Grupo de pesquisadores do laboratório de Tecnologia, Informação e Resiliência em Saúde Pública (ResiliSUS), do Centro de Estudos Estratégicos da Fiocruz Antonio Ivo de Carvalho, desenvolveu uma forma inovadora de predizer aspectos que afetam a resiliência dos sistemas públicos de saúde diante de crises como pandemias, desastres naturais e falta de recursos com a ajuda da inteligência artificial, mais especificamente usando algoritmos de aprendizado de máquina (Machine Learning – ML)— um tipo de tecnologia capaz de identificar padrões e fazer previsões a partir de grandes quantidades de dados.

Os resultados da pesquisa estão no artigo Predictive estimations of health systems resilience using machine learning, publicado, no dia 15 de julho, no BMC Medical Informatics and Decision Making, periódico focado em pesquisas sobre o papel da tecnologia da informação na melhoria da tomada de decisões em saúde.

“Um sistema de saúde resiliente deve demonstrar a capacidade de se adaptar a choques de diferentes magnitudes — desde emergências sanitárias significativas até a complexidade da prestação contínua de serviços. E essa adaptabilidade não deve comprometer a continuidade, a qualidade ou a eficácia dos serviços essenciais, atributos que dependem do funcionamento ideal das funções centrais da saúde pública”, diz o texto. 

Coordenado pelo pesquisador Alessandro Jatobá, o grupo analisou dados de saúde das capitais brasileiras e aplicou técnicas de aprendizado de máquina para identificar fatores que tornam os sistemas de saúde mais fortes ou mais vulneráveis. Os pesquisadores se basearam em uma estrutura da Organização Mundial da Saúde (OMS), que define seis pilares fundamentais de um sistema de saúde resiliente: força de trabalho; governança; oferta de serviços, tecnologias da informação, acesso a medicamentos essenciais e financiamento.

Os resultados revelaram correlações significativas entre indicadores-chave — como atendimento ambulatorial e disponibilidade de força de trabalho em saúde — e a resiliência do sistema, mostrando que a estabilidade dessas funções essenciais de saúde pública, pode ajudar o sistema a se adaptar melhor às dificuldades.

Com isso em mente, os pesquisadores conseguiram criar um modelo (intitulado CoReS, acrônimo para Coeficiente de Resiliência em Saúde) que indica a capacidade do sistema de saúde para se preparar e lidar com diferentes situações de estresse, seja uma pandemia ou um problema comum do cotidiano. “Em um país como o Brasil, com desigualdades regionais e desafios de infraestrutura, essa ferramenta, ao auxiliar no melhor uso dos recursos públicos, direcionando ações para onde elas são mais necessárias, pode contribuir para salvar vidas”, explica Jatobá.

O estudo mostra o potencial do ML na modelagem preditiva para informar decisões estratégicas em saúde, direcionar intervenções e promover uma alocação mais eficaz de recursos, permitindo aos gestores de saúde pública anteciparem problemas e se prepararem melhor — algo essencial em tempos de crise.