Aprendizado de máquina pode ser utilizado para prever surtos de dengue

 Um novo modelo de machine learning, adaptado à realidade brasileira, é capaz de prever com até três meses de antecedência surtos de doenças como dengue, zika e chikungunya em bairros específicos de uma cidade, como, por exemplo, a capital do Rio de Janeiro. O artigo Predicting Dengue Outbreaks with Explainable Machine Learning recebeu o prêmio de melhor artigo no Workshop Internacional AI4Health, realizado em maio deste ano, na Itália.

Os pesquisadores utilizaram dados abertos, de diferentes bases, da metrópole fluminense. Para calcular as probabilidades de uma possível epidemia, o algoritmo utiliza indicadores como o número de casos de dengue em um bairro e em bairros vizinhos, informações do Levantamento Rápido de Índices para Aedes aegypti (LIRAa) e dados ambientais – temperatura e precipitação –, demográficos e espaciais. Futuramente, a ideia é que esse modelo de aprendizado de máquina para predição dos surtos de dengue seja adaptado para outros municípios do país.

Apesar de parcialmente ofuscadas pela pandemia da Covid-19, as doenças infecciosas sazonais seguem sendo um desafio no Brasil. Até meados de junho de 2022, as mortes por dengue mais que dobraram em relação a todo o ano de 2021 no país.

O objetivo do estudo é fornecer um modelo que agilize a análise dos dados e ajude as autoridades de saúde a entender as razões para as previsões dos surtos, permitindo que planejem melhor as suas ações para terem tempo de agir, com a ajuda da inteligência artificial.

A pesquisa foi realizada por Robson Aleixo em seu mestrado em ciência da computação pela Universidade de São Paulo (USP), sob a orientação do professor Raphael Yokoingawa de Camargo, da Universidade Federal do ABC (UFABC), no âmbito dos Projetos Temáticos “Internet do futuro aplicada a cidades inteligentes” e do INCT 2014: da Internet do Futuro , coordenados pelo professor Fábio Kon, da USP, apoiados pela FAPESP. Também participaram deste trabalho Marcela Santos Camargo e Rudi Rocha, do Instituto de Estudos de Políticas de Saúde (IEPS) da Escola de Administração de Empresas de São Paulo (FGV).

Para os pesquisadores, este pode ser um instrumento valioso para um gestor repensar suas estratégias e redirecionar os recursos necessários para as áreas mais afetadas.

“O grande diferencial da inteligência artificial é identificar comportamentos e padrões dos dados históricos para dar visibilidade ao que é relevante para a análise e a elaboração de ações preventivas. Por exemplo: preocupar-se com ações que lidam com focos de dengue pode trazer mais benefícios do que construir um novo estabelecimento de saúde naquela região”, complementa Aleixo.

Diferenciais do projeto

Os pesquisadores explicam que já existiam vários trabalhos, tanto aqui no Brasil quanto em outros países tropicais, que usavam dados do clima (precipitação, temperatura e umidade do ar) para prever os casos de dengue. Mas eles só conseguiam entregar resultados mais precisos para um ou dois meses, não faziam avaliações detalhadas por bairros e, principalmente, não forneciam explicações para as predições.

Camargo conta que, na verdade, é como se o modelo ajudasse a fazer o que um funcionário da prefeitura realizaria manualmente, mas em uma velocidade muito maior e com um olhar mais atento e sistêmico, encontrando padrões difíceis de serem percebidos por um humano.

O modelo mostrou que o fator mais importante para determinar se um bairro tem mais ou menos chances de um surto em determinado período é o número de casos registrados no último mês. O segundo fator seria o histórico de casos de dengue daquele bairro em comparação com o restante da cidade.

E, em terceiro lugar, a avaliação dos índices de precipitação: se choveu muito ou não na região e como ficou a temperatura. Ora, isso influencia no desenvolvimento das larvas do Aedes aegypti. “Por fim, também vimos que avaliar as condições dos bairros vizinhos é importante, inclusive se existem bairros muito próximos em que houve muitos casos. Tudo isso será usado para gerar um conjunto de predições para cada bairro”, destaca Camargo.

+Leia também: Como tratar o zika?

Próximos passos

Para ser utilizado pela prefeitura do Rio de Janeiro ou de qualquer outro município, o modelo ainda precisa ser melhorado. Entre outras coisas, é necessário ganhar uma interface que permita ao usuário que não domine as linguagens de programação encontrar facilmente suas informações.

“E precisaríamos aprimorar o modelo com melhores características como, por exemplo, pensar como os sorotipos da dengue e outros indicadores da doença poderiam interferir, além de incorporar técnicas avançadas de séries temporais em conjunto com o modelo de árvores de decisão e incluir dados de novas regiões”, ressalta Camargo.

*Este texto foi produzido originalmente pela Agência Fapesp