Mapa digital de cidade brasileira com redes neurais e dados

Machine Learning + Epidemiologia

Inteligência Artificial no combate à dengue

Cruzamos dados climáticos e epidemiológicos por meio de Machine Learning para prever surtos de dengue, oferecendo aos gestores públicos insights precisos para direcionar intervenções e políticas de saúde com maior eficiência.

10 Anos de dados

4.2M Casos globais (2019)

5 Componentes PCA

73.5% Acurácia do modelo

Scroll

01 — O problema

Uma ameaça constante
e complexa

Desde 1981, a dengue se consolidou como endemia no Brasil. A complexidade de fatores torna o controle e a previsão extremamente desafiadores.

Mosquito Aedes aegypti em ambiente urbano brasileiro

Múltiplas variantes

Os sorotipos DENV-1 a DENV-4 circulam pelo território nacional. A infecção por um tipo não oferece imunidade contra os outros, mantendo a população suscetível.

Impacto sazonal severo

Em 2019, uma nova variante do DENV-2 provocou um aumento de até 149% nos casos em alguns estados brasileiros.

Condições favoráveis ao vetor

O clima tropical oferece condições ideais para a reprodução do Aedes aegypti, intensificado pelo descarte inadequado de resíduos e falta de saneamento.

02 — Nossa abordagem

Democratizando a previsão
com inteligência artificial

Aplicamos o que há de mais moderno em Machine Learning. Estudos recentes já demonstram que o cruzamento de dados ambientais pode prever surtos de dengue.

Automação avançada

Incorporamos ferramentas como AutoML e TPOT, que utiliza programação genética para explorar milhares de possibilidades e encontrar a configuração ideal de previsão.

Acessibilidade

Além de acelerar a produção de modelos preditivos, nossa abordagem visa democratizar o uso da IA, tornando o Machine Learning acessível a um público mais amplo.

Foco no resultado

Objetivo central: oferecer um método mais rápido, otimizado e eficiente para prever surtos de dengue antes que eles aconteçam.

Vista aérea de cidade brasileira com rede de dados sobreposta

03.1 — Fontes de dados

Duas realidades, uma inteligência

Epidemiológico

DATASUS

Histórico completo de casos de dengue em Presidente Prudente (SP) entre 2014 e 2024, analisados semana a semana por meio de semanas epidemiológicas.

Climático

INMET

Dados meteorológicos horários do Instituto Nacional de Meteorologia para o mesmo período de 10 anos: temperatura, umidade, precipitação e pressão atmosférica.

Os dados climáticos foram minuciosamente tratados para preencher lacunas e ajustados em médias semanais para sincronizar perfeitamente com os registros médicos da dengue.

Pluviômetro em campo aberto com UBS do SUS ao fundo em cidade brasileira

03.2 — Análise PCA

Encontrando a agulha
no palheiro

Com milhares de pontos de dados, utilizamos a Análise de Componentes Principais para reduzir a complexidade e revelar as variáveis de maior impacto.

PC1

O peso do longo prazo

A temperatura do ponto de orvalho e a chuva acumulada ao longo de várias semanas (4-8 semanas) são os fatores mais fortes. O clima de semanas atrás dita o surto de hoje.

PC2

O choque térmico

Flutuações marcantes nas temperaturas e na pressão atmosférica ditam o ritmo diário e sazonal do vetor.

PC3

Eventos extremos

Variações abruptas (secas intensas ou chuvas torrenciais repentinas) funcionam como gatilhos rápidos para a doença.

PC4

Vento e umidade

Nuances no comportamento dos ventos e da umidade relativa completam o quebra-cabeça da proliferação do Aedes aegypti.

PC5

Ventilação urbana

Velocidade média do vento e rajadas máximas revelam como a ventilação afeta a dinâmica do mosquito.

Prisma de vidro refratando luz caótica em cinco feixes verdes distintos

04 — Impacto

De dados a ações
direcionadas

O verdadeiro valor dos dados está em como eles são utilizados. Nossa ferramenta transforma registros brutos em inteligência estratégica.

Intervenções direcionadas

Insights mais precisos e tempestivos para as autoridades de saúde pública, permitindo ação antes que o surto se espalhe.

Otimização de recursos

Campanhas de conscientização e medidas de controle aplicadas nos locais e momentos corretos, antes que o surto aconteça.

Colaboração interdisciplinar

Integração entre epidemiologia, climatologia e ciência de dados para mitigar o impacto de doenças transmitidas por vetores.

Gestora de saúde pública analisando dashboard de risco de dengue

05 — Além da dengue

Dengue é o piloto.
O modelo é replicável.

Qualquer doença cuja incidência varia com o clima pode ser prevista com a mesma abordagem. O motor é genérico; os dados mudam. Para a indústria farmacêutica, isso significa antecipar demanda com semanas de vantagem.

Arboviroses

Dengue, zika, chikungunya, febre amarela urbana. Mesmo vetor, mesma lógica climática.

Doenças respiratórias

Gripe, bronquite, asma sazonal, pneumonia. Picos de inverno previsíveis por padrões climáticos.

Alergias sazonais

Rinite, conjuntivite, dermatite atópica. Umidade e temperatura ditam a demanda por anti-histamínicos.

Vista aérea de cidade brasileira com rede de dados

Inteligência Artificial no combate à dengue