Primeiros Indícios Do Surto Do Vírus De Wuhan Foram Detectados Por IA

Uma plataforma de monitoramento de saúde e detecção de doenças impulsionada por IA foi capaz de captar os sinais do surto viral de Wuhan aproximadamente uma semana antes que as agências governamentais alertassem o público, fornecendo uma visão de como a IA pode ser usada para detectar surtos de doenças de forma oportuna.

Enquanto a notificação oficial da Organização Mundial da Saúde sobre o vírus de Wuhan foi emitida em 9 de janeiro e o Centro de Controle e Prevenção de Doenças dos EUA (CDC) recebeu informações sobre o surto em 6 de janeiro, os primeiros sinais de alerta do surto foram detectados por um sistema de monitoramento de saúde canadense quase uma semana antes. Como relatado pela Wired, o sistema de IA BlueDot alertou seus clientes sobre a possível ocorrência do surto em 31 de dezembro. O BlueDot usa algoritmos de IA para monitorar diferentes fontes de notícias globais e detectar padrões em relatórios de saúde. Ele também leva em conta informações sobre redes de doenças de plantas e animais. Com base nas informações coletadas, os epidemiologistas do BlueDot entregam alertas e previsões sobre possíveis riscos à saúde e surtos para seus assinantes.

Quando se lida com um surto de doença, a detecção precoce é sempre melhor. Quanto mais cedo a detecção, mais tempo os funcionários de saúde têm para reagir. No caso do vírus de Wuhan e de outros surtos de doenças na China, o governo chinês frequentemente é lento em compartilhar informações com os funcionários de saúde pública globais. Isso apresenta um problema, pois o CDC e a OMS dependem das comunicações de outras agências governamentais para planejar suas próprias respostas. No entanto, se um sistema de IA como o BlueDot puder fazer previsões precisas com base nas informações que vazam por meio de vários relatórios de notícias, blogs e fóruns, isso poderia potencialmente permitir que as organizações de saúde atuem mais rapidamente em resposta a surtos.

De acordo com Kamran Khan, o fundador do BlueDot, a empresa não usa dados de mídia social ao prever a propagação de doenças porque os dados são muito variáveis e confusos para serem úteis. Em vez disso, relatórios de notícias, dados sobre redes de doenças de animais conhecidas e dados de reservas de passagens aéreas são combinados para criar um modelo que prevê onde as infecções começam e para onde as pessoas infectadas podem viajar em seguida. O BlueDot foi capaz de prever corretamente que o vírus de Wuhan se espalharia para Taipei, Tóquio, Seul e Bangkok dentro de alguns dias de sua manifestação.

O BlueDot foi lançado por Khan em 2014 e a empresa atualmente tem 40 funcionários, incluindo cientistas de dados, médicos e programadores que trabalham juntos para criar os modelos de vigilância e previsão de doenças. Algoritmos de aprendizado de máquina e técnicas de processamento de linguagem natural são usados para minerar dados de relatórios de notícias que abrangem o globo e cobrem 65 idiomas diferentes. Khan disse à Wired:

“O que fizemos foi usar processamento de linguagem natural e aprendizado de máquina para treinar esse motor para reconhecer se isso é um surto de antraz na Mongólia versus uma reunião da banda de heavy metal Anthrax.”

Depois que a coleta de dados automatizada e a análise inicial são concluídas, analistas humanos verificam os dados e garantem que as conclusões do modelo pareçam sólidas. Por fim, um relatório é gerado e enviado aos clientes do aplicativo.

O sistema do BlueDot está longe de ser a primeira tentativa do campo de IA de prever a propagação de doenças. Cientistas de dados vêm usando big data e modelos de aprendizado de máquina para rastrear a propagação de várias doenças há algum tempo, com algumas tentativas sendo mais bem-sucedidas do que outras. O Google tentou sua própria mão em rastrear a propagação de doenças com o Google Flu Trends, mas suas tentativas de prever a gravidade da temporada de gripe de 2013 foram reportadas como sendo cerca de 140% erradas. Somente o tempo dirá se o BlueDot pode consistentemente prever a propagação de doenças, mas se puder, isso poderia abrir caminho para estimativas mais rápidas e precisas de surtos de doenças.