Artigo publicado no Sensors apresenta novas formas de predizer a pandemia
Desde o início da pandemia, pesquisadores do Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI) unem esforços para contribuir no controle da Covid-19. Um dos modelos de maior repercussão foi a ferramenta Info Tracker, que monitora o avanço da doença e utiliza matemática e inteligência artificial para projetar o número de infecções, óbitos e pacientes recuperados no estado de São Paulo e demais regiões do Brasil.
A plataforma que está orientando jornalistas, profissionais da área de saúde, órgãos governamentais, entre outros, tem passado por constantes evoluções e originou uma recente publicação no periódico Sensors. Denominado Towards Providing Effective Data-Driven Responses to Predict the Covid-19 in São Paulo and Brazil e desenvolvido em colaboração pelo cientista da computação, Fabio Amaral (Unesp/Presidente Prudente), pelos pesquisadores Wallace Casaca (Unesp/Rosana), Cassio Oishi (Unesp/Presidente Prudente) e pelo diretor do CeMEAI, José Alberto Cuminato (USP/São Carlos), o artigo é mais uma contribuição matemática online de acesso gratuito envolvendo a coleta e exploração de dados de séries temporais da Covid-19.
“Este trabalho apresenta uma ferramenta computacional que combina dados atualizados da Covid-19 para gerar projeções dos novos casos de infectados e óbitos, além da taxa de transmissão do vírus por região do estado de São Paulo e do Brasil. A plataforma computacional, que está disponível ao público em www.spcovid.net.br, pode ser utilizada para nortear as ações do poder público como, por exemplo, o gerenciamento hospitalar, no contexto das ocupações em enfermarias e UTIs. Vale destacar ainda que, de acordo com os resultados do artigo, a metodologia também apresentou resultados robustos para as projeções das demais regiões do Brasil, além de outros países como Portugal, Itália e Ucrânia. É importante pontuar também que o modelo pode ser estendido com a incorporação dos efeitos da vacinação na redução da taxa de contágio, fornecendo assim mais informações à população sobre o controle da pandemia”, explicou Cássio Oishi.
Wallace Casaca conta que o artigo propõe um novo método baseado em dados de previsão, combinando o modelo epidemiológico matemático chamado Susceptível-Infeccioso-Recuperado-Falecido com técnicas de Inteligência Artificial para melhor ajustar os parâmetros do modelo a fim de prever infecções, recuperações, mortes e reprodução viral. “Mostramos neste artigo que o preditor obtido a partir da nossa metodologia é capaz de lidar com amostras de dados mal comportadas ao mesmo tempo em que fornece previsões acuradas para os próximos 10 dias futuros”, disse.
“A publicação traz contribuições importantes como o uso da Inteligência Computacional como estratégia de customização de modelos epidemiológicos estritamente matemáticos, o que torna viável a obtenção de predições mais acuradas e compatíveis com a realidade de cada região do estado e do país, respeitando a dinâmica de contágio e evolução da pandemia nessas regiões. Outro avanço explorado no trabalho foi a criação de um mecanismo sensível à identificação de amostras mal condicionadas nos dados, as quais poderiam refletir algum represamento ou possíveis atrasos na atualização dos dados”.
Sobre o CeMEAI
O Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI), com sede no Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, é um dos Centros de Pesquisa, Inovação e Difusão (CEPIDs) financiados pela FAPESP.
O CeMEAI é estruturado para promover o uso de ciências matemáticas como um recurso industrial em três áreas básicas: Ciência de Dados, Mecânica de Fluidos Computacional e Otimização e Pesquisa Operacional.
Além do ICMC-USP, CCET-UFSCar / IMECC-UNICAMP / IBILCE-UNESP / FCT-UNESP / IAE e IME-USP compõem o CeMEAI como instituições associadas.
Mais informações:
Assessoria de Comunicação do CeMEAI
E-mail: contatocemeai@icmc.usp.br
Por Raquel Vieira – Comunicação CeMEAI