Big Data é um ambiente de produção, colaboração e compartilhamento de dados voltados para a pesquisa científica. E é muito importante quando se refere a projetos de pesquisa relacionados à bioinformática e georreferenciamento. Em um cenário ideal, cada especialidade deveria ter o seu próprio banco de dados, específico para as doenças relacionadas a ela.

O Big Data também é uma rede de ensino e treinamento, que está conectada com um dos focos de trabalho do Pequeno Príncipe. A instituição se dedica à assistência em saúde, ao ensino e à pesquisa.

À medida que o campo da bioinformática continua a evoluir, a importância do Big Data se torna cada vez mais aparente. A enorme quantidade de informações genéticas disponíveis em bases de dados genômicos apresenta tanto oportunidades quanto desafios. Ao alavancar técnicas avançadas de análise de dados, os pesquisadores podem extrair informações valiosas desses vastos conjuntos de dados, descobrindo padrões, identificando variações genéticas associadas a doenças, acelerando processos de descoberta de medicamentos e melhorando os métodos de tratamento.

Algoritmos de aprendizado de máquina (machine learning), por exemplo, podem ser treinados em grandes conjuntos de dados genômicos para desenvolver modelos preditivos para diagnóstico e prognóstico de doenças. A integração de vários conjuntos de dados de diversas fontes permite que os pesquisadores realizem análises abrangentes e gerem redes biológicas detalhadas, lançando luz sobre processos e interações biológicas complexas.

De 2001 a 2024, o volume de dados aumentou exponencialmente.

Com o tempo, novos scripts de computação surgiram. Os bancos de dados mais comumente usados são principalmente dos Estados Unidos e de alguns países europeus. O gráfico a seguir mostra o crescimento exponencial do volume de dados.

Big Data in GeneBank

Os objetivos do Instituto de Pesquisa Pelé Pequeno Príncipe no uso de Big Data são:

• apresentar aos alunos conceitos, práticas, métodos e tecnologias emergen-tes nas áreas da bioinformática, georreferenciamento e biologia computa-cional. Essas atividades contam com a colaboração do professor Mauro Castro, da Universidade Federal do Paraná;
• desenvolver ou utilizar os processos e ferramentas disponíveis para extrair da-dos que permitam aos pesquisadores entender os mecanismos das doenças pe-diátricas e como elas se espalham por diferentes regiões;
• contribuir, por meio de estudos científicos, para o desenvolvimento de novos métodos de diagnóstico e tratamento, bem como para a descoberta de no-vos medicamentos;
• proporcionar, com os resultados de projetos de pesquisa, mais saúde e quali-dade de vida para crianças e adolescentes não somente do Brasil, mas de todo o mundo.

Os cinco grupos independentes de Big Data do Instituto de Pesquisa Pelé Pequeno Príncipe compartilham objetivos semelhantes aplicados a diferentes áreas da biologia, da medicina e da epidemiologia espacial. Isso para explorar conjuntos de dados gerados por pesquisas desenvolvidas no próprio Instituto ou de autores de outros países.

O Instituto de Pesquisa mantém importantes parcerias no desenvolvimento de estudos científicos relacionados ao Big Data, todas elas de renome nacional e internacional. Entre as instituições parceiras estão:

• Fundação Behring;
• Hospital Pequeno Príncipe;
• Faculdades Pequeno Príncipe;
• Universidade Federal do Paraná (UFPR);
• Institut de Pharmacologie Moléculaire et Cellulaire (IPMC), da França;
• Thales Group, da França;
• St. Jude Children’s Research Hospital, dos Estados Unidos;
• Universidade Federal de São Paulo (Unifesp);
• U.S. Food and Drug Administration (FDA);
• U.S. National Institutes of Health (NIH);
• Georgetown University Medical Center, EUA;
• COVID Human Genetic Effort, uma iniciativa global;
• Companhia de Saneamento do Paraná (Sanepar);
• Fundação Oswaldo Cruz (Fiocruz).

Saiba mais sobre alguns termos relacionados ao Big Data.

Com informações do Ministério da Gestão e Inovação em Serviços Públicos; da Secretaria de Governo Digital, do governo federal; da IBM; da Pontifícia Universidade Católica do Paraná (PUCPR); do National Cancer Institute, dos Estados Unidos; da National Library of Medicine, também dos EUA; e da American Medical Informatics Association (AMIA, na sigla em inglês).

Algoritmo

É um conjunto de instruções projetadas para realizar tarefas computacionais específicas, sendo um elemento essencial da programação de computadores. Os algoritmos podem ser usados para vários propósitos, como realizar cálculos ou recuperar informações em bases de dados, entre outros.

Aprendizado de máquina (machine learning)

O aprendizado de máquina é um ramo da inteligência artificial (IA) e da ciência da computação que se concentra no uso de dados e algoritmos para permitir que máquinas imitem a maneira como os humanos aprendem. Isso contribui para processos de decisão e de otimização de modelos, melhorando gradualmente sua precisão.

Atlas do Genoma do Câncer

O Atlas do Genoma do Câncer (The Cancer Genome Atlas, TCGA) é um programa de referência de genômica do câncer que caracterizou molecularmente mais de 20 mil cânceres primários e combinou amostras normais correspondentes abrangendo 33 tipos de câncer. Criado em 2006, conta com uma equipe multidisciplinar formada por pesquisadores de diversas instituições. Esse esforço conjunto entre o National Cancer Institute, dos Estados Unidos, e o National Human Genome Research Institute, dos Estados Unidos, gerou petabytes de dados genômicos, epigenômicos, transcriptômicos e proteômicos. Esses dados já contribuíram para melhorar o diagnóstico e os tratamentos e estão disponíveis para a comunidade global de pesquisa.

Big Data

Um grande volume de dados, que inclui não apenas dados estruturados (como tabelas), mas também dados semiestruturados ou não estruturados, como imagens, textos e sons. Esses dados têm o potencial de serem explorados de maneira inter-relacionada para obter informações. Considerando a complexidade e o volume de dados, requer grande poder de processamento.

Bioinformática

É um campo multidisciplinar que combina biologia, ciência da computação e estatística. A bioinformática evoluiu rapidamente devido ao crescimento exponencial dos dados genômicos. As ferramentas de bioinformática podem fornecer informações úteis para responder a algumas perguntas sobre doenças, incluindo aquelas que afetam crianças e adolescentes.

Data-driven

Conceito que significa “orientado por dados”. Data-driven pode ser definido como processos que orientam a tomada de decisões e o planejamento organizacional por meio da utilização de dados.

Data science

É uma ciência multidisciplinar que envolve técnicas computacionais, estatísticas e matemáticas. A ciência de dados visa a solucionar problemas complexos usando grandes conjuntos de dados.

Georreferenciamento

Na epidemiologia e na assistência em saúde, o georreferenciamento desempenha um papel crucial na análise dos padrões espaciais da doença, na identificação de áreas de alto risco e na implementação de intervenções eficazes. Ao usar dados epidemiológicos georreferenciados, os pesquisadores podem visualizar a distribuição espacial das taxas de doenças e os fatores de risco em mapas, bem como identificar clusters geográficos e potenciais fatores ambientais que contribuem para surtos de doenças.

Informática em saúde

A informática em saúde, também conhecida como informática médica, aplica princípios da ciência da computação e da informação buscando o avanço da pesquisa em ciências da vida, educação de profissionais de saúde, saúde pública e atendimento ao paciente. É um campo multidisciplinar que tem seu foco em tecnologias de saúde para melhorar a saúde humana e os serviços de saúde. Para colocar isso em prática, usa dados e ferramentas biomédicas envolvendo ciências computacionais, cognitivas e sociais.

Inteligência artificial (IA)

É um campo da ciência da computação que visa a desenvolver sistemas ou algoritmos capazes de realizar tarefas que normalmente requerem inteligência humana. A IA usa técnicas como aprendizado de máquina (machine learning), processamento de linguagem natural e visão computacional para adquirir conhecimento, aprender com os dados e tomar decisões autônomas. Seu objetivo é simular a capacidade de raciocínio, adaptação e resolução de problemas, contribuindo para avanços em diversas áreas, como automação, saúde e transporte.

Internet das coisas

A expressão é usada para designar avanços na conectividade e interação entre vários tipos de objetos do cotidiano que agora são equipados com sensores e comunicação com a internet. Isso cria um ambiente virtual comum e permite o controle remoto, o uso de comandos automáticos e até mesmo a integração entre eles. Essa conectividade também gera uma grande quantidade de informações no dia a dia das pessoas.

LGPD

A Lei Geral de Proteção de Dados (LGPD), Lei n.º 13.709/2018, estabelece regras sobre coleta, armazenamento, tratamento e compartilhamento de dados pessoais no Brasil, garantindo mais proteção para todas as pessoas.

Medicina translacional

A medicina translacional busca levar as descobertas científicas para a prática da saúde e retroalimentar pesquisas com base nos principais desafios que os profissionais de saúde enfrentam diariamente. Nesse sentido, proporciona diversos benefícios clínicos, como novas formas de diagnóstico e tratamento; conhecimento multidisciplinar entre áreas; maior acessibilidade aos cuidados de saúde para a comunidade; menor custo e mais eficácia dos medicamentos, o que também gera valor econômico; e suporte para o desenvolvimento de políticas públicas.

Pipeline de dados

Um pipeline de dados é um sistema no qual dados brutos de várias fontes são reunidos, transformados e transferidos para um espaço de armazenamento de dados para análise. Existem vários tipos de pipelines de dados, cada um projetado para atividades específicas, como processamento em lote e streaming de dados.

Tecnologia da informação (TI)

É um conjunto de recursos tecnológicos para obtenção, processamento e geração de informações que são disponibilizadas por meio de redes de comunicação. Por meio da aplicação de recursos de desenvolvimento de software, fornece funcionalidades ao hardware, que, integrado ao sistema de comunicações, oferece serviços à sociedade.