O COVID-SGIS: Como a Inteligência Computacional pode auxiliar no monitoramento, análise e predição espaço-temporal da Covid-19?

Resumo

Desde do primeiro surto da doença, em  dezembro de 2019, a sociedade começou a conviver com o novo coronavírus. Esta doença teve uma rápida propagação e, em cerca de três meses, já tinha chegado em todos os continentes. A Covid-19 foi, portanto, vista como uma significativa ameaça à saúde pública global e, devido a sua distribuição geográfica, foi declarada como pandemia pela  Organização Mundial de Saúde em 11 de março de 2022. (OPAS, 2022; DA SILVA et al., 2021). No Brasil, o primeiro caso da doença aconteceu em fevereiro de 2020 e a doença logo foi disseminada pelo resto do país (BASTOS; CAJUEIRO, 2020; LIMA et al, 2020). Atualmente, mais de 34 milhões de pessoas foram  infectadas pelo SARS-CoV-2 desde sua chegada ao Brasil(Ministério da Saúde, 2022). Nos primeiros meses da  pandemia, não havia vacinas nem um tratamento específico para tal doença, sendo assim, as medidas de contenção do vírus eram essenciais para evitar o colapso do sistema público de saúde. Além disso, a extensão territorial do país pode ser um obstáculo tanto nas políticas de contenção quanto no direcionamento de recursos físico e humano levando em consideração as regiões mais críticas. Diante deste cenário, a solução pensada foi criar um sistema usando inteligência artificial e ferramentas de georreferenciamento para auxiliar os agentes de saúde pública no planejamento de estratégias eficazes para combater o novo coronavírus. Assim foi criado o COVID-SGIS é uma ferramenta de análise, monitoramento e predição temporal e espaço-temporal em tempo real de Covid-19 aplicada às cidades brasileiras usando uma abordagem de aprendizado de máquina. Para o modelo temporal, foram utilizados os dados de casos confirmados e óbitos dos estados brasileiros  no banco de dados do portal Brasil.io. Já para o modelo espaço-temporal, foram usados os dados de casos confirmados e óbitos do banco de dados do portal Brasil.io, e dados de latitude e longitude de cada um dos municípios brasileiros. Na abordagem temporal, diariamente o rastreador web SGIS do software criado adota os dados do portal Brasil.io. Na etapa seguinte, são feitos os conjuntos de treinamento para os quais os modelos são criados para  o número de casos confirmados e mortes de Covid-19. Em seguida,  são criados modelos ARIMA (Modelo Autorregressivo de Média Móvel Integrado) para a predição do número de casos e mortes para cada um dos estados brasileiros com um horizonte de 6 dias, com um intervalo de confiança de 95%.  Na abordagem espaço-temporal, o software obtém os dados de casos e mortes diárias para cada uma das cidades brasileiras no portal Brasil.io. Em seguida, calcula-se  o número de casos acumulados e óbitos e as coordenadas de cada município e esses dados são enviados para o módulo de interpolação do software (para criar a distribuição de casos usando a latitude e longitude do centro do município) para montar os conjuntos de treino. Desta forma, são gerados mapas de predição de 3 dias consecutivos para prever o mapa de distribuição do dia seguinte. Na abordagem temporal, as previsões ficaram dentro dos limites do IC de 95%, com erros (RMSE%) entre 2,56 e 6,50%, e nos dias com previsões fora do intervalo de IC os erros com relação ao pior cenário não ultrapassaram 5% (DA SILVA et al., 2021). Na abordagem espaço-temporal, as predições estavam dentro do IC de 95%, sendo os melhores resultados de predição foram com regressão linear, para Pernambuco os resultados de coeficientes de correlação acima de 0,99 e erro (RMSE%) menor que 4%, já para o Brasil os coeficientes de correlação também foram superiores a 0,99 e erros por volta de 5% (LIMA et al, 2020). Além do baixo tempo de treinamento, entre 0,00 e 0,04 segundos e desvio padrão médio de 0,01. Assim, o COVID-SGIS é uma importante ferramenta para auxiliar na tomada de decisões e no planejamento estratégico para combate ao Covid-19.