El aprendizaje automático se puede utilizar para predecir brotes de dengue

un nuevo modelo de aprendizaje automáticoadaptado a la realidad brasileña, es capaz de predecir brotes de enfermedades como dengue, zika y chikungunya en barrios específicos de una ciudad, como la capital de Río de Janeiro. Artículo Predicción de brotes de dengue con aprendizaje automático explicable recibió el premio al mejor artículo en el Taller Internacional AI4Healthcelebrada en mayo de este año, en Italia.

Los investigadores utilizaron datos abiertos, de diferentes bases de datos, de la metrópoli de Río de Janeiro. Para calcular las probabilidades de una posible epidemia, el algoritmo utiliza indicadores como el número de casos de dengue en un barrio y en barrios aledaños, información de la Encuesta Índice Rápido para Aedes aegypti (LIRAa) y datos ambientales -temperatura y precipitación-, demográficos y espaciales. A futuro, la idea es que este modelo de aprendizaje automático para predecir brotes de dengue se adapte a otros municipios del país.

A pesar de verse parcialmente eclipsadas por la pandemia de Covid-19, las enfermedades infecciosas estacionales siguen siendo un desafío en Brasil. A mediados de junio de 2022, las muertes por dengue se habían más que duplicado con relación a todo 2021 en el país.

El objetivo del estudio es proporcionar un modelo que agilice el análisis de datos y ayude a las autoridades sanitarias a comprender los motivos de las predicciones de brotes, permitiéndoles planificar mejor sus acciones para tener tiempo de actuar, con la ayuda de la inteligencia artificial.

La investigación fue realizada por Robson Aleixo en su maestría en informática de la Universidad de São Paulo (USP), bajo la orientación del profesor Raphael Yokoingawa de Camargo, de la Universidad Federal del ABC (UFABC), en el ámbito de la Proyectos Temáticos “Internet do future aplicado a las ciudades inteligentes” y el INCT 2014: da Internet do Futuro, coordinado por el profesor Fábio Kon, de la USP, con el apoyo de la FAPESP. En este trabajo también participaron Marcela Santos Camargo y Rudi Rocha, del Instituto de Estudios de Políticas de Salud (IEPS) de la Escuela de Administración de Empresas de São Paulo (FGV).

Para los investigadores, esta puede ser una herramienta valiosa para que un directivo replantee sus estrategias y redirija los recursos necesarios a las áreas más afectadas.

“El gran diferencial de la inteligencia artificial es identificar comportamientos y patrones de datos históricos para dar visibilidad a lo relevante para el análisis y la elaboración de acciones preventivas. Por ejemplo, preocuparse por acciones que aborden brotes de dengue puede traer más beneficios que construir un nuevo establecimiento de salud en esa región”, agrega Aleixo.

diferenciales del proyecto

Los investigadores explican que ya había varios estudios, tanto aquí en Brasil como en otros países tropicales, que utilizaron datos climáticos (lluvia, temperatura y humedad del aire) para predecir casos de dengue. Pero solo pudieron entregar resultados más precisos durante uno o dos meses, no hicieron evaluaciones detalladas por vecindario y, lo que es más importante, no proporcionaron explicaciones para las predicciones.

Camargo dice que, en realidad, es como si el modelo ayudara a hacer lo que un empleado del ayuntamiento haría manualmente, pero a mucha mayor velocidad y con una mirada más atenta y sistémica, encontrando patrones difíciles de percibir por un humano.

El modelo mostró que el factor más importante para determinar si un barrio tiene más o menos probabilidades de tener un brote en un período determinado es la cantidad de casos registrados en el último mes. El segundo factor sería el historial de casos de dengue en ese barrio en comparación con el resto de la ciudad.

Y, en tercer lugar, la evaluación de las precipitaciones: si llovió o no mucho en la región y cómo fue la temperatura. Sin embargo, esto influye en el desarrollo de las larvas de la Aedes aegypti. “Finalmente, también vimos que evaluar las condiciones de los barrios vecinos es importante, aunque haya barrios muy cercanos donde hubo muchos casos. Todo eso servirá para generar un conjunto de predicciones para cada barrio”, dice Camargo.

+ Lea también: ¿Cómo tratar el zika?

Próximos pasos

Para ser utilizado por la alcaldía de Río de Janeiro o cualquier otro municipio, el modelo aún necesita ser mejorado. Entre otras cosas, es necesario obtener una interfaz que permita a los usuarios que no dominan los lenguajes de programación encontrar fácilmente su información.

“Y habría que mejorar el modelo con mejores características, como pensar en cómo pueden interferir los serotipos del dengue y otros indicadores de la enfermedad, además de incorporar técnicas avanzadas de series temporales junto con el modelo de árbol de decisión e incluir datos de nuevas regiones” , enfatiza Camargo.

*Este texto fue producido originalmente por Agência Fapesp