# Dec,12# Jan,13# Feb,13# Mar,13# Apr,13# May,13# Jun,13# Jul,13# Aug,13# Sep,13# Oct,13# Nov,13# Dec,13# Jan,14# Feb,14# Mar,14# Apr,14# May,14# Jun,14# Jul,14# Aug,14# Sep,14# Oct,14# Nov,14# Dec,14# Jan,15# Feb,15# Mar,15# Apr,15# May,15# SUZANO# IESS# CLIENTE#

44 DESAFIOS PARA O FUTURO - PRIVACIDADE - PLAYERS: Operadoras de Saúde, Prestadores, Pacientes, Patrocinadores - REDUÇÃO DO ESFORÇO ADMINISTRATIVO - BENCHMARKING PESQUISA UNIDAS - COMPARTILHAMENTO

45 SARS China x Genome Science COMPARTILHAMENTO DE CONHECIMENTO

46 AUTONOMIA, PRIVACIDADE E EXCLUSIVIDADE

47 ESTRATÉGIA, EFICIÊNCIA E COMPARTILHAMENTO

49 COM UMA MULTIDÃO GRANDE O BASTANTE, FATOS IMPREVISÍVEIS SE TORNAM PREVISÍVEIS

50 QUANDO DISSOCIAMOS A DEMANDA DO INDIVIDUAL E REALOCAMOS NO COLETIVO, ATIVIDADES INTEIRAMENTE NOVAS SE TORNAM POSSÍVEIS INOVAÇÃO, TECNOLOGIA, COMPARTILHAR

51 OBRIGADO!

Documentos relacionados

como ferramenta de análise de informações no mercado de saúde: o caso da Unimed-BH Ana Paula Franco Viegas Pereira

como ferramenta de análise de informações no mercado de saúde: o caso da Unimed-BH Ana Paula Franco Viegas Pereira Setembro/2015 Agenda Nossos números Análise de Informações Estratégicas O papel do analista