Dado aberto só vale com qualidade declarada

No dia 28 de outubro de 2026, o Ministério da Saúde publicou a Portaria GM/MS nº 12.301, que institui a Política Nacional de Informação e Saúde Digital, a PNISD. É um texto longo, com princípios, diretrizes, competências e regras de financiamento. Quem trabalha com tecnologia em saúde vai lê-lo procurando prazos, obrigações e oportunidades. Nós também fizemos isso.

Mas, entre os artigos, há uma ideia que merece atenção própria, porque muda a forma como o país deveria olhar para os seus dados de saúde. A política não se compromete apenas a abrir dados. Ela se compromete a abri-los “observados padrões mínimos de qualidade” e a monitorar, de forma contínua, “o uso e a qualidade das bases de dados abertas”. Pela primeira vez com essa clareza, a qualidade do dado público deixa de ser um detalhe técnico e passa a ser uma meta de Estado.

Este texto é sobre essa ideia. Nós acreditamos que ela é o ponto de virada mais importante da nova política, e que vale a pena levá-la até o fim. A nossa tese cabe numa frase: dado aberto só vale com qualidade declarada.

Não basta que o dado esteja disponível. Não basta, nem mesmo, que ele seja bom. Quem usa um número sobre a saúde pública para decidir alguma coisa precisa saber quanto pode confiar nele, onde ele falha e para que ele não serve. Sem isso, a abertura de dados produz mais tabelas, mas não necessariamente mais evidência.

O que a nova política acerta

É justo começar pelo que a PNISD faz bem, e ela faz bem muita coisa.

A política trata os dados em saúde como “ativos estratégicos institucionais” do SUS. Coloca a “qualidade e a integridade dos dados” entre os seus princípios, ao lado da proteção de dados pessoais, da segurança da informação e da transparência. Não é pouca coisa. Durante muito tempo, falar de dados no SUS era falar de sistemas: qual software registra o quê, quem alimenta, quem consulta. A PNISD muda o foco do sistema para o dado, e do dado para o uso que se faz dele.

Ela também acerta ao amarrar a informação à decisão. Uma das diretrizes é “a gestão do Sistema Único de Saúde orientada por evidências, mediante utilização estratégica de dados e informações em saúde”. Entre os objetivos estão “aprimorar a qualidade e o uso de dados em saúde para subsidiar decisões baseadas em evidências” e “desenvolver indicadores de monitoramento e avaliação das políticas e ações de saúde”. O recado é claro: o dado não existe para ser guardado, existe para orientar escolhas.

O terceiro acerto é a abertura. A política se compromete a “promover a abertura de dados, inclusive geoespacializados, observados padrões mínimos de qualidade, de forma a promover a transparência, facilitar o entendimento e a reutilização das informações”. O Brasil já tem uma das maiores tradições do mundo em dados públicos de saúde. As bases do DATASUS são usadas há décadas por pesquisadores, gestores, jornalistas e empresas, dentro e fora do país. Reafirmar esse compromisso numa política nacional é uma notícia excelente.

E há um quarto acerto, mais discreto, que talvez seja o mais importante de todos. Ao tratar do monitoramento da própria política, o texto inclui, entre o que será acompanhado, “o uso e a qualidade das bases de dados abertas no âmbito do Plano de Dados Abertos do Ministério da Saúde”. A qualidade do dado aberto vira um indicador. Algo que será medido, acompanhado e cobrado.

A direção é a certa. O desafio, como sempre, está em transformar direção em prática. E é aqui que vale perguntar: o que, exatamente, significa qualidade quando falamos de dado aberto de saúde?

O caminho do dado até a decisão

Para entender por que a qualidade precisa ser declarada, e não apenas buscada, vale seguir o caminho de um dado de saúde pública.

Tudo começa num atendimento. Um paciente é internado, recebe um medicamento de alto custo, faz uma sessão de quimioterapia ou passa por um exame. Alguém registra esse atendimento num sistema local, com os códigos que o SUS exige: o procedimento, o diagnóstico, o estabelecimento, o município, a data. Esse registro segue para o município ou para o estado, que o consolida, confere e envia ao Ministério da Saúde. O Ministério processa, aplica as regras do sistema nacional, aprova ou rejeita, e um dia publica o resultado como arquivo aberto.

Esse arquivo é o que chega a quem analisa. E ele carrega, sem avisar, as marcas de cada etapa do caminho.

Carrega a forma como cada estabelecimento registra, que não é igual em todo o país. Carrega as regras de processamento do sistema, que mudam de tempos em tempos. Carrega o calendário administrativo, que nem sempre coincide com o calendário do cuidado. Carrega decisões de publicação, como o que se mantém, o que se omite e o que se protege. E carrega, às vezes, simples falhas: um arquivo que chegou incompleto, um campo que deixou de ser preenchido, um código que mudou de significado.

Nada disso é defeito de caráter de quem produz o dado. É a natureza de um sistema de informação que atende mais de 200 milhões de pessoas, em milhares de estabelecimentos, há décadas. O problema não está em o dado ter limites. O problema está em os limites ficarem invisíveis.

Quando o arquivo vira uma tabela, a tabela vira um gráfico e o gráfico vira um slide, os limites vão sendo apagados a cada passo. O que chega à mesa de quem decide é um número limpo, redondo, sem nenhuma das ressalvas que ele deveria carregar. E um número sem ressalvas transmite uma confiança que ele, muitas vezes, não merece.

As armadilhas que ninguém vê

Quem trabalha todos os dias com o dado público de saúde aprende a desconfiar dele com carinho. Ninguém desconfia porque o dado é ruim. A desconfiança vem de saber que ele tem um jeito próprio de dizer as coisas. Alguns exemplos ajudam a mostrar o que fica invisível quando a qualidade não é declarada.

Boa parte do que descrevo aqui eu aprendi mantendo dois projetos abertos. O DataHub Brasil reúne as bases do DATASUS, da ANS e do IBGE num formato pronto para exploração. Só a produção ambulatorial do SUS passa de 5 bilhões de registros. O Onco-360 consolida os dados públicos de oncologia, que estão espalhados em sistemas que não conversam entre si. Os dois têm código aberto e dados livres para qualquer pessoa usar. Cada armadilha abaixo apareceu, em algum momento, no meio desse trabalho.

O mês que ainda não terminou. Um mês de atendimento não se fecha no último dia do mês. Os registros continuam chegando por algum tempo, à medida que os estabelecimentos enviam a sua produção. Quem olha para os meses mais recentes de uma série costuma ver uma queda. A queda não aconteceu: aqueles meses apenas ainda estão incompletos. Sem essa ressalva, um gestor pode concluir que um programa está perdendo pacientes justamente quando ele está crescendo.
O mês que engoliu o anterior. Quando um estado deixa de enviar um mês e manda a produção acumulada no mês seguinte, a série mostra um buraco seguido de um pico. Lidos sem cuidado, os dois parecem eventos reais: uma interrupção do serviço e depois uma explosão de demanda. Na verdade, o total é o mesmo, e só o calendário administrativo mudou.
A autorização que não é entrega. Em vários procedimentos, o registro público mais completo é o da autorização, e não o do ato em si. Contar autorizações é útil, mas é diferente de contar medicamentos entregues ou tratamentos realizados. A diferença pode ser pequena num lugar e grande em outro, e quem não sabe disso compara coisas que não são comparáveis.
A porta que não é a casa inteira. Cada base pública enxerga uma porta de entrada do sistema: a internação, o ambulatório, a farmácia de um programa específico. Um número tirado de uma única porta é um piso, não um total. Dizer “quantas pessoas recebem determinado tratamento pelo SUS” a partir de uma só base, sem dizer que é um piso, é uma afirmação mais forte do que o dado sustenta.
O lugar que não é o que parece. Um mesmo registro pode trazer mais de um município: onde o paciente mora, onde foi atendido, quem respondeu pela gestão. Em alguns contextos, um desses campos é preenchido de um jeito que não corresponde ao que o nome sugere. Um mapa feito com o campo errado mostra uma geografia do cuidado que não existe.
O código que mudou de significado. As tabelas de procedimentos, diagnósticos e estabelecimentos são atualizadas ao longo dos anos. Um código pode ser criado, extinto, desdobrado ou ter a regra de uso alterada. Uma série histórica que atravessa essas mudanças sem tratá-las mostra tendências que são, na verdade, mudanças de regra.

Nenhuma dessas armadilhas é segredo para quem conhece as bases. Todas elas, porém, desaparecem quando o número sai do arquivo e chega à decisão. E cada uma delas pode levar a uma conclusão errada, com dinheiro público, política de saúde e cuidado de pessoas em jogo.

Qualidade declarada: o princípio

Se as armadilhas são conhecidas, por que elas continuam fazendo estrago? Porque a qualidade costuma ser tratada como uma etapa escondida do trabalho. O analista experiente limpa o dado, corrige o que dá, anota mentalmente o que não dá, e entrega o resultado. O conhecimento sobre os limites fica na cabeça dele, ou num comentário perdido no código. Quem recebe o número não recebe esse conhecimento.

Qualidade declarada é inverter essa lógica. Ela tem três elementos.

Primeiro, a qualidade é medida, e não presumida. Não basta acreditar que o arquivo está completo ou que o campo está preenchido. É preciso medir, toda vez que um dado novo chega, se ele se comporta como deveria: se o volume faz sentido diante do histórico, se os campos têm o que deveriam ter, se as regras conhecidas se mantêm, se as fontes conversam entre si. A medida tem que ser sistemática e repetível, porque a qualidade de um dado pode mudar de um mês para o outro sem que ninguém avise.
Segundo, a qualidade viaja com o número. Cada resultado que sai para uso deveria levar junto o seu grau de confiança e os seus cuidados: o que esse número mede de fato, qual a margem conhecida, quais meses ainda são provisórios, quais lugares têm problema, para que ele serve e para que ele não serve. Não como uma nota de rodapé que ninguém lê, mas como parte da resposta. Nós chamamos isso de ficha de confiança: uma página que acompanha cada análise e diz, em linguagem simples, o que o leitor precisa saber antes de usar o número.
Terceiro, o defeito conhecido fica visível. É tentador esconder o problema que não tem solução imediata, ou ajustar a regra para que ele pare de aparecer. Isso é o oposto de qualidade. Um defeito conhecido, explicado e visível não tira a confiança no dado: ele a aumenta, porque mostra que alguém está olhando. O que destrói a confiança é descobrir, depois da decisão tomada, um problema que alguém já conhecia.

Nada disso exige que o dado seja perfeito. Exige apenas honestidade sobre o que ele é. Um número com margem de 5% claramente declarada é mais útil do que um número apresentado como exato e que, na verdade, erra em 30%.

É essa, a nosso ver, a forma de levar a sério a ideia de “padrões mínimos de qualidade” da PNISD. O padrão mínimo não é um dado sem falhas, porque isso não existe em nenhum sistema de informação do mundo. O padrão mínimo é um dado cujas falhas são conhecidas, medidas e comunicadas.

O que muda para quem decide

A qualidade declarada não é um assunto só de técnicos. Ela muda a forma como cada pessoa que depende do dado público de saúde trabalha.

Para o gestor público. A PNISD pede que estados e municípios elaborem seus planos de ação em saúde digital, acompanhem indicadores e orientem a gestão por evidências. A política também amplia o acesso das secretarias aos dados do próprio território. É uma oportunidade enorme, e também uma responsabilidade nova. Um indicador que sobe ou desce pode definir onde investir, qual serviço expandir, qual programa rever. Se o indicador não carrega a sua qualidade, o gestor corre o risco de reagir a um artefato do dado, e não a uma mudança real na saúde da população. Com a qualidade declarada, ele sabe quando o número merece reação imediata e quando merece cautela.
Para o pesquisador. A pesquisa com dados públicos de saúde é uma das grandes forças do Brasil. Mas cada grupo de pesquisa reconstrói, por conta própria, o mesmo conhecimento sobre as armadilhas das bases: o mesmo mês incompleto, o mesmo código que mudou, o mesmo campo que não diz o que parece. Esse esforço se repete em cada tese, em cada artigo, e raramente é compartilhado de forma estruturada. Uma cultura de qualidade declarada transforma esse conhecimento disperso num bem comum, e libera o pesquisador para fazer a pergunta que importa.
Para a indústria e para quem planeja o acesso a tratamentos. Empresas de saúde, de dispositivos e de medicamentos usam o dado público para entender a realidade do SUS: quantas pessoas recebem um tratamento, onde elas estão, como o acesso evolui. Essas leituras orientam decisões de investimento, de planejamento e de diálogo com o poder público. Um número mal lido pode subestimar uma necessidade real ou superestimar um acesso que não existe. Com a qualidade declarada, essas conversas passam a acontecer sobre uma base que todos os lados conseguem verificar.
Para o cidadão. A PNISD coloca o cidadão no centro e fala em transparência, participação social e prestação de contas. Transparência de verdade não é só publicar o número. É publicar o número de um jeito que não engane quem o lê. Um conselho de saúde, um jornalista ou um cidadão interessado têm o mesmo direito que o gestor de saber o quanto podem confiar no que estão vendo.

Inteligência artificial começa no dado

Não dá para falar de saúde digital em 2026 sem falar de inteligência artificial, e a PNISD não foge do tema. Entre os seus objetivos está “fomentar o desenvolvimento e a utilização da inteligência artificial em saúde […] assegurando mecanismos de governança, supervisão humana e gestão dos riscos associados à sua aplicação”. Entre os princípios, está “o uso seguro e responsável de tecnologias emergentes em saúde, observando-se estudos e evidências antes de sua incorporação”.

É uma formulação equilibrada, e ela tem uma consequência que nem sempre aparece no debate. Todo modelo de inteligência artificial aprende com dados. Um modelo treinado ou alimentado com dados públicos de saúde herda todas as armadilhas que descrevemos acima, e faz isso em escala e com uma aparência de precisão ainda maior. Se um mês incompleto engana um analista, ele também engana um modelo. A diferença é que o analista pode desconfiar, e o modelo não desconfia de nada que não tenha sido ensinado a desconfiar.

Por isso, governança de inteligência artificial em saúde não começa no modelo. Começa no dado. Supervisão humana só é efetiva quando o humano sabe o que está supervisionando, e isso inclui saber a qualidade do que entrou no modelo. Gestão de risco só é completa quando inclui o risco de o dado de origem estar dizendo algo diferente do que parece.

A qualidade declarada é, nesse sentido, a fundação de uma inteligência artificial responsável em saúde pública. Um modelo que recebe o dado junto com a sua ficha de confiança pode ponderar, sinalizar e recusar. Um modelo que recebe o dado sem ela só pode repetir os erros com mais velocidade.

Os nossos compromissos

Na Vecthos, trabalhamos todos os dias com as bases públicas de saúde do Brasil. Transformamos esses dados em evidência para quem precisa decidir. Também mantemos projetos abertos, como o DataHub Brasil e o Onco-360, porque acreditamos que o dado público deve ser acessível a todos. E fazemos tudo isso convencidos de que o valor do nosso trabalho está tanto no número que entregamos quanto na honestidade com que dizemos o que ele vale.

Por isso, assumimos publicamente os seguintes compromissos.

Nenhum número sai sem a sua qualidade. Toda análise que entregamos vem acompanhada de uma ficha de confiança, que diz o grau de confiança da resposta, os cuidados de uso e os limites conhecidos.
Medimos antes de afirmar. A qualidade de cada dado que usamos é medida a cada nova carga, de forma sistemática e repetível, e não presumida.
O defeito conhecido fica visível. Quando encontramos um problema no dado, ele aparece na resposta, explicado, mesmo que ainda não tenha solução. Não ajustamos regras para que um problema real deixe de aparecer.
Dizemos o que o dado não diz. Um piso é chamado de piso, uma autorização é chamada de autorização, e um mês provisório é chamado de provisório. Preferimos uma resposta mais modesta e verdadeira a uma resposta mais impressionante e frágil.
Protegemos as pessoas por trás dos dados. Trabalhamos com dados agregados, aplicamos mínimos de contagem para evitar a exposição de pessoas e tratamos a privacidade como requisito de projeto, e não como etapa final.
Somos aliados do SUS. Acreditamos no Sistema Único de Saúde e no valor dos seus dados públicos. Quando encontramos um problema nas bases, nosso objetivo é ajudar a resolvê-lo, e não explorá-lo.
Inteligência artificial só sobre dado de qualidade conhecida. Qualquer uso de inteligência artificial no nosso trabalho parte de dados com a qualidade medida e declarada, com supervisão humana.

Um convite

A PNISD abriu uma janela. Nos próximos meses, o Ministério da Saúde, os estados e os municípios vão pactuar o Plano de Ação de Transformação para a Saúde Digital do SUS. É nele que princípios como “qualidade e integridade dos dados” e “padrões mínimos de qualidade” vão virar metas, indicadores e práticas.

Nós acreditamos que a qualidade declarada deveria estar nesse plano, não como uma ideia nossa, mas como uma prática de todo o ecossistema. Os dados públicos de saúde são um patrimônio do país, construído por milhões de registros feitos por profissionais do SUS todos os dias. Eles merecem ser usados com o mesmo cuidado com que foram produzidos.

Se você é gestor de uma secretaria de saúde e está pensando em como transformar dados em decisão, queremos conversar. Se é pesquisador e já tropeçou nas mesmas armadilhas que nós, queremos ouvir o que você aprendeu. Se trabalha na indústria da saúde e precisa entender a realidade do SUS com números em que possa confiar, queremos mostrar como trabalhamos.

Dado aberto é o começo. Dado aberto com qualidade declarada é evidência. E é de evidência que o SUS precisa para cuidar melhor de quem depende dele.