Anais IHMT - Saúde Global e Doenças Tropicais

49 / 114

49
A n a i s d o I HM T
Considerando que o WikipediaMiner1 mostra que 43% dos
dados existentes no Big Data são relativos a área da “química”
e 47% se correspondem com a área de saúde, há que se de-
senvolver novas metodologias de diagnóstico para superar o
limite humano de analisar as informações do Big Data. Nesse
âmbito, ferramentas da Web 2.0 auxiliam a vencer a fronteira
de competitividade e inovação instaurada no presente século
[7], [8].
A intensidade com que ocorrem as pesquisas para novas dro-
gas e medicamentos também é substancial e contribui sig-
nificantemente para a inovação e o desenvolvimento tecno-
lógico da saúde de uma nação. Nesse sentido, esse trabalho
objetiva demonstrar como algumas ferramentas de acesso
livre da Web 2.0 podem auxiliar os países em desenvolvi-
mento, bem como os subdesenvolvidos na melhoria da ges-
tão de redes científicas e tecnológicas e na atenção à saúde
por meio da análise de patentes, subsidiando o desenvol-
vimento de políticas públicas para melhores condições de
vida.
Essas possibilidades que se descortinam são úteis e justifi-
cadas se considerarmos o fato que 80% da população mun-
dial negligenciada vive em países de baixa ou média renda e
não tem acesso aos medicamentos essenciais. Esta realidade
intensifica a possibilidade de aparecimentos de doenças en-
dêmicas e de todo o tipo que perpetuam as condições da
pobreza, como por exemplo, a malária, uma das chamadas
doenças negligenciadas (DN) [9]–[11].
As doenças negligenciadas (DN) constituem um grupo de
doenças tropicais endêmicas, que ocorrem, especialmente,
entre as populações pobres da África, Ásia e América La-
tina. Além da malária, tratada neste estudo, outras doen-
ças negligenciadas incluem em seu rol a doença de chagas,
dengue, dengue hemorrágica e esquistossomose, comuns
no Brasil, por exemplo. O conjunto das doenças negligen-
ciadas causa entre 500.000 e um milhão de óbitos anual-
mente. No entanto, as medidas preventivas e o tratamento
para algumas dessas doenças embora conhecidos, não são
disponíveis universalmente nas áreas mais pobres do mun-
do. Há o fator relacionado também à falta de informações.
Nas regiões mais pobres do mundo essas não estão devida-
mente estruturadas para que decisões e o desenvolvimento
de políticas públicas possam ser tomados.
Como exemplo prático de Big Data na saúde, ao examinar
somente um banco de dados da literatura biomédica, neste
caso o PubMed, foi possível encontrar no diretório, em 25
de fevereiro de 2015, 70.607 estudos de malária (Figura
2).Tratar esses dados, manualmente e rapidamente, com a
finalidade de gerar tomada de decisão, se torna uma tarefa
árdua. Nesse sentido, usando ferramenta para mineração
de dados, nota-se que os 10 primeiros países que se des-
tacam nesta área são Estados Unidos da América, Reino
Unido, Índia, França,Austrália,Alemanha,Tailândia, Suíça,
Brasil e Nigéria.
Cabe registrar, que dentre os 183 países que trabalham
o tema da malária, 41,7% dos trabalhos realizados estão
concentrados nos 10 países supracitados. Observa-se ain-
da, que os centros de pesquisa em referência na área de
malária estão situados, em sua maioria, em países que não
pertencem à zona tropical, área endêmica para a essa doen-
ça. Nova Délhi é a única cidade situada em país tropical que
figura dentre as top 10 que sediam os centros de pesquisa
para malária.
Este trabalho pretende verificar a percepção do valor da
informação essencial através da identificação, filtragem e
análise de dados contidos no Big Data em saúde para uma
doença negligenciada. Para tanto, optou-se utilizar ferra-
mentas de mineração de dados “free”.
Fig. 1 – Panorama de alertas global em doenças de 1 semana. Fonte: Healthmap ( 10/02/2015)
1 Traduz-se como um conjunto de ferramentas para analisar e correlacionar
a semântica de termos codificados dentro da Wikipedia desenvolvido pela
University of Waikato. ).