Como Big Data, IA e Sensores Avançados Estão Virando o Jogo Contra a COVID-19

Governo, profissionais de saúde e indústrias enfrentando a crise da COVID-19 estão agora se voltando para três poderosos aliados: análise de dados em larga escala, inteligência artificial e uma rede de sensores térmicos. Estas tecnologias estão ajudando a reduzir o custo de saúde pública e estabilizar a economia global.

A COVID-19 pertence à mesma família viral que causou SARS e o resfriado comum. Como um patógeno novo, pegou o mundo despreparado, e testes iniciais foram irregulares, deixando populações inconscientes de contagens de casos locais e inseguras sobre como responder. Em semanas, especialistas em IA e ciência de dados identificaram uma oportunidade clara: aproveitar ferramentas computacionais para apoiar epidemiologistas e equipes de gestão de crise.

A ciência de dados há muito sustenta intervenções de saúde pública. A primeira resposta a surto orientada por dados registrada data de 1852, quando John Snow mapeou mortes por cólera em Londres e identificou a fonte de água contaminada. Algoritmos modernos agora estendem esse legado, oferecendo insights em tempo real sobre disseminação do vírus e medidas de controle.

Vamos Avaliar os Dados

Modelos matemáticos, como o clássico framework SIR, estimam quantas pessoas serão suscetíveis (S), infectadas (I) ou recuperadas (R) ao longo do tempo. O modelo Kermack-McKendrick, uma variante fundamental, foi aplicado recentemente por Ettore Mariotti em um estudo de março de 2020 sobre o surto na Itália¹. O contexto da COVID-19 pede um modelo SEIR expandido que adiciona um compartimento "Exposto" (E) para contabilizar indivíduos pré-sintomáticos mas infecciosos. O diagrama abaixo ilustra esta estrutura.

Figura 1: Modelo SEIR (Imagem: triplebyte.com)

Estes modelos capturam duas dinâmicas críticas: as características biológicas do vírus e padrões de interação humana. Deles emerge o número de reprodução, R₀, que estima quantas infecções secundárias um único caso gerará em uma população totalmente suscetível.

Por exemplo, com R₀ = 2, uma pessoa infectada espalharia o vírus para duas outras, que cada uma infectaria mais duas, e assim por diante — ilustrando a natureza multiplicativa da transmissão. R₀ pode ser visualizado em três cenários: (1) <1 → doença morre; (2) = 1 → estado estacionário; (3) >1 → crescimento epidêmico (veja Figura 2).

Figura 2: Cenários básicos de R₀ (Imagem: triplebyte.com)

Lockdowns, fechamento de escolas e restrições a locais públicos reduzem contato social e assim diminuem R₀. Alcançar R₀ < 1 é essencial; caso contrário, a doença continua a se espalhar. Enquanto R₀ é uma métrica média — o R₀ da gripa gira em torno de 1,3 — pode ser distorcido por super-spreaders, que infectam um número incomumente grande de contatos. Identificar e isolar esses indivíduos é uma estratégia chave para conter surtos.

Como R₀ é dinâmico, autoridades confiam em modelos impulsionados por IA que incorporam dados GPS de dispositivos móveis para prever hotspots e priorizar intervenções.

Big Data, IA e Sensores

Dados clínicos durante uma epidemia podem ser ruidosos, com falsos positivos e relatórios inconsistentes. Analytics de big data e algoritmos de machine learning podem limpar conjuntos de dados, impor conformidade de quarentena e acelerar descoberta de drogas.

A resposta da Ásia mostra uma gama de ferramentas digitais. Drones equipados com scanners de alta resolução monitoram adesão à quarentena e escaneiam temperaturas corporais. China e Taiwan empregam câmeras inteligentes que detectam febres mesmo quando indivíduos usam máscaras.

O SenseTime de Hong Kong implantou uma plataforma de detecção de temperatura sem contato em hubs de trânsito e prédios públicos de Pequim, Xangai e Shenzhen. O sistema pode ler assinaturas de calor facial através de camadas de máscara.

O sistema de diagnóstico AI da Alibaba analisa tomografias de tórax com até 96% de precisão, permitindo identificação rápida de casos de COVID-19. Enquanto isso, a Graphen, em parceria com a Universidade de Columbia, usa sua plataforma AI Ardi para mapear variações do genoma viral, fornecendo aos pesquisadores uma ferramenta visual para rastrear padrões de mutação e dados epidemiológicos.

Big data também sustenta vigilância aprimorada. Quatro metodologias analíticas — descritiva, preditiva, prescritiva e automatizada — guiam a tomada de decisão desde entender tendências passadas até executar respostas autônomas.

• Análise descritiva: resume desempenho atual e histórico através de dashboards visuais.
• Análise preditiva: emprega modelos de regressão e previsão para antecipar resultados futuros.
• Análise prescritiva: identifica estratégias ótimas baseadas em insights preditivos.
• Análise automatizada: dispara ações autônomas em tempo real, seguindo resultados analíticos.

O Alipay Health Code da Alibaba aproveita dados de saúde da China para controlar acesso a espaços públicos, atribuindo permissões coloridas baseadas em perfis de risco.

A BlueDot, startup de IA baseada em Toronto, desenvolveu um sistema de alerta precoce que sinalizou a ameaça do coronavírus de 2019 antes do reconhecimento oficial. Sua plataforma, construída em processamento de linguagem natural, escaneia continuamente feeds de notícias globais para prever disseminação de doenças.

A Insilico Medicine em Maryland está aplicando deep learning para acelerar descoberta de drogas. Sua IA rastreou milhões de moléculas para potencial antiviral e está curando um banco de dados de desenvolvimento de vacina.

Estudando o Impacto Econômico

Além dos efeitos na saúde, a COVID-19 severamente disruptou economias globais. Imagens de satélite e IA permitem avaliação rápida de atividade industrial. Pesquisadores do WeBank, por exemplo, rastrearam usinas de aço da China: produção caiu para 29% da capacidade em 29 jan 2020, mas recuperou para 76% até 9 fev (Figura 3).

Figura 3: Imagens de satélite mostram queda acentuada na atividade da indústria siderúrgica durante o início da epidemia (Imagem: spectrum.ieee.org)

Outros setores foram monitorados contando veículos em grandes estacionamentos, revelando que a produção da Tesla em Xangai havia se recuperado totalmente até 10 fev, enquanto atrações turísticas como a Disneyland de Xangai permaneceram fechadas.

Dados de satélite GPS também quantificaram padrões de deslocamento, comparando tráfego do Ano Novo Chinês de 2019 e 2020. Enquanto 2019 viu retorno a volumes pré-feriado, o tráfego de 2020 não recuperou, indicando disrupções persistentes.

Até 10 mar 2020, 75% da força de trabalho havia retomado o trabalho, e projeções sugeriam que a maioria dos funcionários chineses — exceto Wuhan — retornaria até o final de março.

Estes estudos de caso ilustram o papel decisivo de IA e big data durante uma crise de saúde pública e sugerem seu potencial como ferramentas padrão para resiliência futura.

Referência

1 Mariotti, E. (2020, 6 março). Modelando o Surto de Covid-19 na Itália.

>> Este artigo foi originalmente publicado em nosso site irmão, EE Times Europe.