Em uma colaboração entre a plataforma Interscity e a Faculdade Getúlio Vargas (FGV), Robson Aleixo, mestre em ciência da computação pelo Instituto de Matemática e Estatística da Universidade de São Paulo (IME-USP), desenvolveu, a partir de um desafio, a dissertação intitulada Predição de Surtos de Dengue e Diagnóstico de Sífilis Congênita Utilizando Aprendizado de Máquina. A pesquisa propõe soluções para problemas de saúde pública, com foco principal na predição de surtos de dengue.
A escolha de estudar a dengue e a sífilis congênita foi motivada pelo desafio proposto, que considerava os problemas de saúde mais graves no município do Rio de Janeiro. Entretanto, durante o desenvolvimento da pesquisa, o modelo de aprendizado de máquina mostrou-se mais eficaz na predição de casos de dengue, levando a um redirecionamento do foco.
A sífilis congênita é uma infecção transmitida de mãe para filho durante a gestação e é causada pela bactéria Treponema Pallidum, e seu modelo de predição apresentou resultados insatisfatórios em sua fase inicial. Por outro lado, o modelo para a dengue, uma doença viral transmitida pelos mosquitos Aedes aegypti e Aedes albopictus, mostrou-se promissor, o que levou o pesquisador a prosseguir com ele.
Com o uso de dados públicos do Sistema Único de Saúde (SUS) e outras fontes, o modelo de aprendizado de máquina desenvolvido por Aleixo aplica técnicas avançadas para prever surtos de dengue em diferentes bairros do Rio de Janeiro. Utilizando dados sociodemográficos, climáticos, históricos de casos e índices de mosquito na região, o modelo demonstrou alta precisão, identificando 75% dos surtos com até três meses de antecedência.
A pesquisa também dedicou uma parte significativa à explicabilidade das previsões, utilizando a ferramenta SHAP (Shapley Additive Explanations) para fornecer visões detalhadas do impacto das variáveis nas previsões. Isso permite aos gestores de saúde entenderem melhor como fatores como temperatura e precipitação influenciam os surtos de dengue, otimizando, assim, as decisões de gestão pública.
“É para otimizar as decisões da gestão pública de forma confiável, reduzindo os custos. Você faz mais rápido, gasta menos e tem melhores resultados”, destaca Aleixo.
Este avanço mostra o potencial do aprendizado de máquina como uma ferramenta poderosa para a saúde pública, oferecendo previsões precisas e insights valiosos que podem transformar a maneira como os surtos de doenças são gerenciados. A pesquisa de Robson Aleixo pode representar um passo importante em direção a cidades mais inteligentes e preparadas para enfrentar desafios de saúde pública.
Faça um comentário