Uma proposta de data lake para pesquisa em saúde a partir de data pools multicêntricos interoperáveis

Com a alta demanda em ciência de dados, a organização e preparo de bases de dados se tornaram atividades críticas, consumindo mais de 80% do esforço do projeto. No domínio de assistência ao paciente, muitos hospitais já utilizam uma miríade de tecnologias e sistemas informatizados para prontuários e imagens, mas nem sempre adotam padrões de dados uniformes e interoperáveis, e raramente adotam ferramentas voltadas à análise (data lakes e warehouses). Neste artigo é proposto o data pool, um modelo de dados intermediário para facilitar a organização de data lakes voltados à pesquisa em saúde. O datapool foi implementado e adotado em um ciclo completo de pesquisa médica real, dando suporte a fluxos de aprendizagem computacional.