Um modelo de inteligência artificial conseguiu identificar tendências de crescimento e redução de casos de dengue com até quatro semanas de antecedência em 27 capitais brasileiras. O estudo, realizado por pesquisadores da Universidade Estadual Paulista (Unesp) e publicado na revista International Journal of Biometeorology, registrou o melhor desempenho em Goiânia.
A capital goiana alcançou o índice R² de 0,92, medida que indica a proximidade entre os resultados previstos e os dados observados. João Pessoa ficou em segundo lugar com 0,90, seguida por Fortaleza e Belo Horizonte, ambas com 0,87. O resultado foi obtido por meio do CatBoost, algoritmo que cruza diferentes informações para encontrar padrões.
Para o treinamento da ferramenta, a equipe utilizou dados coletados entre 1999 e 2021. A análise integrou registros da doença a variáveis como temperatura, volume de chuvas, umidade, extensão de áreas urbanizadas e indicadores econômicos. Os pesquisadores também testaram o GRU, uma rede neural de análise sequencial, que apresentou desempenho inferior e atrasos na identificação de picos epidêmicos.
A pesquisa aponta que a qualidade e a regularidade das séries históricas influenciam o aprendizado da máquina. Em Florianópolis e Porto Alegre, por exemplo, a baixa incidência histórica da doença gerou dados esparsos, o que dificultou as previsões. O estudo não detalhou o motivo específico para o sucesso do modelo em Goiânia, mas associou a precisão à consistência dos registros locais.
O modelo não prevê o número exato de doentes por semana, mas indica a direção da curva de contágio. Segundo os pesquisadores, a antecipação de tendências pode servir como instrumento de planejamento para a saúde pública, permitindo a organização de serviços e ações de enfrentamento antes que o pico de casos seja registrado.
