A transformação digital impulsionada pelo Big Data está remodelando setores de todos os tipos. O setor de ciências médicas não é exceção.
No passado, poderia levar vários anos e bilhões de dólares para sequenciar um genoma humano. Hoje, a mesma tarefa pode ser realizada em menos de 24 horas e por menos de US$ 1.000.
As tecnologias laboratoriais essenciais para trabalhar nesses campos também evoluíram rapidamente. Por exemplo, as ferramentas mais recentes em pesquisa em ciências médicas permitiram que os cientistas criassem visualizações tridimensionais complexas de moléculas de proteína. Os cientistas usam essas visualizações para ajudar na descoberta de medicamentos e em inovações pioneiras em medicina personalizada.
O principal motivador desses avanços revolucionários é o Big Data. O volume e a complexidade dos dados continuam a crescer em taxas surpreendentes, especialmente em áreas como genômica, bioinformática, biologia preditiva e química.
Os instrumentos de laboratório também produzem quantidades significativas de dados, às vezes até um terabyte por hora.
É claro que, com dados maiores, surgem necessidades maiores de armazenamento de dados. A infraestrutura de TI por trás dos bancos de dados de ciências médicas precisará evoluir com a crescente escala e dimensionalidade dos dados.
Com o mar de informações que os cientistas estão lidando, eles também precisarão de ferramentas de software modernas para que possam visualizar e interagir rapidamente com o Big Data. Caso contrário, as organizações de ciências médicas serão ricas em dados, mas com pouca informação.
Benefícios mais amplos do Big Data no setor de ciências médicas
Contanto que as organizações de ciências médicas continuem atualizando suas infraestruturas de TI para integrar melhor o Big Data em seus processos principais, os benefícios incríveis continuarão a sair de seu trabalho, incluindo:
- Avaliação de risco aprimorada: O Big Data pode ajudar os cientistas a obter insights que revelam possíveis riscos à saúde, avaliar o grau de risco associado a eles e ajudá-los a chegar a conclusões para resolver o problema.
- Medicina personalizada: À medida que cientistas e médicos conseguem processar e entender com mais eficácia as informações eletrônicas pessoais de saúde, eles conseguem fazer julgamentos mais precisos sobre o tipo de medicamento que cada paciente precisa.
- Avaliações mais eficazes em estudos clínicos: Atualmente, a maioria dos medicamentos usa o modelo de “padrão de tratamento”, no qual as respostas gerais do grupo e os estudos clínicos são usados para influenciar a prestação de cuidados. Mas quando o Big Data é aproveitado de maneira eficaz, avaliações mais precisas podem ser feitas sobre como o medicamento afeta tipos específicos de pacientes, incluindo efeitos colaterais que, de outra forma, passariam despercebidos. Isso pode contribuir para inovações contínuas na descoberta de medicamentos, entre outras coisas.
Infraestrutura de TI legada gargalos possíveis inovações
Embora os benefícios que o Big Data pode trazer para as ciências médicas pareçam promissores, as organizações precisarão de infraestrutura de TI e recursos de armazenamento de dados que possam acompanhar as demandas crescentes.
De acordo com um estudo da Deloitte/MIT de 2019, apenas 20% das organizações biofarmacêuticas e de ciências médicas estão amadurecendo com rapidez suficiente digitalmente. Infelizmente, os sistemas de armazenamento legados estão atrasando o desempenho e impedindo que os aplicativos recebam os dados de que os cientistas precisam para fazer mais inovações.
Novos instrumentos e tecnologias de ciências médicas estão surgindo. Eles têm o potencial de criar novas oportunidades de pesquisa que levarão a insights maiores. No entanto, as organizações precisarão lidar primeiro com vários desafios de TI para aproveitar essas inovações.
Desafio no 1: Silos de dados
Muitas organizações estão lutando para sair dos silos de dados. Os silos tornam demorado e difícil para os pesquisadores de todos os departamentos acessar os dados dos quais seu trabalho depende. Silos se desenvolvem, em parte, porque os dados são armazenados em várias ferramentas e soluções de software, em vez de em um banco de dados centralizado de ciências médicas.
Para derrubar as barreiras criadas pela segregação de dados, as organizações precisarão encontrar uma maneira de fazer a transição tranquila dos sistemas de dados para uma ferramenta de software fácil de usar.
Desafio no 2: Expanda
Como mencionado anteriormente, as tecnologias científicas mais recentes produzem uma quantidade considerável de dados. As organizações de ciências médicas precisarão expandir suas capacidades de armazenamento para acomodar esse fluxo de informações.
Se a escala apropriada não for alcançada a tempo, os fluxos de trabalho que dependem dos dados capturados por esses instrumentos serão interrompidos.
Desafio no 3: Análise de Big Data
O Big Data é tão útil quanto os insights que você consegue extrair dele. Não importa se você está executando um fluxo de análise de Big Data para potencializar a medicina personalizada ou aproveitando a AI para ajudar na descoberta de medicamentos, a computação de alto desempenho (HPC, High-Performance Computing) requer armazenamento de dados de alto desempenho. Fazer a mudança de unidades de disco mecânico para arrays de armazenamento totalmente flash de baixa latência e alto IOPS agora é uma necessidade.
