- há 1 dia
Categoria
🗞
NotíciasTranscrição
00:02Música
00:07Casas Bahia, dedicação total a você!
00:12Bem-vindos ao Revolução IA!
00:15Eu sou Letícia Cardoso e o meu convidado de hoje é o CEO de uma startup
00:19que está ajudando o governo do estado do Rio a detectar câncer
00:24através do exame de sangue usando inteligência artificial.
00:28Bem-vindo, Vinícius! Tudo jóia?
00:31Tudo, Letícia! Muito obrigado pelo convite, obrigado pela oportunidade
00:34para contar um pouquinho do trabalho da Runa e do impacto que a gente quer trazer para a saúde com
00:37o IA.
00:38Antes da gente falar sobre a iniciativa e como que isso está sendo aplicado na prática
00:43lá no governo do estado do Rio, eu queria que você me contasse como que surgiu a ideia,
00:47qual foi a motivação para fundar essa startup.
00:51Perfeito! Acho que é sempre bom comentar sobre a motivação pessoal dos três fundadores da Runa.
00:57Nós três tivemos histórias pessoais marcadas por perdas em função de entes queridos, amigos que sofreram com câncer
01:07e ao longo dessa nossa trajetória a gente sempre teve muita clareza de que das doenças que mais afetam a
01:14sociedade
01:14o câncer tem uma característica muito única de ser aquela que se detectada precocemente tem chances objetivas de cura, na
01:23grande maioria dos casos.
01:24Mas infelizmente não é essa a realidade que a gente assiste todos os anos.
01:28Então, eu conheci meus sócios, a Daniela e o Marco, numa empresa da onde a gente espinofou em 2022,
01:35os três já trabalhando com inteligência artificial, quando tudo era mato, muito diferente dessa realidade que a gente está hoje
01:40em dia.
01:41Então, a gente trabalha com a temática desde 2017, 2018.
01:44É um mundo completamente diferente do que a gente tem hoje, para o bem e para o mal, em muitos
01:48sentidos.
01:49E a gente, naquela época, tomou conhecimento, eu particularmente também conhecimento do trabalho da Daniela, que é a minha sócia,
01:56que já estava explorando lá atrás o aprendizado de máquina dentro da inteligência artificial
02:01para detectar padrões que diferentes doenças deixam em dados clínicos, dados disponíveis de pacientes no sistema de saúde.
02:10A forma como a gente tradicionalmente olha, como ainda se olha para resultados de exame,
02:17vou olhar o hemograma, por exemplo, que é o nosso carro-chefe aqui,
02:20e outros marcadores simples, como colesterol, glicose, sempre é muito binária.
02:25A forma como a gente fecha diagnósticos, como a gente identifica condições clínicas,
02:30ela parte de uma premissa muito binária, se alguma coisa, então alguma coisa.
02:35Então, eu vou dar esses dois exemplos sempre do colesterol, né?
02:38Você deve ter passado por seu momento, com seu endócrino, com seu cardiologista, com seu médico, de uma forma geral.
02:43Olha, você não pode, Letícia, passar do colesterol acima de 200, porque senão alguma coisa acontece.
02:49Senão você tem um risco cardíaco comentado, ou você tem um risco maior de hipertensão, qualquer coisa correlata.
02:54E o outro também sintomático é, olha, a sua glicose não pode passar de 120,
02:58porque senão você é um paciente diabético e etc.
03:01Historicamente, a gente se organizou em cima desses cortes lineares, que a gente chama,
03:05para criar protocolos únicos que permitissem aos profissionais de saúde
03:10identificar o que é um paciente com uma condição ou sem uma condição
03:13e manejar, tanto para a prevenção quanto para o tratamento.
03:16Mas quando a gente avança para um mundo em que você tem duas coisas concomitantes,
03:21um volume gigantesco de informações disponíveis,
03:26aliado a um poder de processamento muito grande, que só vem crescendo
03:31desde o advento da computação moderna, junto com uma nova tecnologia emergente,
03:36que é a inteligência artificial, que é particularmente conhecida e boa,
03:39até hoje é o principal componente dela, de identificação de padrões,
03:43você começa a estressar um pouco os limites da forma como você olha para esses dados,
03:48como esses diagnósticos ou prognósticos são feitos.
03:50Você começa a entender que existe um potencial de você utilizar
03:54esse oceano de informações para ir além desses paradigmas.
03:57Então, especificamente com relação ao câncer,
04:01a gente se provocou de posse dessa metodologia
04:04que a Daniela vem desenvolvendo há bastante tempo,
04:06a gente começou a olhar sobre como o problema de fato se apresenta para a sociedade.
04:10E eu gosto de trazer aqui um resuminho do quadro.
04:13A grande maioria, vou trazer dados brasileiros principalmente,
04:18aproximadamente 80%, entre 75% e 80% dos pacientes hoje,
04:22tanto na saúde suplementar quanto na saúde pública,
04:24ou não tem acesso, ou eles não engajam nas jornadas de rastreamento,
04:29que são os exames preconizados para você realizar.
04:32Vou dar um exemplo sempre mais básico.
04:33Câncer de mama, por exemplo, mulheres acima de 40 anos,
04:36tem as diretrizes para a realização de mamografia,
04:38ultrassonografia mamária, cada um ou dois anos,
04:41de acordo com a sociedade médica em cada contexto.
04:43Mas a grande maioria dos pacientes, mulheres ou homens,
04:47não tem acesso ou não engajam com essas jornadas em particular,
04:50por uma série de questões.
04:51O que faz com que mais de dois terços de todos os casos de câncer no Brasil
04:56sejam diagnosticados em fase tardia.
04:59Aqueles em que justamente nós perdemos pessoas por conta desse diagnóstico.
05:02E tem um benefício, tem uma consequência trágica desse diagnóstico tardio.
05:07A mais óbvia, a mais importante, sem sombra de dúvidas,
05:09é que isso reduz dramaticamente a chance de sobrevida,
05:12a chance de cura dos pacientes com tratamento e manejo adequado.
05:16Mas tem uma outra consequência que também é muito importante,
05:19que os tratamentos, além deles serem mais invasivos,
05:23serem mais pesados para os pacientes,
05:24eles são substancialmente mais caros para o sistema de saúde.
05:28Então isso traz um desafio para a gente,
05:30além da dimensão da vida humana que a gente já colocou aqui,
05:32é como que você, diante de uma população que está envelhecendo,
05:36que já transicionou demograficamente,
05:40e que o número de casos de câncer só aumenta ano após ano,
05:44com tendências de passar de um milhão de novos casos
05:47até a próxima década, ou na próxima década em particular,
05:49como que você consegue manter um sistema de saúde
05:53capaz de absorver esse crescimento do número de casos
05:55e, ao mesmo tempo, mantê-lo solvente,
05:58do ponto de vista do equilíbrio financeiro, inclusive,
06:01se você não investir no diagnóstico precoce?
06:03Esse foi o principal desafio que se apresentou para a gente.
06:06Então, de um lado, a gente tem uma motivação pessoal
06:09das perdas que a gente teve nesse processo.
06:11Do outro lado, a gente tem uma emergência de uma tecnologia
06:15que a gente entendeu que ela tem um potencial
06:17de, no curto prazo, ajudar o sistema de saúde
06:20a manejar o que talvez seja a principal crise
06:23ou emergência de saúde pública globalmente,
06:26que é o câncer, aliado a um senso de urgência
06:29super importante, que é a preservação de vida,
06:32mas, mais do que isso, o equilíbrio econômico-financeiro
06:34do sistema de saúde.
06:35Vini, antes de você continuar me contando sobre esse caso,
06:39eu queria chamar a mensagem do nosso patrocinador.
06:41Eu sou o Felipe Jasky, CTO do Grupo Casas Bahia.
06:44Hoje, a inteligência artificial no grupo
06:47tem uma grande representatividade,
06:49tanto para a tomada de decisão,
06:51quanto para criar novas experiências para os nossos clientes,
06:54sendo ali o cerne da decisão em tempo real.
06:57Então, hoje, a gente consegue conectar,
06:59através de um canal super relevante,
07:01símbolo dessa transformação,
07:02o WhatsApp consegue conectar o cliente
07:05através de uma jornada super fluida e humanizada,
07:09seja através de texto, áudio ou até mesmo foto.
07:12O cliente pode tirar dúvidas dos produtos,
07:14formas de pagamento e realizar ali seus sonhos.
07:17Se ele não conseguir, através do canal assistido,
07:20a gente consegue direcionar ele para uma loja mais próxima
07:22para ter um atendimento humano real,
07:24ou seja, a gente conecta uma estratégia omnicanal
07:28num canal super relevante que traz eficiência
07:30e é onde o cliente está.
07:32Então, esses mais de 2 milhões de clientes
07:34que acessam essa plataforma e já usam no dia a dia
07:37são a prova de que unir inteligência artificial,
07:41dados, um atendimento humanizado,
07:44nos permite gerar resultados concretos.
07:46E a gente vai alavancar isso cada vez mais no grupo,
07:50sendo símbolo da nossa transformação.
07:52Unir experiências reais com resultados reais.
07:57Voltamos com Revolução IA
07:58e um recado para você que está me assistindo.
08:01O Nelfeed também está no YouTube.
08:03Então, se você ainda não está inscrito no nosso canal,
08:06aproveite e se inscreva
08:07para mais conteúdo sobre inteligência artificial.
08:11Vini, você me contou da motivação dos fundadores da UNA.
08:16Agora, eu queria entender, de forma prática,
08:19como é possível detectar câncer
08:21ou prever uma possibilidade de câncer
08:24através do exame de sangue?
08:26Essa não é uma abordagem totalmente nova.
08:30E aí, trazendo um pouquinho para a Revolução de IA,
08:34quando a gente começou a trabalhar,
08:36a Daniela começou a explorar esse potencial da IA
08:38para identificar doenças através dos exames de sangue,
08:42esse trabalho começou, o primeiro trabalho dela começou em 2016,
08:46desde 2017, e não tinha nada a ver com câncer na época.
08:49Era uma pesquisa bem experimental,
08:51olhando para a doença de Alzheimer, lá atrás.
08:54E aí, a gente não estava tão avançado com relação a isso,
08:57naquela época, não só em oncologia,
08:59mas fora de oncologia também.
09:00E a gente começou a perceber que,
09:03sintetizando de novo,
09:04vou usar a metáfora aqui do colesterol e da glicose,
09:08mais cedo, né?
09:10A gente começou a perceber que toda doença
09:13deixa marcas no nosso organismo.
09:16A gente estava utilizando uma lente muito simples
09:19para conseguir encontrar essas marcas com aqueles cortes lineares,
09:22só o colesterol ou só a glicose.
09:23E é muito óbvio que toda doença é muito complexa
09:26e ela vai marcar o funcionamento do corpo
09:29de diversas formas.
09:30Então, é muito pouco provável que só uma alteração
09:33seja evidenciada.
09:34só um colesterol, só uma glicose,
09:36só um marcador tumoral,
09:37só um elemento específico.
09:39Então, a gente, diante desse debate,
09:41a gente começou a olhar lá atrás
09:43para qual será que é a assinatura
09:47que é a doença, qual é a marca
09:49que a doença deixa nos exames de sangue.
09:52Então, essa abordagem,
09:53ela tem sido desenvolvida no sistema de saúde,
09:55no setor de saúde, em universidades
09:57e o produto da startup já há bastante tempo,
09:59mas, majoritariamente,
10:01olhando para um dado muito caro,
10:02um dado muito experimental.
10:04Na última década,
10:05ou duas décadas, principalmente,
10:06o principal investimento em inovação em saúde,
10:08IA, ficou muito concentrado,
10:10muito focado em medicina de precisão,
10:12em diagnóstico de precisão.
10:14Os grandes exemplos são os testes genômicos
10:16que você consegue encontrar,
10:17fragmentos de DNA
10:19que apontam para uma doença
10:20que pode vir a desenvolver
10:21ou já é instalada no corpo,
10:23mas que, sendo muito franco,
10:24não é a realidade de 99% da população brasileira.
10:27São abordagens muito experimentais
10:29que, com certeza,
10:30encontram as assinaturas da doença
10:31ou podem encontrar as assinaturas da doença,
10:33mas que não são viáveis para o quadro do Brasil
10:36e da maior parte da população mundial,
10:38que são testes muito caros
10:39e de baixa disponibilidade.
10:41Então, o que a gente fez?
10:42A gente começou a olhar para...
10:43Porque a gente já tinha a experiência interna,
10:45da Daniela, em particular,
10:46da metrologia dela,
10:47e olhando para onde que a IA está sendo aplicada
10:49ao redor do mundo
10:50em contextos de diferentes doenças,
10:52e a gente encontrou esse padrão
10:53de utilização e de investigação científica
10:56de estar todo mundo olhando para marcador caro,
10:58todo mundo olhando para exame
11:00de muita precisão,
11:01muito acurado no total.
11:03Mas, espera aí,
11:04do lado de cá,
11:05tem um outro oceano de informações
11:07muito pouco explorado,
11:09justamente olhando para os exames de sangue
11:11super simples, super baratos,
11:13como é o caso do hemograma,
11:14que é o nosso carro-chefe.
11:15Então, a gente foi um pouco rebelde,
11:17foi um pouco contra a corrente,
11:19e até um pouquinho fora
11:21do alinhamento de incentivo
11:22que tinha dentro da cadeia
11:22naquele momento,
11:24pensando numa outra perspectiva.
11:26Como é que,
11:27diante de um quadro
11:28que eu comentei com você,
11:29de uma emergência de saúde,
11:30no caso, a população brasileira,
11:32pensando na característica
11:33da população brasileira,
11:34um país de renda média,
11:35mas com uma população majoritariamente
11:37de classe média, média baixa,
11:39como é que a gente consegue
11:40criar uma inovação
11:41que endereça um problema
11:42de saúde público muito relevante
11:43sem precisar de um dado
11:45extraordinariamente caro.
11:46Então, a gente se desafiou
11:47ao longo da trajetória de
11:48peraí, vamos buscar padrão,
11:50vamos buscar pela assinatura
11:52que diferentes doenças deixam
11:53dos exames mais simples
11:54e mais disponíveis.
11:55E é aqui que a tecnologia
11:56e a história do desenvolvimento
11:58da tecnologia e da metodologia
11:59se cruza com a nossa história pessoal
12:01e a motivação de colocar runa.
12:02Porque a gente começou a olhar
12:04e a gente conseguiu comprovar
12:05por pesquisa
12:06que a gente acha
12:07os padrões de outras doenças
12:08olhando para esses exames
12:09mais simples e mais baratos.
12:11Mas nenhum deles,
12:12efetivamente,
12:12tinha o potencial
12:14de virar uma empresa,
12:15de virar um business
12:15por trás disso.
12:16Quando você olha
12:17para a oncologia,
12:18você traz todo o senso
12:19de urgência
12:20de um mercado gigantesco
12:21não só no Brasil,
12:22mas globalmente,
12:23já endereçando um pouquinho
12:24da nossa tese aqui,
12:25e a gente resolveu adaptar
12:27e se desafiar
12:28a encontrar o padrão
12:29dessas doenças
12:30nesse tipo de exame.
12:31Não é fácil
12:32e não foi fácil fazer isso.
12:34Principalmente porque,
12:35e acho que hoje em dia
12:36está até mais fácil
12:37de contar, Letícia,
12:38porque a inteligência artificial
12:39já perpassou
12:40a nossa vida
12:40de uma forma
12:42muito mais cotidiana.
12:44Ninguém questiona.
12:46Ninguém mais questiona.
12:47Está no bolo.
12:47Exatamente.
12:48Mas quando a gente levantou
12:50o primeiro resultado
12:50de pesquisa
12:51sobre câncer de mama
12:52em 2023,
12:54foi o primeiro ciclo
12:55de pesquisa
12:55que a gente se envolveu
12:56da RUNA,
12:57em que a gente publicou
12:58um artigo científico
12:58na Nature sobre isso,
13:00você não tinha
13:00o mesmo cenário
13:01de amadurecimento
13:02de IA
13:03que você tem hoje em dia.
13:04Então,
13:05a gente recebeu
13:06nos primeiros resultados
13:07com muita incredulidade
13:09do tipo,
13:10peraí,
13:10mas é magia
13:11ou é tecnologia?
13:12Como assim o hemograma
13:13tem esse potencial?
13:15E a gente fez um trabalho
13:16extremamente sério,
13:17ético e robusto
13:18em parceria
13:19com algumas
13:20das principais instituições
13:21oncológicas
13:22e aí você está aí
13:23em particular
13:23o Hospital do Câncer de Barretos,
13:25o Hospital de Amor,
13:25que é uma super referência
13:26no tratamento
13:27e principalmente
13:28o Grupo Feury,
13:29que é um dos nossos
13:30principais parceiros
13:31de pesquisa.
13:32A gente organizou
13:33junto com esses dois
13:34e uma série
13:34de outras instituições
13:35o que talvez seja
13:36o principal diferencial
13:37da RUNA,
13:38uma base de dados
13:39única e extraordinária
13:41em que hoje
13:41a gente tem um total
13:42de 5 milhões
13:44de pacientes,
13:45de dados de 5 milhões
13:46de pacientes únicos
13:47em que a gente consegue
13:48vincular exatamente
13:50resultados de biópsia
13:51que confirmam
13:52ou não confirmam
13:53a existência de câncer
13:54com resultados
13:55de exames de imagem
13:56e exames de sangue.
13:57Então, como que a gente faz
13:58esse desenvolvimento?
13:59Como a gente consegue
14:00comprovar que o hemograma
14:01faz isso?
14:01Você tem uma massa
14:02de dados muito grande,
14:03uma base muito grande
14:04e eu sei,
14:05por um resultado de biópsia,
14:07quem tem e quem não tem,
14:08eu consigo ensinar
14:10ou aprender,
14:10como eu sempre brinco,
14:11a máquina a reconhecer
14:13o quão diferente,
14:14o quão marcado
14:15fica os exames de sangue,
14:17ficam os exames de sangue
14:18dessas pessoas que tem
14:19e daqueles que não tem.
14:20É muito mais fácil,
14:23entre aspas aqui,
14:23muitas aspas,
14:24com todo respeito
14:25a quem trabalhou
14:25por essa linha também,
14:26você conseguir encontrar
14:27essas assinaturas,
14:29essas marcas,
14:30essas evidências,
14:31os rastros do câncer,
14:32quando você olha
14:33para exames
14:33ou para marcadores
14:34que a gente chama
14:35muito sofisticados,
14:36como marcador tumoral,
14:37dado genético,
14:38como eu comentei antes,
14:39porque eles são mais sensíveis,
14:40é uma vinculação muito óbvia.
14:41Mas é mais raro
14:42você fazer esse tipo de exame também?
14:44Ele é menos disponível
14:45e ele é mais caro
14:46de processar,
14:46principalmente.
14:47embora a gente saiba fazer,
14:49não foi a nossa pegada,
14:50porque a gente está preocupado
14:51com outro ponto.
14:52Como é que eu consigo criar
14:53uma inovação que esteja
14:54à disposição da população
14:56no geral amanhã,
14:57para ser mais um produto
14:59de precisão de nicho?
15:00O problema do câncer,
15:01eu sempre falo muito sobre isso,
15:03não é que a medicina de precisão
15:04não tem relevância,
15:06ela tem uma relevância extraordinária
15:07para conseguir habilitar
15:08um diagnóstico cada vez
15:10mais acurado e preciso
15:10e avança a fronteira da ciência.
15:12Mas o custo da inovação,
15:14ele é muito alto
15:15para ser incorporado
15:16de uma forma muito imediata
15:17para o sistema de saúde,
15:18por uma série de questões.
15:19A economia de saúde é complexa
15:21para a incorporação
15:21de novas tecnologias,
15:22tem uma série de coisas
15:23que a gente tem que avaliar.
15:24Custo de efetividade,
15:25benefício, etc.
15:26E nada é tão barato
15:28e tão talvez elegante
15:29quanto um hemograma,
15:30que é um exame feito
15:31nas centenas de milhões
15:33todos os anos,
15:34para ser a primeira linha de defesa
15:37ou a primeira ferramenta
15:39que te ajuda a fazer isso.
15:40E o hemograma,
15:41quando a gente olha
15:41para o hemograma simples,
15:43já passou por experiência,
15:44tenho certeza,
15:45você foi no médico,
15:46você entregou o seu conjunto
15:47de exames de sangue ali,
15:49ele pegou o papel,
15:49aquela caneta,
15:50e ele dá dois tracinhos
15:51assim,
15:51está aqui,
15:52está aqui,
15:53está tudo bem.
15:54Ele olhou sete,
15:55oito segundos
15:55para aquele exame,
15:56no máximo,
15:56não Letícia,
15:57está tudo tranquilo,
15:58seus exames estão
15:58dentro da normalidade.
16:00Porque,
16:01quando você olha
16:02para o resultado
16:02desse exame,
16:03normalmente,
16:04você está olhando
16:05valor por valor,
16:06só um valor
16:07de série vermelha,
16:08só uma paqueta,
16:09só um valor
16:10de série branca.
16:11O que a gente
16:12se desafiou é,
16:13como que esses
16:14diferentes valores
16:14que estão dentro
16:15do hemograma,
16:16parece que é uma
16:16informação simples,
16:17mas são de 14 a 17 valores
16:20que tem dentro
16:20do hemograma.
16:22Então,
16:22você imagina a quantidade
16:23de combinações
16:24diferentes que você
16:25pode fazer,
16:25são 14 elevado a 14
16:27combinações diferentes
16:28que você pode fazer,
16:29que a máquina
16:30consegue encontrar
16:31padrões que o olho
16:32nunca conseguiria fazer.
16:33Então,
16:34seria possível
16:34que uma pessoa
16:35tivesse exames ali,
16:37um hemograma
16:37dentro da normalidade,
16:39mas que ela
16:40teria um risco
16:41aumentado
16:42para ter câncer
16:43de mama,
16:43por exemplo.
16:43Você resumiu
16:44absolutamente
16:45a nossa tese,
16:46exatamente isso
16:46que a gente faz.
16:47Então,
16:49como o padrão
16:50que a gente está
16:50encontrando,
16:51que a gente ensinou
16:52e aprendeu junto
16:53com a máquina,
16:54a gente percebeu
16:54que cada câncer,
16:56cada tumor
16:57dentro do nosso
16:57portfólio atual,
16:58ele deixa marcas
16:59muito diferentes
17:01nos valores
17:02do hemograma,
17:02série vermelha,
17:03série branca e plaqueta.
17:04Um ponto que eu sempre
17:05gosto de destacar aqui,
17:06que é super importante,
17:08é que em nenhum momento
17:09da nossa trajetória,
17:10a gente imaginou
17:11que o hemograma,
17:11que é um exame
17:12porta de entrada,
17:13é um exame que,
17:14no jargão médico,
17:15ele é considerado
17:16como altamente inespecífico,
17:18eu sempre falo que
17:18pede seu hemograma
17:20para pedir algo depois
17:21caso tenha alguma alteração.
17:22Isso é um pouco padrão.
17:22Óbvio que ele tem
17:23o seu valor,
17:24mas ele também é
17:25um ponto de investigação
17:26inicial no total.
17:28A gente começa
17:29a olhar para esse exame
17:30que até então
17:30não era considerado
17:32como específico
17:32para outras questões,
17:34a gente enriquece
17:35isso com inteligência artificial
17:36para encontrar os padrões
17:37que são essas doenças
17:38que esses diferentes
17:39tumores deixam nele.
17:40E a gente começou
17:41esse trabalho,
17:41como eu comentei,
17:43em parceria com as principais
17:44instituições laboratoriais
17:45em oncológica do Brasil,
17:46começando com
17:47o câncer de mama
17:48e o nosso ciclo da RUNA
17:49entre 2022 e 2025,
17:51principalmente,
17:52foi um ciclo
17:52quase que exclusivamente
17:53de pesquisa
17:54e desenvolvimento.
17:55Por quê?
17:56A gente está falando
17:57de uma emergência
17:58de uma tecnologia
17:59muito nova,
18:00está no nosso bolso,
18:01está fazendo um monte
18:02de coisa legal
18:02para a gente
18:03o tempo inteiro,
18:03virou, não é comódio,
18:05mas commonplace,
18:06virou lugar comum
18:07para a gente
18:07na nossa rotina,
18:08mas ainda assim,
18:09a IA, especialmente
18:10em saúde,
18:10ela é uma tecnologia
18:12revolucionária
18:12que ainda tem muito
18:13chão para percorrer
18:14para conseguir evidenciar
18:15solidez, ética
18:17e qualidade
18:17no seu desenvolvimento.
18:18Não dá para a gente
18:19simplesmente pular etapas
18:21para validar essas soluções.
18:22Então,
18:23uma das maiores preocupações
18:25que a gente teve
18:25nesse primeiro ciclo
18:26foi realizar pesquisa séria
18:28com evidência científica
18:29e aplicação no mundo real
18:31para comprovar
18:31que de fato
18:31a gente conseguia encontrar
18:32as assinaturas
18:33desses tumores.
18:34O que a gente aprendeu?
18:36Não só que
18:36cada um dos cânceres
18:37que a gente estudou
18:38nesse período
18:39deixa uma marca diferente,
18:41mas deixa uma marca diferente
18:42com ganhos muito diferentes
18:43para o paciente,
18:45mas principalmente
18:46para o sistema de saúde.
18:47Então, a gente começou
18:47com câncer de mama,
18:48que para a gente
18:50parecia sempre o mais óbvio,
18:51dada a jornada
18:52do outubro rosa,
18:53é a jornada mais conhecida
18:54de rastreamento
18:54e diagnóstico precoce,
18:56mas rapidamente
18:57a gente evoluiu
18:57o portfólio
18:58para incluir
18:59outros quatro tipos
19:00de tumor.
19:00A gente avançou
19:01para câncer de colo de útero,
19:02que ainda é um problema
19:03muito grande,
19:04especialmente em população
19:05de classe C e D e E
19:07e concentrado em bolsões
19:08como periferias
19:09de grandes regiões
19:11metropolitanas
19:11e norte e nordeste.
19:13Tem forte componente
19:15sociodemográfico
19:15e econômico
19:16por trás disso.
19:17E para os outros tumores,
19:19câncer de próstata,
19:20que também é um câncer
19:21o segundo,
19:22é o segundo mais prevalente
19:23no geral,
19:23mas é o mais prevalente
19:24entre homens, principalmente.
19:25E para os dois,
19:26que hoje em dia
19:26são os mais focos
19:28de maior atenção
19:29para o sistema de saúde,
19:30que é o câncer coloretal,
19:31como muita evidência
19:32no passado
19:32por conta da perda
19:34da pretagil,
19:35que afetou ela,
19:36e o câncer de pulmão.
19:37Esses cinco tumores,
19:39esses cinco cânceres juntos,
19:41todos eles,
19:41em maior ou menor grau,
19:42têm o que a gente chama
19:43de diretrizes
19:44de rastreamento.
19:45Ou seja,
19:47existem normativas
19:48mais ou menos
19:48consolidadas
19:49que advogam que,
19:50a partir de um certo gatilho,
19:52uma idade
19:52ou uma condição clínica,
19:54pode ser um histórico
19:54ou um hábito,
19:55por exemplo,
19:57esses pacientes,
19:58pessoas,
19:59dentro do sistema de saúde,
20:00são elegíveis,
20:01deveriam estar fazendo exames,
20:02mesmo que sem ter
20:03nenhum sintoma
20:04para investigar
20:05se eles têm ou não
20:06a doença no organismo
20:08em desenvolvimento
20:09naquele caso.
20:09Então,
20:10o exemplo mais clássico
20:10é a mamografia,
20:11no caso de câncer de mama,
20:12ou,
20:13e aí o debate
20:13está mais recente agora,
20:14tem um protocolo novo
20:15do Ministério
20:16falando do exame
20:16de sangue oculto
20:17nas fezes
20:17como uma porta de entrada
20:19para rastreamento
20:19de câncer coloretal.
20:20Então,
20:21em todos os casos,
20:23a gente desenvolveu
20:24um primeiro conjunto
20:25de soluções de hemograma
20:26que pudessem
20:28complementar,
20:29nunca substituir,
20:30essa jornada
20:31de rastreamento
20:32para esses cânceres
20:33que já existem.
20:33Esse é um ponto
20:34super importante.
20:34E por que,
20:35Vini,
20:36que se fala sobre isso?
20:37Porque a gente entendeu
20:38que o hemograma,
20:39embora muito poderoso,
20:40não é lugar dele
20:42isoladamente
20:43substituir
20:44nenhuma ferramenta existente
20:45e, mais do que isso,
20:46ele não tem
20:47acurácia,
20:48precisão suficiente
20:49para ser substitutivo
20:50e nem para fechar
20:51diagnóstico.
20:52Não é o nosso papel.
20:53Então,
20:54aprendendo com a pesquisa
20:55e trazendo evidências
20:55que funciona no mundo real,
20:57a gente entendeu
20:57que esse primeiro conjunto
20:59de produtos da runa
21:00para o hemograma
21:01funciona a partir
21:02de duas premissas.
21:03Primeiro,
21:03o reaproveitamento
21:04de um exame
21:06amplamente disponível,
21:07estou falando
21:07de centenas de milhões
21:08de hemogramas realizados
21:09todos os anos no Brasil,
21:10quase 3 bilhões
21:11de hemogramas no mundo
21:12de uma forma geral,
21:13como a primeira linha
21:14de defesa.
21:15Como é que eu consigo,
21:16já que eu aprendi
21:17as marcas
21:17que essas doenças
21:18deixam nesse hemograma,
21:19como é que eu consigo
21:20reaproveitar
21:21o exame
21:21que já está amplamente disponível
21:23para tornar
21:24essa jornada
21:25do rastreamento
21:25mais eficiente,
21:27mais eficaz?
21:28Esse ponto é importante,
21:29Letícia,
21:29e por quê?
21:30O câncer é uma doença,
21:31até ia falar isso um pouco
21:32antes de voltar para cá,
21:34a audiência
21:34que acompanha a gente
21:35no meio do caminho.
21:36É um ponto importante
21:37que quando você me questionava
21:39sobre o teste genético
21:40e o potencial
21:41do teste genético,
21:42eu trouxe a dimensão
21:43do custo.
21:43Uma coisa que é sempre
21:44muito peculiar
21:45na jornada oncológica
21:47é que o câncer
21:48é uma doença
21:49com um custo clínico
21:50muito alto,
21:52com um custo financeiro
21:53potencialmente muito alto,
21:54mas ele é uma doença
21:55de prevalência
21:57relativamente mais baixa,
21:59comparando com outras questões.
22:01proporcionalmente
22:01tem muito mais pacientes
22:02diabéticos
22:03com novos diagnósticos
22:04de diabetes
22:05ou hipertensão
22:06ano a ano
22:06do que com pacientes
22:07oncológicos.
22:08Então,
22:09se você tem os gatilhos
22:10para que pessoas
22:11sejam rastreadas,
22:12para que pessoas
22:13sejam testadas,
22:15vou te dar um exemplo
22:16no caso de câncer de mama
22:17olhando para a estatística
22:18do INCA,
22:18vou arredondar aqui
22:19para facilitar.
22:20O que você espera,
22:21de acordo com o último anuário,
22:22é um caso de câncer de mama
22:23a cada mais ou menos
22:24mil mulheres.
22:25O que significa
22:27que em populações elegíveis,
22:28populações de mulheres
22:29entre 40 a 70 anos de idade,
22:3174 anos de idade,
22:33você deveria fazer,
22:34em tese,
22:34mil mamografias
22:36para encontrar
22:36um único caso.
22:38Já existe um problema
22:39hoje de limitação
22:39de acesso,
22:41e aí,
22:41falando do caso
22:42do exame mais,
22:43é um tipo de comum
22:44para a relação
22:45que é a mamografia.
22:46Quando você olha
22:47para os outros exames,
22:48o sangue oculto
22:49nas fésias,
22:49mas até pouco
22:50meia para trás
22:50para o câncer coloretal,
22:52era a colonoscopia,
22:53que é um exame
22:54muito mais complexo,
22:55que tem risco
22:56que ele é invasivo,
22:57ele depende de um preparo
22:58que é sempre complexo,
22:59ele tem uma internação,
23:00uma semi-internação
23:01no meio do caminho.
23:02Para o câncer coloretal,
23:03a estatística nacional
23:04aponta para mais ou menos
23:05um caso
23:06a cada 4.500 pessoas,
23:08muito parecido
23:09com o câncer de pulmão,
23:10um a cada 4.700,
23:114.800,
23:11mais ou menos.
23:12Ou seja,
23:13é como procurar
23:15uma agulha
23:15dentro de um palheiro
23:16muito grande.
23:17Se o sistema de saúde
23:18hoje já tem
23:19uma série de limitações
23:20para conseguir,
23:21ou por um lado,
23:22pessoas têm
23:22uma série de restrições,
23:24desconhecimento,
23:25a ausência
23:27tem estigma
23:28muito grande
23:28por trás da doença
23:29também no meio do caminho,
23:30não procura o sistema de saúde.
23:31E do outro lado,
23:32você tem um sistema de saúde
23:32comprimido
23:33que não consegue dar vazão,
23:34especialmente no setor público,
23:36não consegue dar vazão
23:37para isso.
23:38Qual que é o nosso papel?
23:39Não é substituir
23:40o exame
23:41que hoje
23:41é o padrão ouro
23:42para a detecção.
23:43O nosso papel
23:44é transformar esse sistema
23:44de um jeito mais eficiente.
23:46Então o que a gente fez
23:47foi transformar
23:47o hemograma,
23:49vou usar um jargão aqui,
23:50no gerador de lead.
23:51o que a gente faz
23:52é pegar o dado
23:53do hemograma
23:53e qualificar
23:55quais pacientes
23:56devem ser priorizados
23:57na jornada
23:58do rastreamento,
23:59não substituir.
24:00A Runa nunca,
24:01a esse estágio do campeonato,
24:02vai afirmar
24:03que só com o hemograma
24:05eu consigo descartar
24:06um caso de câncer.
24:07Não é isso que a gente faz.
24:08O que a gente aponta
24:08é dentro de um grupo,
24:10dentro de um conjunto,
24:11de uma população,
24:12de uma carteira,
24:13de uma operadora de saúde,
24:14de uma prefeitura,
24:14de uma secretaria,
24:15eu consigo te dizer
24:16o seguinte,
24:17olha,
24:17dentre esses mil,
24:19cinco mil,
24:19cinquenta mil pacientes
24:21aqui que você tem,
24:22que deveriam estar
24:23na jornada de rastreamento,
24:24começa por esses
24:25quinhentos e seiscentos,
24:26porque nesse grupo aqui
24:27você vai ter
24:28dezenas de vezes
24:29mais chances
24:30de encontrar
24:31um caso de câncer
24:32do que procurando
24:33aleatoriamente.
24:34Para uma doença
24:34de baixa incidência,
24:36remover um pouco
24:37da palha
24:37dentro desse palheiro
24:38torna o sistema
24:39mais eficiente.
24:40Você acelera também
24:42o tratamento
24:43dessas pessoas, né?
24:44E acho que essa é a variável
24:45mais importante.
24:46Tem alguns estudos
24:47diferentes,
24:48mas a variável
24:48mais importante
24:49com relação
24:51ao custo clínico
24:53e o custo financeiro
24:54é tempo.
24:55Então, tem alguns estudos,
24:56por exemplo,
24:56que apontam que
24:56a cada quatro semanas
24:58a chance do paciente
25:00progredir
25:00de um estadiamento
25:01para o outro
25:01aumenta em 11%,
25:02por exemplo.
25:04Tem vários estudos
25:05comprovando que
25:06um câncer
25:07em estágio inicial
25:08pode custar
25:09até 40 vezes
25:10mais barato
25:12do que um câncer
25:12em estadiamento tardio.
25:13Então, a dimensão
25:14do tempo
25:15é importante
25:15porque quanto mais
25:16rápido você fecha,
25:18você encontra
25:18esse paciente,
25:19coloca ele
25:20num funil
25:20em que ele passa
25:21pelas etapas
25:22do diagnóstico
25:23de forma assertiva,
25:24correta,
25:24bem amparada
25:25no processo,
25:26você maximiza
25:27a chance
25:27de oferecer
25:28um desfecho
25:28para esse paciente
25:29muito melhor,
25:30a chance
25:30de cura efetiva,
25:31de um melhor manejo
25:32de sobrevida
25:32relevante para ele,
25:33mas principalmente
25:34você reduz
25:35a pressão
25:36econômica financeira
25:37sobre o sistema.
25:39Um exemplo
25:39que eu vou pegar
25:40um exemplo mais extremo
25:41que é o caso
25:41do câncer de pulmão,
25:42que é uma jornada
25:43de rastreamento
25:44ainda mais incipiente,
25:46a gente está falando
25:46de tomografia
25:47de baixa dose,
25:47é um exame
25:48de menor disponibilidade
25:49proporcional,
25:50a gente está falando
25:51de um câncer
25:52que em estágio
25:53avançado,
25:54bem avançado,
25:54você tem uma sobrevida
25:55inferior a 30%,
25:56e quando você fala
25:58num estágio inicial,
25:59você está falando
25:59de sobrevida de 90%,
26:01praticamente.
26:01Então,
26:02é absolutamente
26:02determinante
26:03a variável do tempo.
26:05e para você conseguir
26:06fazer isso,
26:08a única forma
26:09é criando inovações,
26:10e é isso que eu advogo
26:11sempre,
26:12e é o grande mote
26:12da Runa,
26:13como é que você consegue
26:14criar inovações
26:15com o que já existe
26:17dentro do sistema
26:18de saúde
26:18para acelerar
26:19e torná-lo
26:20mais eficiente.
26:21Acho que um pouco
26:22da nossa busca
26:23foi por aí.
26:24Agora, Vini,
26:25como que vocês
26:26chamaram a atenção
26:27do SUS,
26:28como que vocês
26:29entraram no governo
26:30do estado do Rio
26:31e em outras cidades
26:33também,
26:33em outros estados,
26:34e eu sei que vocês
26:35estão no Nordeste também,
26:36não é isso?
26:37Exemplo Nordeste também,
26:38exato.
26:38E qual que é o custo
26:40disso para o sistema?
26:41Você disse que é
26:41muito mais barato,
26:43mas pensando ali
26:44num posto de saúde,
26:45no governo do estado do Rio,
26:47qual que é o investimento
26:48nessa tecnologia?
26:50Esse é um ponto
26:50que a gente está construindo
26:51junto com o sistema também,
26:53tá?
26:53Esse é um ponto
26:53super importante.
26:54A gente chamou a atenção,
26:55a nossa trajetória
26:56com o setor público,
26:57ela começou principalmente
26:58pela nossa experiência
26:59com o Hospital do Câncer
27:00de Barretos,
27:00o Hospital de Amor.
27:02A Fundação que gera
27:03o hospital também
27:04gerencia algumas UBS
27:05dentro do território,
27:06então a gente já tinha
27:07um pezinho dentro do SUS
27:08para o co-desenvolvimento
27:10da solução,
27:11para a pesquisa em si,
27:12e a gente começou
27:13a entender
27:14o papel da tecnologia
27:16da RUNA
27:17para o setor público
27:18nessa nossa interação
27:20com eles.
27:20É óbvio que a gente
27:21não atua só
27:22com saúde pública,
27:24a nossa maior experiência
27:25inclusive é na saúde
27:25suplementária,
27:26em que a gente tem atuado
27:27como operadora de saúde
27:28já tem um ano e meio,
27:29dois anos praticamente,
27:30comprovando que de fato
27:31existe uma economia
27:32substancial para a saúde
27:33suplementar,
27:34mas a gente aprendeu muito
27:35sobre,
27:36talvez tenha poucos lugares
27:37em que a lógica da RUNA
27:39faça tanto sentido,
27:40nesse caso,
27:41do produto de triagem
27:42principalmente,
27:43quanto na saúde pública
27:44porque ela é organizada
27:45numa lógica de atenção primária,
27:47atenção secundária,
27:48atenção terciária,
27:49são os níveis,
27:50cada um com a sua responsabilidade,
27:52cada um com o seu papel,
27:53mas o papel da atenção primária
27:54principalmente é trabalhar
27:56na redução do risco sistêmico,
28:00vamos dizer assim,
28:01é lá onde você tenta
28:02endereçar com uma pegada
28:03mais preventiva,
28:04de maior acolhimento,
28:05principalmente com medicina
28:06de família e comunidade,
28:07como é que você consegue
28:10manejar populações
28:10para evitar que os casos
28:12de maior complexidade avancem
28:13e cheguem para o sistema,
28:14então naturalmente
28:15se eu estou falando em prevenção,
28:17se eu estou falando em detecção
28:18precoce,
28:18que é o nosso papel aqui,
28:19é lá na atenção primária
28:20que isso acontece,
28:21isso acontece no famoso postinho,
28:23isso acontece nas equipes
28:25de saúde da família
28:25que fazem essa relação,
28:27tem essa relação umbilical
28:28junto com o território
28:29e que são eles
28:30que são a ponta da lança
28:32desse sistema
28:33de diagnóstico precoce,
28:34dessa lógica de rastreamento
28:35dentro do Brasil,
28:36então foi muito a partir
28:38das dores
28:38e tem uma fala,
28:40algumas falas
28:41que me marcaram muito
28:42de pessoas que atendem
28:43na atenção primária
28:44Brasil afora
28:45que foram muito sintomáticas,
28:47uma delas foi,
28:48Vini,
28:49se você me entregar
28:50uma lista
28:51com um nome
28:52de pessoas
28:53que eu sei
28:54que eu posso bater
28:55na porta
28:55e que eu tenho
28:56mais chance
28:57de encontrar
28:58uma paciente
28:59em que eu posso pegar
29:00um câncer
29:00de estágio inicial,
29:02a minha vida está salva,
29:03o meu propósito
29:04está resolvido aqui.
29:05Então,
29:07e do outro lado,
29:08é uma lógica
29:08do lado do gestor também,
29:10alguns gestores
29:10comentando sobre
29:12a jornada,
29:13a jornada do câncer,
29:14a jornada oncológica,
29:15isso acontece na saúde
29:16de suplementar também,
29:17mas ela é uma jornada
29:19extremamente complexa.
29:20Tem um caso
29:22que me marcou muito também,
29:24foi um...
29:25Quando a gente botou
29:26a tese da Runa de pé,
29:27a gente se deparou
29:29com uma história
29:29de uma mulher,
29:31Dona Maria,
29:31para todos os efeitos aqui,
29:32que era do interior
29:33do Ceará,
29:35e o mamógrafo
29:36mais perto,
29:37para ela,
29:38naquela ocasião,
29:39estava a 400 quilômetros
29:40de distância
29:41da casa dela,
29:42para ela fazer o exame
29:42de rastreamento
29:43de câncer de mama.
29:44Mas ela tinha um postinho
29:45com um hemograma,
29:46que podia fazer um hemograma
29:47e um exame simples
29:47perto da casa dela.
29:48E ela teve que se deslocar,
29:50ela demorou muito tempo
29:50para conseguir marcar
29:51o exame de homografia,
29:52e ela se deslocou
29:53400 quilômetros
29:54para chegar até lá,
29:55e no dia que ela chegou lá,
29:56uma homografia estava quebrada,
29:58e ela teve que voltar
29:59para a cidade,
29:59e ela reentrou na fila.
30:01Só para dar um exemplo
30:02do quão complexo
30:03é a cadeia de oncologia
30:05de uma forma geral,
30:06o quanto que ela é fragmentada,
30:07o quanto que ela é quebrada
30:08no total,
30:08e uma dor muito grande
30:09dos próprios gestores,
30:11da dificuldade que eles têm
30:12de trazer mais inteligência
30:14e mais eficiência
30:14por uma missão
30:15que é absolutamente
30:17hercúlea
30:17de conseguir
30:18fazer esses pacientes
30:20moverem essas casinhas
30:21até fechar o diagnóstico.
30:23Existe muito mais
30:24articulação
30:25e muito mais coordenação,
30:26e aí eu faço referência
30:27principalmente
30:28aos avanços recentes
30:29de política pública
30:30em 2023 e 2026,
30:32até onde está agora
30:32com uma política nacional
30:33de controle de câncer
30:34e uma série de diretrizes novas
30:35que estão ancorando
30:36por trás disso,
30:37mas eu digo que a gente
30:40encontrou o nosso
30:40maior propósito
30:43entendendo que o lugar
30:44em que a triagem
30:45mais vai trazer,
30:46a triagem da runa
30:47mais pode trazer benefício
30:48é na atenção primária,
30:50onde ela tem
30:51o maior potencial
30:53de não só cromos a custo
30:54e trazer solvência,
30:55mas salvar vidas.
30:56O SUS,
30:57e a gente todo mundo
30:57sabe desse dado,
30:58mas ele atende 75%,
31:00mais ou menos 75%
31:02da população,
31:03mas ele fica com
31:04um pouco menos
31:04de 50% do dinheiro total
31:06do sistema de saúde.
31:07Então existe um ticket médio,
31:08vamos dizer assim,
31:09um investimento muito menor
31:10para atender o Bolsa
31:11muito mais de pessoas.
31:12Por isso a nossa obrigação
31:14de conseguir torná-lo
31:14mais eficiente
31:15e mais igualitário,
31:17principalmente,
31:18solvente,
31:18mais igualitário,
31:19pensando nessa inclusão
31:20do maior contingente
31:21de pessoas lá dentro.
31:22A gente chamou a atenção
31:23do setor público,
31:23primeiro pela nossa experiência
31:24trabalhando com o Hospital
31:25de Barretos,
31:26que tem essa experiência
31:27de campo principalmente
31:28e entendendo essa trajetória,
31:30mas em 2024,
31:31em 2024 e 2025,
31:33a Secretaria Estadual
31:34de Saúde do Rio de Janeiro
31:35lançou um desafio
31:36de inovação aberta,
31:37chamando por soluções
31:39que pudessem contribuir
31:40e uma das linhas
31:41do desafio
31:41era a inovação
31:42para a oncologia,
31:43que contribuísse
31:43com o diagnóstico precoce
31:44de oncologia.
31:45Na época,
31:46a gente se inscreveu
31:47para aquele desafio,
31:48foi feito um grande
31:48mapeamento
31:49e a gente apresentou
31:50a proposta da RUNA.
31:51Eu digo que o timing
31:52foi perfeito,
31:53porque se esse edital
31:55tivesse saído em 2023,
31:57no primeiro momento,
31:58a gente não teria
31:58reunido um conjunto
32:00de evidências.
32:01Duas evidências principais,
32:02o primeiro,
32:03uma evidência científica
32:04extremamente sólida.
32:06Eu já perdi a conta
32:07de quantos artigos
32:08científicos e trabalhos
32:09a gente publicou
32:09na Tela História da RUNA.
32:09Vocês têm reconhecimento
32:10internacional também, né?
32:11Bastante.
32:13Alguns,
32:13e acho que ponto importante,
32:15a gente publicou
32:16para todos os cinco tumores,
32:18para todos os cinco cânceres
32:19que a gente faz triagem
32:20um dia,
32:20a gente tem algum artigo
32:21publicado num grande journal,
32:23numa grande revista
32:24de referência internacional.
32:25Então,
32:26Nature Scientific Report,
32:27principais jornais
32:28de câncer coloretal,
32:29tudo isso está muito bem
32:29evidenciado.
32:30E a gente participa,
32:32há dois anos seguidos,
32:33da principal conferência
32:34de Oncologia Clínica do Mundo,
32:36que é a American Society
32:37of Clinical Oncology.
32:38Ano passado,
32:39a gente teve dois trabalhos
32:40aprovados,
32:40esse ano a gente teve
32:41três trabalhos aprovados.
32:42Deve estar com uns 12
32:43ou 13 artigos científicos
32:44publicados em quatro anos
32:45de vida de empresa.
32:46Então,
32:46o primeiro ponto foi,
32:47nós já conseguimos colocar
32:49muita evidência científica
32:50de que o trabalho é muito sério,
32:51muito ético
32:52e que ele funciona,
32:53mas evidência empírica.
32:54Quando a gente testou isso,
32:55e aí a gente teve um piloto
32:56no Nordeste comprovando isso,
32:58especificamente,
32:58mas também na saúde suplementar
33:00que, de fato,
33:01reutilizar o hemograma
33:02traz um benefício
33:03super importante.
33:04Então,
33:04foi um conjunto de
33:05momento oportuno
33:06em que a edital apareceu
33:07naquele contexto
33:08e a gente já tinha
33:09evidência e história
33:09para contar
33:10de que a gente pode
33:10contribuir
33:11para o sistema de saúde.
33:11Agora,
33:12pensando em números,
33:13só para tornar mais palpável
33:15do benefício,
33:15não só do paciente,
33:18lógico,
33:18isso é super importante,
33:19dar essa sobrevida,
33:21acelerar esse diagnóstico,
33:23mas o impacto disso
33:24no sistema de saúde
33:25como um todo.
33:26Quem são os clientes privados
33:28e você tem números
33:29de resultado
33:30que isso pode trazer
33:32ali no balanço da companhia?
33:33Com certeza.
33:34Acho que o principal,
33:35vou começar com a saúde suplementar
33:36que é onde a gente tem
33:36mais que as experiências.
33:37A gente tem bastante experiência
33:39rodando principalmente
33:40com o Unimed.
33:41A gente tem vários usuários
33:43e clientes do sistema Unimed
33:44nacionalmente
33:45com cases de diferentes cânceres,
33:47mas o que eu sempre
33:48chamo a atenção
33:48são os cases de câncer de mama
33:50que são os primeiros
33:50que a gente colocou lá atrás.
33:52Então,
33:52nos pilotos que a gente rodou
33:54e nos contratos
33:54que a gente tem ativo,
33:55a gente conseguiu comprovar
33:56que reaproveitando
33:57o hemograma
33:58que já está disponível
33:59nessa operadora de saúde,
34:00a gente conseguiu
34:01nos grupos que a Runa aponta
34:02que tem pacientes
34:04de alto risco
34:05ou com risco aumentado
34:06para câncer de mama,
34:07você encontra
34:07para câncer de mama
34:08de três a quatro vezes
34:10mais casos de câncer,
34:11o que significa
34:12que você precisa fazer
34:13proporcionalmente
34:14muito menos exame
34:16para encontrar
34:16muito mais casos de câncer.
34:18Só um disclaimer aqui,
34:18a gente não fala
34:19para fazer menos exame,
34:20é fazer o exame certo
34:21na população correta,
34:22direcionalmente.
34:22E o que significa isso
34:23na prática?
34:24Uma simulação que a gente rodou
34:26junto com a operadora de saúde,
34:27e aí eu preciso manter
34:28o NDA aqui um pouco reservado,
34:30a gente comprovou que,
34:31simulou com eles que,
34:32dado o resultado,
34:33encontrando quatro vezes
34:34mais cânceres ali
34:35na população alva,
34:36simulando um uso recorrente
34:38da ferramenta no dia a dia,
34:39em 10% da carteira,
34:41do total de vidas
34:42daquela operadora de saúde,
34:43aplicando em só 10%
34:45o algoritmo de mama,
34:46a gente geraria
34:46uma economia mínima
34:47de R$ 8 milhões
34:48ano,
34:49derivado de duas coisas,
34:50uma eficiência
34:52do processo diagnóstico maior,
34:53mas principalmente
34:54uma redução de custo
34:55porque a gente pegaria
34:56cânceres em estágios iniciais.
34:57Então acho que tem
34:58um ponto importante,
34:59vou usar um exemplo,
34:59esses números,
35:00eles variam muito
35:01de operadora por operadora,
35:04e mesmo na saúde pública,
35:05porque os dados
35:05sobre custo de câncer
35:06são particularmente fragmentados
35:07e variam muito
35:08de prestador para prestador.
35:09Mas vou dar um exemplo
35:10de câncer de mama.
35:11A gente está falando
35:11de um caso que,
35:12inicial,
35:13ele pode custar
35:13ali por volta
35:14de R$ 40,00,
35:15R$ 50 mil,
35:16se você pega
35:17nos primeiros estágios,
35:18para potencialmente
35:19R$ 40,00 a R$ 50 mil
35:20por paciente,
35:21por um estágio inicial.
35:22Para a empresa.
35:23Para a operadora de saúde,
35:24para o plano de saúde
35:25naquele primeiro momento,
35:26para câncer de mama
35:26estágio bem inicial.
35:28E se você pega
35:29esse paciente
35:30em estágio mais avançado,
35:32esse custo
35:33pode superar
35:33R$ 300 mil.
35:35Então uma economia
35:36de quase 10 vezes,
35:37particularmente
35:38nesse contexto
35:39da operadora.
35:39Então existe uma lógica
35:43inata,
35:43vamos dizer assim,
35:44todo mundo sabe
35:44que é mais barato
35:45você conseguir
35:46diagnosticar precocemente.
35:48faltavam ferramentas
35:49para você conseguir
35:50habilitar esse diagnóstico
35:51de um jeito mais eficiente.
35:53O que você tinha até então
35:54é os exames mais sofisticados,
35:55muito mais caros.
35:56A gente entra com essa camada
35:57principalmente com uma preocupação.
35:59Eu não quero te gerar
36:00um custo imediato
36:01muito maior,
36:02porque a minha proposta
36:03falou para você
36:03de um saving
36:04com um diagnóstico precoce.
36:05Então a melhor forma
36:06de fazer isso,
36:07e o sistema de saúde
36:08tem uma dificuldade,
36:09tanto público
36:09quanto suplementar,
36:10tem uma dificuldade
36:11em incorporar inovação,
36:13incorporar tecnologia.
36:13E aí tem todo um debate,
36:15falo tecnologia
36:16de uma forma mais ampla,
36:16mas não é código,
36:17não é software
36:17nesse contexto, né?
36:18Tem sempre discussões
36:19sobre, tem um fármaco novo,
36:21como é que a gente incorpora
36:22uma droga nova
36:23dentro do sistema de saúde?
36:24E aí,
36:24do ponto de vista regulatório,
36:25Anvisa,
36:26INS, etc.,
36:27Conitec,
36:28você tem que trazer
36:28uma dimensão
36:29de custo-efetividade.
36:30O quanto que efetivamente
36:31a inclusão disso daqui
36:33vai mudar o ponteiro clínico
36:34e é pagável
36:36dentro do sistema.
36:37A nossa lógica foi,
36:38poxa,
36:38se eu trago um algoritmo
36:40super sofisticado
36:40que vai usar
36:41vários marcadores genéticos,
36:43exponenciais, etc.,
36:44isso vai ter uma limitação,
36:45primeiro, de acesso,
36:46mas, segundo,
36:47isso vai aumentar o custo
36:48de uma cadeia
36:49que já é cara
36:50para o cliente hoje em dia.
36:51Então, a gente foi
36:51na dimensão contrária.
36:52A gente quer incorporar
36:53uma tecnologia
36:54com um exame
36:54que já está disponível.
36:55A premissa
36:56do reaproveitamento de dado
36:57é o que torna
36:58uma alavanca poderosa
37:00para a operadora de saúde
37:00já conseguir gerar
37:01o benefício
37:02e a saúde pública também
37:03gerar o benefício
37:03por trás disso.
37:04Então,
37:05eu consigo trazer exemplos
37:06para você.
37:07No caso de câncer de mama,
37:08a gente está falando
37:08de uma economia
37:09por paciente
37:10da ordem de até 10 vezes,
37:11então,
37:12isso vai dar ali
37:12uns 250,
37:13300 mil reais
37:14por paciente economizado.
37:15E quando a gente fala
37:16em casos mais extremos,
37:17a gente tem dados
37:18dos principais
37:19hospitais oncológicos
37:19daqui de São Paulo,
37:21principalmente,
37:21tem estudos mais maduros,
37:22Secamargo,
37:23Sírio, Einstein.
37:24No caso do câncer de pulmão,
37:25que é ainda mais difícil
37:26de agnusicar,
37:27a gente está falando
37:27de um custo inicial
37:28da ordem
37:29de 180 mil reais,
37:31ou seja,
37:31muito mais caro já
37:32do que um câncer de mama,
37:34passando facilmente
37:35de 3 milhões e meio
37:36de reais por paciente
37:37em estágio avançado.
37:38É uma economia
37:38muito maior
37:39para um câncer
37:40ainda mais difícil
37:41de você pegar.
37:42Então,
37:42o multo de economia
37:43é na casa
37:44de dezenas e centenas
37:45de milhares de reais
37:46por paciente,
37:47seja na saúde pública,
37:48seja na saúde parlamentar.
37:50Agora,
37:50quando a gente olha
37:51para o exterior,
37:52Estados Unidos,
37:53China,
37:54eles são avançados
37:55nesse sentido
37:56de inteligência artificial
37:57e acaba sendo
37:58também avançado
38:00no uso da IA
38:01para a saúde.
38:02Tem até uma empresa,
38:04acho que fundada
38:05lá em 2014,
38:07mais ou menos,
38:08chamada Frenome,
38:09se não me engano,
38:10que ela também tem
38:11um princípio
38:12parecido com o de vocês.
38:14Você pode me explicar
38:15qual é a diferença
38:17da Runa
38:18para essa empresa americana?
38:20O dado que a gente usa
38:21para poder fazer
38:22a predição,
38:23como a gente chama,
38:24para poder fazer
38:25análise de risco.
38:27Legal que você citou
38:28a Frenome,
38:29é um dos benchmarks
38:29que a gente colocou de pé
38:30quando a gente foi entender
38:32o potencial de IA
38:33dentro de oncologia,
38:34dentro da jornada
38:35do câncer principal.
38:36Não só a Frenome,
38:37mas tem uma outra empresa
38:38também que até voltou
38:40para o Spotlight recentemente
38:41que é a Grail,
38:41que tem um produto
38:42chamado Galeri,
38:44que tem a mesma pegada
38:45a nossa,
38:45desenvolver algoritmos
38:46que encontram padrões
38:47entre dados,
38:49diferentes dados
38:50de marcadores sanguíneos,
38:51de valores
38:52de exames de sangue,
38:54mas no caso das duas,
38:55a Frenome,
38:56ela trabalha
38:56com uma pegada
38:57um pouco de marcadores
38:58mais experimentais.
38:59Eles trabalham
39:00com uma combinação
39:01de dados mais,
39:03muito mais caros,
39:04de explorar,
39:05conjugando genômica,
39:07conjugando proteômica
39:08e metabolômica.
39:09E aí vai entrar
39:10muito na ciência,
39:10mas são tipos diferentes
39:12de marcadores
39:12que pegam momentos
39:14diferentes
39:15do funcionamento
39:16do organismo,
39:16vamos dizer assim.
39:17São tecnologias
39:18super experimentais,
39:20a genômica está
39:20mais consolidada,
39:21mais proteômica,
39:22metabolômica,
39:22são tecnologias emergentes
39:24na medicina diagnóstica
39:25no geral,
39:25e que o custo
39:26de processamento,
39:27primeiro,
39:28você ainda está
39:28construindo evidência
39:29para trazer correlação
39:30e causalidade
39:31desses marcadores
39:32com diferentes tumores,
39:33mas eles são,
39:35além de um alto custo,
39:36de muito menor disponibilidade
39:38para ir ao mercado
39:39para você chegar
39:40no laboratório
39:41e pedir o exame
39:41ou que alguém
39:42consiga reaproveitar
39:42esse dado.
39:43E a Grail
39:44trabalha majoritariamente
39:45com dado genético,
39:46seja para conseguir
39:47fazer um perfil genético,
39:49então as pessoas fazem,
39:50no geral,
39:51compra aquele teste
39:52da saliva
39:52e manda pelo correio,
39:54recebe lá,
39:54olha,
39:54você tem 7% italiano,
39:564% polaco,
39:572% do gene da fome
39:58e 4% do gene
39:59da mutação,
40:00por exemplo,
40:01BRCA,
40:01que é super conhecido,
40:02anegenerosolite,
40:03etc.,
40:03da mutação
40:04de risco de câncer.
40:05Eles têm essa pegada
40:05de fazer o perfil
40:07de risco no geral
40:07oncológico,
40:08mas eles também trabalham
40:09com uma tecnologia
40:10chamada biópsia líquida,
40:11que a biópsia líquida
40:12é a aplicação de A,
40:13no caso deles também,
40:14para encontrar
40:16o fragmento,
40:17entre aspas,
40:18do câncer
40:18com o DNA tumoral.
40:20Conforme as células
40:21crescem
40:22e se reproduzem
40:22com velocidade,
40:24que é o princípio
40:24do câncer
40:25de replicação,
40:26ele vai deixando
40:27esses rastros
40:28de ineficiência
40:29do processo no sangue.
40:30A Grail desenvolveu
40:31e tem desenvolvido
40:32tecnologias que encontram
40:34esses rastros de,
40:35olha,
40:35tem uma marcação
40:36aqui de um câncer
40:37ativo no organismo.
40:38A diferença,
40:39basicamente,
40:39entre a gente
40:40e essas duas empresas,
40:41tem outras aqui
40:42no meio do caminho,
40:43é o tipo de dado.
40:44Eles estão olhando
40:44para marcadores,
40:46eles estão dentro
40:46de uma escola
40:47ou de uma trajetória
40:48olhando para
40:49a medicina de precisão.
40:50Isso diz muito
40:51sobre o mercado
40:53onde elas emergiram
40:54e qual era o vetor
40:55que impulsionava
40:57a inovação
40:58nesses mercados,
40:59que é a medicina
40:59de precisão.
41:00No nosso caso,
41:02não é uma limitação técnica.
41:04Ah, não queremos
41:04trabalhar com genômica
41:05ou não sabemos
41:06trabalhar com qualquer
41:07um desses marcadores.
41:08Mas o nosso ângulo
41:09foi rebelde,
41:10ele foi contra a corrente,
41:11porque a gente sabia
41:12essas empresas,
41:13a gente teve uma vantagem
41:14porque a gente
41:15estava olhando
41:17com uma...
41:19a vantagem
41:20de já ver
41:21a trajetória
41:21dessas empresas
41:22e as tentativas
41:23de ida do mercado.
41:24E o custo
41:25de desenvolver
41:25a tecnologia deles
41:26é muito alto,
41:27foi muito alto
41:28durante muito tempo,
41:28o que fez com que
41:29o produto final
41:29ele tivesse uma barreira
41:31de preço significativa
41:32e uma dificuldade
41:33de ser absorvido
41:34pelo sistema de saúde.
41:35É o que eu falei
41:36sobre a incorporação
41:37de tecnologia.
41:38Entendendo a realidade brasileira
41:39que tem um problema
41:40muito maior de acesso,
41:41existe um problema
41:42de precisão,
41:43uma vantagem de precisão sim.
41:44Mas o maior desafio
41:45era a barreira do acesso?
41:47Por que raios
41:48eu vou me desafiar
41:48para clonar essa tecnologia
41:50ou ir pela mesma pegada
41:51trabalhando com esse tipo
41:53de marcador
41:54se não faz sentido
41:55para o sistema de saúde
41:56absorver esse tipo
41:57de inovação?
41:58Então o nosso foco foi
41:59não vamos por aqui,
42:00vamos para um dado
42:01muito mais simples,
42:02o hemograma,
42:03o perfil lipídico,
42:04o colesterol,
42:04o glicose,
42:05vamos olhar para esses
42:05marcadores que você consegue
42:07fazer em qualquer lugar
42:08e que mais do que isso
42:09o sistema já faz.
42:11Essa é a nossa
42:11principal diferença.
42:12E quando me perguntam
42:14Vini, qual é a inovação
42:15da Runa?
42:16O maior sacada da Runa
42:17é a tecnologia?
42:18É o diferencial,
42:19sem sombra de dúvida,
42:20é a capacidade de processar
42:21esse volume de dados
42:22que a gente teve
42:23para criar essa tecnologia,
42:25mas o grande puro do gato
42:26foi olhar para um dado
42:27que já estava disponível
42:28e que ninguém queria
42:29olhar para ele,
42:30ninguém queria,
42:30porque, poxa,
42:31é só um hemograma,
42:32qual é o valor
42:32que ele vai ter?
42:34E eu sempre brinco
42:35que nada como
42:36empreender no Brasil,
42:38nada como empreender
42:39em tecnologia
42:39num cenário
42:40de escassez de recursos.
42:42Porque eu sabia
42:42que se eu colocasse
42:43um produto de genética
42:44de pé,
42:44eu ia estar colocando
42:45um produto
42:46à disposição
42:46de pouquíssimas pessoas.
42:47e o nosso desafio
42:48é colocar tecnologia
42:50para inclusão e acesso.
42:51Democratizar, então,
42:52o seu acesso.
42:53o diagnóstico precoce.
42:54No ano passado,
42:54vocês fizeram um levantamento
42:57de recursos ali
42:58numa rodada para a CID,
42:59agora vocês estão levantando,
43:01captando mais,
43:02quanto que você acredita
43:03que ainda precisa
43:05de investimento?
43:06Porque é um setor
43:07que precisa o tempo todo
43:08de investimento, né?
43:09Por dois motivos.
43:10Precisa de investimento
43:12tanto porque
43:13tracionar nesse setor,
43:14e a gente já investiu
43:16muito em pesquisa
43:16para trazer essa inovação
43:17e validar ela clinicamente,
43:19mas porque
43:20você imagina
43:21o quanto de engenharia
43:23de dados,
43:24principalmente,
43:25a gente tem que ter
43:25internamente
43:26para receber
43:28grandes volumes
43:29de dados
43:29do sistema de saúde
43:30que nem sempre
43:31chega bonito,
43:32nem sempre
43:32chega estruturado,
43:33nem sempre chega arrumado
43:34no meio do caminho
43:34para receber,
43:35às vezes,
43:37bases de dados
43:38com centenas de milhares
43:39de pacientes
43:40e processar tudo isso.
43:41Então,
43:41o investimento de tecnologia
43:42é para a gente trabalhar
43:43a distribuição do produto,
43:45isso é uma constante
43:46para a gente,
43:47mas mais do que isso.
43:48A Runa não é uma empresa
43:49de triagem para câncer.
43:51A Runa é uma empresa
43:52de dados em oncologia.
43:54A gente não quer sair
43:55de oncologia
43:56pela nossa motivação pessoal,
43:57existe um chamado
43:58de impacto muito forte
43:59por trás disso,
44:00mas porque existe
44:00um oceano de oportunidade.
44:03Dentro de oncologia,
44:04a nossa trajetória
44:04não vai parar
44:05dentro de triagem.
44:06A gente, com certeza,
44:07em rodadas subsequentes
44:08e outros capitais
44:09que a gente está buscando também,
44:10a gente vai avançar
44:11para outras fronteiras.
44:12Vamos começar a olhar
44:13talvez no futuro
44:14em medicina de precisão,
44:15como é que a gente consegue
44:17eventualmente encontrar
44:18ou até fazer triagem
44:19ou habilitar
44:20um diagnóstico precoce
44:21para tumores mais agressivos
44:22e que hoje não tem
44:23um rastreamento preconizado.
44:24Vamos falar de câncer de fígado,
44:26vamos falar de câncer de pâncreas,
44:27que são super agressivos
44:29e não tem um método
44:29consolidado para isso.
44:31Não sei se você viu recentemente
44:32na conferência americana,
44:33saindo todas as redes praticamente,
44:35vários médicos
44:36numa das conferências da ASCO,
44:38um painel da ASCO americana,
44:39eles levantaram
44:40e choraram
44:41por conta de uma terapia
44:42para câncer de pâncreas
44:43que aumentou
44:44a sobrevida de paciente
44:45em alguns meses.
44:46Ainda não é uma cura definitiva,
44:48mas para você ver
44:48o nível de urgência.
44:49Então, existe toda
44:50uma outra fronteira
44:51dentro de oncologia
44:53para a gente habilitar
44:54novos produtos.
44:54O que a Runa faz
44:55é trabalhar com
44:56grandes volumes de dados
44:57em oncologia
44:58e que começou com triagem
44:59e certamente vai avançar
45:00lá para frente.
45:01Então, o investimento
45:02vai ser focado
45:03em duas áreas.
45:04Como é que a gente
45:05leva a Runa
45:06para a fronteira
45:07da ciência cada vez mais
45:08com um componente importante?
45:10A nossa premissa
45:11é uma inovação
45:12que possa ser consumida
45:14e incorporada
45:15pelos sistemas de saúde
45:16hoje,
45:17não 2050.
45:18Não faz sentido
45:19criar ciência de foguete,
45:22vamos dizer assim,
45:22porque o desafio
45:23é muito mais concreto
45:24hoje em dia.
45:24É urgente.
45:25É muito mais urgente.
45:27Então, parte do investimento
45:28é para manter a Runa
45:29sempre na fronteira
45:30do conhecimento.
45:31a gente não fica devendo
45:32em nada
45:33em termos de evidência científica
45:34e robustez de trabalho
45:35dessas concorrentes,
45:36entre aspas,
45:37dessas empresas,
45:38esses benchmarks,
45:38referências internacionais.
45:40Só estamos um pouco
45:41abaixo da linha do Equador
45:42com incentivos diferentes
45:43nesse contexto
45:44de financiamento.
45:46Mas, respondendo a sua pergunta,
45:47acho que a gente
45:48ainda não está
45:49captando recurso,
45:51pelo menos não,
45:51no mercado privado.
45:53A gente tem uma trajetória
45:54muito bem sucedida
45:55de levantar,
45:56não investimento,
45:57mas de levantar dinheiro
45:58de subvenção.
45:59Então, a gente tem
45:59alguns investimentos
46:01que a gente recebeu,
46:02grants, como a gente chama,
46:04de agências de fomento.
46:06Só na FAPES,
46:06a gente teve uns quatro
46:07trabalhos diferentes,
46:08que é super importante.
46:09E eu destaco sempre
46:10esse ponto.
46:11A inovação da Runa,
46:12ela não sairia do papel
46:14se não fosse um.
46:16Uma política de Estado,
46:18e eu digo política de Estado
46:19de uma forma muito abrangente,
46:20porque não é só
46:21no caso da FAPES,
46:22mas existem incentivos
46:23federais também,
46:24outros,
46:25de outra magnitude.
46:26mas o tipo de inovação radical,
46:28como a gente está colocando aqui,
46:29ela depende
46:30de vetores corretos.
46:32Políticas de Estado
46:33que consigam criar,
46:34primeiro,
46:35linhas de financiamento,
46:37linhas de fomento,
46:38de risco alto,
46:40mas com um custo muito baixo
46:41para a própria empresa.
46:42No nosso caso,
46:43é sem diluição,
46:44é um capital a fundo perdido,
46:45como a gente chama.
46:46Então, existe uma indução
46:47que é importante
46:48do setor público
46:49para conseguir destravar,
46:50porque essa indução
46:51de dinheiro de fomento
46:53para a pesquisa,
46:53ela reduz o risco
46:55do capital privado,
46:57que também tem um papel
46:58muito importante,
46:59e eu tenho orgulho
47:00muito grande
47:01de, nas rodadas
47:01que a gente levantou
47:02até agora,
47:03ter sido apoiado
47:05por Mad Scientist,
47:06tanto quanto a gente,
47:07por fundos de investimento,
47:09por capital privado,
47:10que entenderam
47:11a nossa jornada
47:12de ser uma empresa
47:14de excelência tecnológica
47:15do sul global,
47:16num certo sentido,
47:17mas que eu tenho certeza
47:19que foi fundamental
47:20para eles
47:20entenderem que existia também
47:22esse fomento público,
47:23essa linha de investimento público
47:24que ajuda a mitigar
47:26esse risco
47:26de desenvolvimento tecnológico.
47:27Então, por enquanto,
47:28a gente não está captando
47:28com o capital privado,
47:29a gente está se estruturando
47:30para levantar uma rodada
47:31nos próximos meses,
47:32já trazendo novidades
47:34com relação à fronteira
47:35da ciência
47:35para onde a gente vai daqui,
47:37mas já antecipando um pouquinho,
47:39quando a gente colocou
47:40a Runa de pé, Letícia,
47:42a gente,
47:44eu falo até meio emocionado
47:46sobre isso,
47:47se eu estou falando do câncer
47:48como um problema global,
47:51hemograma é hemograma
47:52em qualquer lugar,
47:53câncer é câncer
47:54em qualquer lugar,
47:54um jargão,
47:55estou simplificando muito aqui.
47:57Para endereçar um problema global,
47:59nada melhor
48:00do que uma tecnologia
48:01com potencial global
48:02como inteligência artificial,
48:04mas principalmente
48:04um vetor
48:06para a distribuição
48:07dessa tecnologia,
48:08que é um exame de sangue.
48:09Quando me perguntam,
48:10às vezes,
48:10Vini,
48:10qual é o TAM da empresa?
48:12São 8 bilhões de pessoas,
48:13potencialmente,
48:14são 8 bilhões de pessoas,
48:15que todas elas têm hemogramas.
48:17A nossa trajetória da Runa
48:18nunca foi pensada
48:19para ser uma empresa
48:20circunscrita
48:21ao mercado brasileiro.
48:22A gente tem ambição,
48:24reconhecimento científico
48:25e base tecnológica forte
48:26para ir para fora do Brasil.
48:28E essa trajetória,
48:28ela é inexorável.
48:29Porque a gente entende
48:31que se eu criei algo
48:32em cima desse vetor
48:33do hemograma
48:34para distribuição,
48:35eu tenho responsabilidade
48:36ética e moral
48:37de distribuir isso.
48:38E foi essa trajetória
48:39que a gente levou
48:39alguns meses atrás,
48:41dois meses atrás,
48:42para a abertura
48:44da Assembleia Anual
48:47da OMS,
48:48lá em Genebra,
48:48como parte do prêmio
48:49do MIT,
48:50o Massachusetts Institute of Technology.
48:52Eles têm uma iniciativa
48:53voltada para projetos
48:54de impacto global
48:55chamada MIT Solve.
48:56E a gente foi,
48:57entre quase 400 empresas globais,
48:59a única brasileira,
49:00uma das finalistas
49:01e vencedoras do prêmio
49:02desse ano,
49:03justamente reconhecendo
49:04o potencial da Runa
49:05de criar uma inovação
49:06que pode funcionar
49:08em qualquer lugar,
49:09mas que, principalmente,
49:11vem com uma premissa
49:12de endereçar uma dor urgente,
49:13sem necessariamente
49:14gerar um custo muito maior
49:15para o sistema de saúde
49:16no curto prazo.
49:17E uma dúvida,
49:17essa tecnologia toda,
49:18ela é desenvolvida
49:19dentro de casa?
49:20E o que vocês usam
49:21de parceiros, assim?
49:22A gente,
49:23toda a inteligência
49:24por trás da criação
49:25dos algoritmos,
49:27encontrar esse padrão,
49:28tratar esse dado,
49:28é tudo proprietário nosso.
49:30Tem um momento
49:30de inflexão super importante
49:32entre 2025 e 2026,
49:34mas mais em 2025,
49:36que foi a emergência,
49:37de um jeito muito mais amplo,
49:39da IA generativa,
49:40todo esse boom
49:41que a gente está vendo
49:41no dia a dia.
49:42Então, isso aumentou
49:45exponencialmente
49:46a velocidade da runa
49:48em desenvolver inovações.
49:49O core da tecnologia,
49:51o algoritmo,
49:51ele é proprietário,
49:52ele é patenteado
49:53no Brasil e fora do Brasil.
49:55A gente tem patente
49:56de toda a tecnologia
49:56que a gente desenvolveu aqui,
49:57com muito orgulho,
49:58inclusive.
49:59Mas o maior ponto
50:00de inflexão foi que
50:01essas tecnologias acessórias,
50:02entre aspas,
50:03elas não são o nosso core,
50:04mas elas encurtaram muito
50:06o nosso tempo
50:07de desenvolvimento
50:08das soluções.
50:09Mas eu consigo fazer isso
50:10porque a gente acabou
50:11virando especialista
50:13em dados sanguíneos,
50:14eu tenho pipelines inteiros
50:15estruturados para isso,
50:16e principalmente especialista
50:17em oncologia.
50:19Nem sei se a gente consegue
50:20fazer alguma outra coisa
50:20um dia,
50:21dado esse know-how.
50:23E essa foi uma aposta
50:23muito estratégica,
50:26porque o câncer
50:27não é uma doença,
50:28são centenas,
50:29milhares de condições diferentes,
50:31cada um com a sua especificidade.
50:33Para você ter uma ideia
50:33de como a gente se alocava
50:34internamente,
50:35qual foi o papel
50:35dessas tecnologias novas
50:36que eu comentei com você,
50:38para a gente colocar
50:39o produto,
50:40ou a primeira pesquisa
50:41de câncer de mama
50:42de pé,
50:42entre 2022 e 2023,
50:44foi a primeira evidência,
50:45a gente demorou mais ou menos
50:46entre receber dados,
50:47estruturar,
50:47limpar, testar, etc,
50:49mais ou menos
50:50um ano e meio.
50:51Então a gente validou
50:52e tinha tudo fechadinho
50:53para câncer de mama,
50:54final de 2023,
50:55começo de 2024,
50:56então foi um ano e meio
50:57e dois anos
50:57para colocar de pé isso.
50:59Só em 2024,
51:00a gente já tinha colocado
51:02de pé
51:02mais outras quatro aplicações,
51:04as primeiras versões
51:05que foram validadas em 2025.
51:06Então, com a emergência
51:08da inteligência artificial
51:09generativa,
51:10a gente conseguiu acelerar
51:11muito o nosso
51:12círculo de desenvolvimento,
51:13inclusive para outras
51:13aplicações que estão
51:14na caixinha lá
51:15para o momento mais oportuno.
51:17Então eu acho
51:17que essas tecnologias,
51:18elas vieram
51:20para nos ajudar
51:20a ser mais eficientes
51:22no processo de descoberta
51:23científica,
51:24principalmente,
51:24e para possibilitar
51:26que a gente seja
51:26uma empresa enxuta,
51:27que consiga distribuir isso
51:29com custo de engenharia
51:30de dados e software
51:31e segurança,
51:32principalmente,
51:33muito menor do que seria
51:33há um tempo atrás.
51:34E, Vini,
51:35para a gente fechar,
51:36na sua visão,
51:37qual é o grande desafio
51:39de usar a inteligência artificial,
51:41aliás,
51:42inovar com a inteligência artificial
51:44na saúde?
51:46O grande desafio,
51:47para fechar,
51:49nossa,
51:50não pode ser só disso,
51:51no geral.
51:52Eu acho que tem
51:53alguns desafios,
51:54porque quando a gente fala
51:55de IA na saúde,
51:56Letícia,
51:57a gente tem que separar
51:58o que é a aplicação de IA
51:59dentro de saúde.
52:02vou tentar resumir
52:03de um jeito muito simples,
52:04você tem dois tipos
52:05de aplicação clássicas
52:06dentro do setor de saúde.
52:08Uma IA,
52:09que a gente chama
52:09de mais operacional
52:10ou transacional,
52:12e uma IA clínica
52:13e assistencial.
52:15A diferença entre elas é,
52:16o transacional
52:17são as soluções
52:18baseadas em IA,
52:19não só,
52:20mas só,
52:20já disponíveis no mercado
52:21há muito tempo,
52:22que estão endereçando
52:22problemas de ordem
52:23mais prática
52:24sobre o funcionamento
52:25da máquina,
52:26o funcionamento
52:27do sistema de saúde.
52:27Então você tem
52:28uma emergência
52:29muito grande,
52:30e vai vir muito mais
52:31por aí,
52:31nos últimos anos,
52:32de ferramentas
52:33de prevenção
52:33e redução de fraude,
52:35por exemplo,
52:35que encontram
52:36um padrão de uso
52:37suspeito,
52:38então fraude de reembolso,
52:39por exemplo,
52:40soluções que otimizam
52:41autorizações de procedimento,
52:43soluções que facilitam
52:44agendamento de procedimento.
52:45Tem toda uma série
52:46de funções operacionais
52:49que obviamente
52:50vai ter um impacto
52:51no funcionamento do sistema,
52:52mas que eles não falam
52:53sobre diagnóstico,
52:54eles não falam
52:55sobre resposta,
52:56não falam sobre interna,
52:56não tem nada sobre isso.
52:57Ela otimiza
52:58o funcionamento
52:59da máquina.
52:59Essas soluções,
53:00elas têm uma vantagem
53:02potencial
53:02de conseguirem resolver
53:03dores muito mais
53:05umbilicais,
53:05muito mais urgentes
53:06do setor,
53:07entre aspas,
53:07com ganhos,
53:08com ROES muito mais
53:10palpáveis
53:11no curto prazo.
53:12Só que essas soluções
53:13é o mato alto,
53:14como a gente costuma fazer,
53:15e tem muita ineficiência
53:17pela forma como
53:18o sistema foi estruturado.
53:19O sistema de saúde
53:19tem muito chão
53:22pela frente
53:22para trabalhar
53:23primeiro uma digitalização
53:25e depois uma eficiência
53:25por trás disso.
53:26então tem muita frente
53:27para trabalhar ainda.
53:29Esses desafios
53:30são diferentes
53:31dos nossos desafios
53:32que a gente está
53:32do lado clínico
53:33assistencial.
53:34Por que isso?
53:35Porque o tipo
53:35de solução
53:36que a gente está colocando
53:37está na fronteira
53:39de falar ou não
53:40se alguém tem risco
53:41de uma doença
53:42ou não tem risco
53:42de uma doença.
53:43então a camada
53:44de validação,
53:45a necessidade de teste,
53:47a regulação,
53:48o nível de evidência científica,
53:50antes de você incorporar
53:51isso na cadeia de saúde
53:52é muito diferente.
53:54O escrutínio
53:55ele é muito diferente
53:55e ele tem que ser assim.
53:57É um ponto
53:58que eu sempre falo muito,
53:59na entrevista recente
53:59eu falei muito sobre
54:01Ah Vini,
54:02mas você
54:02não fica preocupado
54:04com o custo
54:04da regulação
54:05dentro de saúde?
54:06Eu falei assim,
54:06não.
54:07Não me preocupa
54:08e eu nunca divulguei
54:10sobre
54:11reduzam a regulação
54:12sobre saúde.
54:14Meu ponto sempre foi
54:15criemos uma regulação
54:16inteligente
54:17para não sufocar
54:19a inovação
54:19dentro de saúde.
54:21Mas se você está
54:21trabalhando com a criação
54:22de algoritmos
54:23ou qualquer solução
54:24que em última instância
54:25pode mudar o curso
54:26de uma doença
54:27positiva ou negativamente
54:28que pode influenciar
54:30a decisão de um gestor
54:31ou de um médico
54:32o seu nível
54:33enquanto empreendedor
54:34e você tem que estar
54:34preparado para isso
54:35o seu nível de escrutínio
54:37ele é completamente diferente.
54:39Então existe uma necessidade
54:41de investimento
54:42de tempo
54:43de amadurecimento
54:43que é totalmente diferente.
54:44Comprovar essa tese
54:45é diferente de comprovar
54:46que você consegue
54:47identificar uma fraude
54:47por exemplo
54:48que é um dado
54:48numérico transacional.
54:50Esses desafios
54:51do lado de cá
54:52passam por
54:53capital
54:54porque é uma jornada
54:55de validação
54:56uma jornada de gold market
54:57muito mais demorada
54:59pela natureza
54:59que você está colocando aqui
55:00é o desafio
55:02da evidência científica
55:03principalmente porque
55:04a gente não pode
55:05advogar
55:06a gente não pode
55:06extrapolar
55:07que os achados
55:08das pesquisas
55:09eles já são generalizados
55:10que é uma solução infinita
55:12eu comentei
55:12sobre internacionalização
55:13a gente tem
55:14esse caminho já aberto
55:15e a gente tem pesquisas
55:16que estão sendo feitas
55:17internacionalmente
55:18em alguns outros contextos
55:19Europa
55:20Ásia
55:20Estados Unidos
55:21a gente está avançando
55:22para essas frentes também
55:22em nenhum momento
55:24a gente pegou
55:25ou vai pegar
55:26o algoritmo da Runa
55:27desenvolvido aqui
55:27e começar a fazer ele
55:29funcionar em outro mercado
55:30a primeira etapa é
55:31será que funciona
55:33com um dado de população
55:34de outro mercado
55:35isso estica
55:36a minha entrada
55:36naquele mercado potencial
55:38porque eu vou precisar
55:38trazer evidência
55:39da mesma forma
55:40então você precisa
55:41passar por essa camada
55:42de evidência científica
55:43e talvez
55:44uma das maiores
55:46dificuldades
55:47que a gente tem
55:47é a lógica
55:48de funcionamento
55:49do sistema
55:50e aí você vai ter que me chamar
55:50para um outro podcast
55:51para falar sobre isso
55:53no nosso caso
55:54em particular
55:54a gente está trabalhando
55:55sobre dois ROIs
55:57eu estou falando
55:59que é o ROIs
55:59clínico social
56:00que é salvar vidas
56:02com o diagnóstico precoce
56:03mas o segundo ROI
56:04o que a gente vende
56:05é eficiência
56:06e saving
56:07para o sistema de saúde
56:08só que vender saving
56:09é sempre muito mais complicado
56:10então a gente pegou
56:11um problema super difícil
56:12para resolver
56:13não só isso
56:14mas os vetores de elementos
56:15eles são mais complexos
56:16o que a gente
56:17graças a Deus
56:18a gente tem conseguido
56:19a abertura
56:20a gente tem conseguido
56:21a abertura com
56:21não só com a saúde pública
56:23que é um ponto super importante
56:24mas com a saúde suplementar
56:26encontrar bolsões
56:27de instituições
56:28que não só
56:28estão mais maduras
56:29para consumir a tecnologia
56:30a gente sempre é parceiro
56:32nesse deploy
56:33dessa solução para o mercado
56:34mas principalmente
56:35que já entenderam
56:36isso sempre chama atenção
56:38já entenderam
56:39que o manejo
56:40do problema do câncer
56:42da forma como ele está hoje
56:44tornará o sistema
56:45de saúde insolvente
56:47a menos que você reduza
56:49o acesso
56:50para permitir que poucos
56:51tenham acesso
56:52ao tratamento efetivo
56:53mas se nada for feito
56:55a gente está saindo
56:56de uma casa
56:56de 750
56:57a 800 mil
56:59casos novos
57:00de câncer por ano
57:01nesse triênio
57:01que o Inca levantou
57:02para potencialmente
57:042035
57:05não é tão lá na frente
57:06assim
57:06em uma década
57:07chegar a quase
57:07um milhão
57:08de novos casos
57:09por ano
57:09se esses
57:10um milhão
57:11de casos
57:11mantiverem
57:12a trajetória atual
57:13de serem diagnosticados
57:14em estágios tardios
57:15o sistema
57:16não vai parar de pé
57:17e a gente consegue
57:19tem conseguido avançar
57:21e furar um pouco
57:21desse bloqueio
57:22através de instituições
57:23que são ousadas
57:24e corajosas
57:25que perceberam
57:26que precisam mudar
57:26a lógica
57:27de prevenção
57:28hoje em dia
57:28para evitar que essa bomba
57:29estória vá na frente
57:30salvando vida
57:31e economizando dinheiro
57:32Vini
57:33muito obrigada
57:33pela sua participação
57:34por todas as explicações
57:36adorei conhecer
57:37a Runa
57:38e também
57:39ter mais esperança
57:40que a gente vai ter
57:41um futuro
57:42um pouquinho melhor
57:43utilizando a inteligência
57:45artificial
57:45muito obrigado
57:47pela disponibilidade
57:47pelo convite
57:48é sempre um prazer
57:49e a você que nos acompanhou
57:50obrigada pela sua audiência
57:52o Revolução Iá volta
57:53em breve
57:54até lá
57:55Casas Bahia
57:56dedicação total
57:57a você
Comentários