O cuidado oncológico no Brasil é acompanhado por uma quantidade enorme de sistemas públicos oficiais, mas cada um enxerga apenas um pedaço do problema. A mortalidade está no SIM. O tratamento está no Painel de Oncologia e no SIASUS. A prevenção está no SISCAN. Onde a rede está habilitada a atender, e quanto de recurso público ela recebeu, estão em bases completamente separadas, mantidas por órgãos diferentes, com formatos, códigos e nomenclaturas que raramente se conversam de forma direta. Antes de qualquer análise mais ampla sobre oncologia no país, o trabalho real é reunir essas peças e fazê-las conversar.
O Onco-360 nasceu pra resolver esse primeiro passo: reúne mortalidade por câncer, rede assistencial habilitada em oncologia (com sinalizador adulto/pediátrico, endereço, geolocalização e leitos reais), procedimentos e tratamentos realizados no SUS (quimioterapia, radioterapia, medicamentos de alto custo), rastreamento de colo e mama, diagnóstico e rastreamento autorreferidos pela população, câncer relacionado ao trabalho, repasses públicos federais por instituição, e o perfil de incidência e atendimento hospitalar consolidado pelo INCA, cuidadosamente curados, padronizados e documentados, prontos para que pesquisadores, cientistas de dados e profissionais de saúde possam conduzir seus próprios estudos de forma organizada e reproduzível. O dataset completo está disponível no Kaggle.
Abaixo, o detalhamento de cada fonte que compõe o projeto: de onde vem, o que cobre e quais bases publica.
Aplicações Corporativas e Casos de Uso
Embora o Onco-360 tenha nascido para facilitar a pesquisa acadêmica, essa arquitetura resolve gargalos complexos de inteligência de negócios no ecossistema de saúde suplementar e farmacêutico. O pipeline pode ser utilizado por:
- Indústria Farmacêutica e Pesquisa Clínica: Mapeamento da incidência populacional e infraestrutura habilitada para otimizar o direcionamento de estudos clínicos e a distribuição de medicamentos oncológicos.
- Hospitais e Redes Oncológicas: Análise de cenário e capacidade de atendimento cruzando repasses federais, procedimentos realizados e leitos habilitados em regiões estratégicas.
- Healthtechs: Alimentação de modelos preditivos e plataformas de gestão populacional utilizando o histórico consolidado de diagnósticos e tratamentos do SUS.
Fontes de Dados e Escopo
1. Rede Assistencial Habilitada em Oncologia (Fonte: CNES - DATASUS)
O Cadastro Nacional de Estabelecimentos de Saúde (CNES) é o registro oficial de todos os estabelecimentos de saúde do Brasil. Aqui, é filtrado para as instituições habilitadas em alta complexidade em oncologia (UNACON, CACON e afins).
O resultado é uma linha por instituição habilitada, com sinalizador adulto/pediátrico, endereço, CNPJ próprio e da mantenedora, geolocalização e a contagem de leitos reais. Como o CNES é um retrato do momento, não um histórico que vai se acumulando, cada nova competência substitui por completo a anterior.
Base disponibilizada:
- cnes_instituicoes_oncologia.parquet - Estabelecimentos com habilitação em oncologia: identificação, CNPJ (próprio e da mantenedora), endereço, lat/long, telefone, sinalizador adulto/pediátrico, habilitações, leitos reais, classificação administrativa e capacidades assistenciais.
BRASIL. Ministério da Saúde. DATASUS. Cadastro Nacional de Estabelecimentos de Saúde (CNES). Brasília, DF: Ministério da Saúde. Disponível em: <https://cnes.datasus.gov.br/>.
2. Mortalidade por Câncer (Fonte: SIM - DATASUS)
O Sistema de Informações sobre Mortalidade (SIM) consolida as Declarações de Óbito de todo o país desde 1979 e é a base oficial para estatísticas de mortalidade no Brasil.
Foram reunidas as três eras disponíveis de registro: a mais antiga, a consolidada dos últimos trinta anos e a preliminar do ano corrente, ainda não fechada. São mantidos apenas os óbitos cuja causa básica é neoplasia maligna, conferida linha a linha contra as tabelas oficiais do DATASUS. Ficaram de fora, de propósito, carcinoma in situ, neoplasias benignas e casos de comportamento incerto, que não são “câncer” no sentido clínico e epidemiológico padrão, mesma definição usada por INCA e OMS/IARC. As colunas foram traduzidas para nomes legíveis em português e o código de município foi normalizado, pronto para cruzar com as demais bases sem tratamento adicional.
Bases disponibilizadas:
- obitos_cancer_cid9.parquet - Óbitos por câncer, 1979-1995.
- obitos_cancer_cid10.parquet - Óbitos por câncer, 1996-atual.
- obitos_cancer_prelim.parquet - Óbitos por câncer do ano corrente, ainda não consolidados.
- obitos_cancer_resumo_anual.parquet - Resumo ano a ano (total de óbitos, total de câncer, proporção), unificado entre as três eras.
Observação: o arquivo preliminar pode legitimamente conter 0 registros entre ciclos de publicação do DATASUS - não é um erro de processamento.
BRASIL. Ministério da Saúde. DATASUS. Sistema de Informações sobre Mortalidade (SIM). Brasília, DF: Ministério da Saúde. Disponível em: <https://datasus.saude.gov.br/mortalidade-desde-1996-pela-cid-10>.
3. Procedimentos Oncológicos no SUS (Fonte: Painel de Oncologia - DATASUS)
O Painel de Oncologia, disponibilizado pelo DATASUS desde 2013, registra os procedimentos de diagnóstico e tratamento oncológico realizados no âmbito do SUS, reunindo diagnóstico, estadiamento e primeiro tratamento em uma mesma base.
Os dados de topografia (CID-10), estadiamento, tipo de tratamento e sexo já vêm decodificados, a idade normalizada e os campos sensíveis do paciente excluídos. O processamento é incremental: cada atualização só traz o que é novo, sem reprocessar tudo de novo.
Base disponibilizada:
- painel_oncologia.parquet - Procedimentos oncológicos realizados no SUS, desde 2013, com diagnóstico, estadiamento e primeiro tratamento.
BRASIL. Ministério da Saúde. DATASUS. Painel de Oncologia. Brasília, DF: Ministério da Saúde. Disponível em: <https://www.gov.br/inca/pt-br/assuntos/gestor-e-profissional-de-saude/painel-oncologia>.
4. Tratamento Ambulatorial de Alta Complexidade (Fonte: SIASUS - DATASUS)
O Sistema de Informações Ambulatoriais (SIASUS) registra os procedimentos ambulatoriais de alta complexidade autorizados por APAC, incluindo toda a linha de tratamento oncológico realizada fora da internação.
A partir da série histórica desde 2008, foram isolados só os procedimentos oncológicos, com topografia, estadiamento e esquema terapêutico decodificados. São publicados os três eixos do tratamento ambulatorial, cada um em sua própria base, também atualizados de forma incremental.
Bases disponibilizadas:
- siasus_quimioterapia.parquet - APAC de quimioterapia, com topografia, estadiamento, linfonodos, grau histopatológico e esquema terapêutico.
- siasus_radioterapia.parquet - APAC de radioterapia, com topografia, estadiamento e finalidade (radical/adjuvante/paliativa).
- siasus_medicamentos_oncologicos.parquet - APAC de medicamentos de alto custo com CID principal de neoplasia (C00-D48).
BRASIL. Ministério da Saúde. DATASUS. Sistema de Informações Ambulatoriais do SUS (SIA/SUS). Brasília, DF: Ministério da Saúde. Disponível em: <https://datasus.saude.gov.br/acesso-a-informacao/producao-ambulatorial-sia-sus/>.
5. Rastreamento de Colo do Útero e Mama (Fonte: SISCAN - DATASUS)
O Sistema de Informação do Câncer (SISCAN) consolida os exames de rastreamento e diagnóstico de câncer de colo do útero e de mama realizados no SUS.
Diferente das demais fontes do DATASUS, aqui os dados só estão disponíveis já agregados: quantidade de exames por UF, ano e resultado, nunca por paciente individual. São dez visões independentes, combinando o tipo de exame (citopatológico e histopatológico do colo; mamografia, citopatológico e histopatológico da mama) com a perspectiva geográfica (onde a paciente mora ou onde foi atendida). Quando o DATASUS publica uma atualização, só os anos mais recentes são reprocessados e mesclados ao histórico.
Bases disponibilizadas (dado agregado, série desde 2013):
- cito_colo_residencia.parquet / cito_colo_atendimento.parquet - Citopatológico do colo do útero.
- histo_colo_residencia.parquet / histo_colo_atendimento.parquet - Histopatológico do colo do útero.
- mamografia_residencia.parquet / mamografia_atendimento.parquet - Mamografia.
- cito_mama_residencia.parquet / cito_mama_atendimento.parquet - Citopatológico da mama.
- histo_mama_residencia.parquet / histo_mama_atendimento.parquet - Histopatológico da mama.
BRASIL. Ministério da Saúde. DATASUS. Sistema de Informação do Câncer (SISCAN). Brasília, DF: Ministério da Saúde. Disponível em: <https://datasus.saude.gov.br/acesso-a-informacao/sistema-de-informacao-do-cancer-siscan-colo-do-utero-e-mama/>.
6. Diagnóstico e Rastreamento Declarados (Fonte: PNS - IBGE)
A Pesquisa Nacional de Saúde (PNS) é um inquérito domiciliar do IBGE, feito em parceria com o Ministério da Saúde, que inclui módulos dedicados a diagnóstico de câncer e rastreamento de colo do útero e mama, captando o comportamento da população independente de ter passado pelo SUS.
Foram usadas as duas edições disponíveis, 2013 e 2019, conferidas campo a campo contra os dicionários oficiais de cada uma. Os layouts mudaram o suficiente entre as edições para não serem diretamente comparáveis. Em 2013, o tipo de câncer é registrado como uma única variável. Em 2019, passou a ser um conjunto de flags binárias independentes, o que permite mais de um tipo por pessoa, mas essa edição removeu a variável de idade no diagnóstico que existia em 2013. Foram produzidos três recortes por edição: quem relatou diagnóstico de câncer, o rastreamento de colo do útero, e o rastreamento de mama, estes dois últimos cobrindo todas as mulheres entrevistadas, independente de diagnóstico prévio.
Bases disponibilizadas:
- pns_2013_diagnostico_cancer.parquet / pns_2019_diagnostico_cancer.parquet - Diagnóstico, tipo de câncer, e (só em 2013) idade no diagnóstico e limitação nas atividades.
- pns_2013_rastreamento_colo_utero.parquet / pns_2019_rastreamento_colo_utero.parquet - Rastreamento preventivo (Papanicolau): última vez que fez, motivo de não ter feito e encaminhamento após resultado (só 2019), se foi pelo SUS, histerectomia.
- pns_2013_rastreamento_mama.parquet / pns_2019_rastreamento_mama.parquet - Rastreamento de mama (exame clínico das mamas e mamografia): resultado e encaminhamento.
Observação: por serem arquivos volumosos e sujeitos aos termos de uso de download do IBGE, os microdados brutos são obtidos manualmente, não via automação.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Pesquisa Nacional de Saúde (PNS). Rio de Janeiro: IBGE. Disponível em: <https://www.ibge.gov.br/estatisticas/sociais/saude/9160-pesquisa-nacional-de-saude.html>.
7. Incidência e Perfil Hospitalar (Fonte: INCA)
O Instituto Nacional de Câncer (INCA) mantém dois sistemas de referência nacional: o Registro de Câncer de Base Populacional (RCBP), com estimativas de incidência por população, e o Registro Hospitalar de Câncer (RHC), com o perfil de atendimento hospitalar por unidade.
São bases estáticas, publicadas a partir de um snapshot já divulgado pelo próprio INCA. O instituto descontinuou o download integral do RCBP (a base ficou grande demais e hoje só é disponibilizada por solicitação individual) e o download do RHC exige preencher um formulário a cada consulta, sem link fixo. Por isso, essas duas bases não seguem o mesmo ciclo de atualização automática das demais fontes do projeto, são publicadas como estão.
Bases disponibilizadas:
- cancer_populacional.parquet - Estimativas de incidência de câncer por população (RCBP).
- registro_hospitalar.parquet - Perfil de atendimento hospitalar de pacientes com câncer (RHC).
BRASIL. Ministério da Saúde. Instituto Nacional de Câncer (INCA). Registro de Câncer de Base Populacional e Registro Hospitalar de Câncer. Rio de Janeiro: INCA. Disponível em: <https://www.inca.gov.br/>.
8. Câncer Relacionado ao Trabalho (Fonte: SINAN - DATASUS)
O Sistema de Informação de Agravos de Notificação (SINAN) registra as notificações de câncer relacionado ao trabalho, a única fonte deste acervo que capta a exposição ocupacional a agentes cancerígenos ao longo da vida profissional.
Cada notificação vem com ocupação, situação no mercado de trabalho, evolução do caso e a exposição a uma longa lista de agentes cancerígenos (asbesto, sílica, benzeno, radiações ionizantes e não ionizantes, antineoplásicos, cromo, níquel, aminas aromáticas, entre outros), cada um registrado como um campo próprio.
Base disponibilizada:
- cancer_relacionado_ao_trabalho.parquet - Notificações de câncer relacionado ao trabalho (agravo C80), com ocupação, situação no mercado de trabalho, exposição ocupacional a agentes cancerígenos e evolução do caso.
BRASIL. Ministério da Saúde. DATASUS. Sistema de Informação de Agravos de Notificação (SINAN). Brasília, DF: Ministério da Saúde. Disponível em: <https://datasus.saude.gov.br/sinan/>.
9. Repasses Públicos por Instituição Oncológica (Fonte: Portal da Transparência)
O Portal da Transparência do Governo Federal disponibiliza o histórico completo de convênios federais, incluindo o CNPJ do beneficiário, o que permite cruzar diretamente com o CNES.
São mantidos apenas os convênios cujo objeto menciona câncer ou oncologia, cruzados por CNPJ com a base de instituições habilitadas, com um fallback para o CNPJ da entidade mantenedora quando a unidade não tem CNPJ próprio (algo comum em hospitais universitários e redes como a EBSERH, sinalizado explicitamente na base). É a fonte com a cadência de atualização mais frequente do projeto: o histórico completo é atualizado semanalmente.
Base disponibilizada:
- convenios_cancer.parquet - Convênios federais com objeto relacionado a câncer/oncologia, já cruzados com a instituição beneficiária (nome, endereço, geolocalização, sinalizador adulto/pediátrico).
BRASIL. Controladoria-Geral da União (CGU). Portal da Transparência. Brasília, DF: CGU. Disponível em: <https://portaldatransparencia.gov.br/>.
10. Base Auxiliar (Macrorregião de Saúde)
Para permitir cruzamentos geográficos entre as demais bases, o projeto conta com uma base auxiliar de referência, construída a partir de dados abertos do Ministério da Saúde, associando cada município brasileiro à sua macrorregião e região de saúde.
Base disponibilizada:
- geo_macroregiao.parquet - Municípios brasileiros associados às suas macrorregiões de saúde, regiões de saúde, UF e coordenadas geográficas.
Cobertura Histórica
O repositório combina diferentes janelas temporais, de acordo com a fonte:
- SIM/DATASUS (mortalidade): série histórica desde 1979 (CID-9) até o ano corrente (CID-10 preliminar), com atualização contínua.
- Painel de Oncologia: desde 2013, com atualização contínua.
- SIASUS (quimio/radio/medicamentos): desde 2008, com atualização contínua.
- SISCAN (rastreamento colo/mama): dado agregado, desde 2013.
- CNES (Estabelecimentos/Habilitações/Leitos): retrato do mês mais recente disponível (não histórico).
- SINAN (câncer do trabalho): notificações a partir dos anos 2000.
- Portal da Transparência (Convênios): acumulado desde 1996, atualizado semanalmente - é a fonte com a cadência de atualização mais frequente do projeto.
- PNS/IBGE: edições pontuais de 2013 e 2019 (periodicidade do próprio inquérito).
- INCA (RCBP/RHC): snapshots estáticos, na cobertura temporal da última extração disponível antes da descontinuação do download integral.
Estrutura de Pastas do Dataset
cnes/
cnes_instituicoes_oncologia.parquet
datasus_sim/
obitos_cancer_cid9.parquet
obitos_cancer_cid10.parquet
obitos_cancer_prelim.parquet
obitos_cancer_resumo_anual.parquet
datasus_po/
painel_oncologia.parquet
datasus_siasus/
siasus_quimioterapia.parquet
siasus_radioterapia.parquet
siasus_medicamentos_oncologicos.parquet
datasus_siscan/
cito_colo_residencia.parquet, cito_colo_atendimento.parquet
histo_colo_residencia.parquet, histo_colo_atendimento.parquet
mamografia_residencia.parquet, mamografia_atendimento.parquet
cito_mama_residencia.parquet, cito_mama_atendimento.parquet
histo_mama_residencia.parquet, histo_mama_atendimento.parquet
datasus_sinan/
cancer_relacionado_ao_trabalho.parquet
ibge/
pns_2013_diagnostico_cancer.parquet, pns_2019_diagnostico_cancer.parquet
pns_2013_rastreamento_colo_utero.parquet, pns_2019_rastreamento_colo_utero.parquet
pns_2013_rastreamento_mama.parquet, pns_2019_rastreamento_mama.parquet
inca/
cancer_populacional.parquet
registro_hospitalar.parquet
transparencia/
convenios_cancer.parquet
macroregiao/
geo_macroregiao.parquet
onco360-metadados.csv -- manifesto de todos os arquivos: fonte(s), descrição,
contagem de registros, tamanho e data de modificaçãoLicença e Créditos
Este projeto opera sob um modelo duplo de licenciamento:
- Dataset Consolidado: Os dados gerados e publicados no Kaggle são disponibilizados sob licença CC0 1.0 (Domínio Público), referente estritamente ao trabalho de curadoria e harmonização.
- Código-fonte: A arquitetura e os scripts do pipeline (no GitHub) estão licenciados sob a GNU GPLv3. O uso corporativo da infraestrutura de código e automação exige a manutenção do código aberto ou parceria comercial direta.
Os dados originais permanecem de titularidade das instituições de origem, que devem ser citadas ao utilizar cada fonte individualmente - detalhes completos no README do repositório.
- 📊 Acesse os dados: Disponíveis no Kaggle
- 💻 Conheça o código e a documentação: Acesse o repositório no GitHub
- ⭐ Apoie: Deixe uma estrela no repositório para dar visibilidade ao projeto!
💡 Se você trabalha com dados da saúde, oncologia ou demografia no Brasil, dá uma olhada, deixa um comentário e compartilha com quem usa esses dados no dia a dia.
📩 E se a sua organização precisa de ajuda para internalizar inteligência de dados, integrar essas fontes em nuvem ou estruturar pipelines customizados na área da saúde, me chame no inbox para conversarmos!
Raphael Trindade é cofundador, CTO e Head de Estratégia da Vecthos e mantém o DataHub Brasil. Siga no LinkedIn ↗
