Somente no ano de 2024, segundo o Ministério da Saúde, já houve 650 mil casos de Dengue no Brasil, o que representa um aumento de 294% comparado com o mesmo período do ano de 2023, que teve quase 166 mil casos. O Ministério da Saúde projeta que até o fim do ano haverá mais de 4,2 milhões de casos da doença. Seguindo o coeficiente de incidência, ou seja, o número total de casos por 100 mil habitantes, no país há seis estados e o Distrito Federal em situação epidêmica, segundo a Organização Mundial da Saúde (OMS), que considera o valor superior a 300 para determinar tal classificação. Estão nessa condição, em ordem crescente: Rio de Janeiro, Espírito Santo, Goiás, Paraná, Acre, Minas Gerais e o Distrito Federal, sendo que Minas Gerais passa de 1 mil casos a cada 100 mil habitantes e o Distrito Federal chega a quase 3 mil casos a cada 100 mil habitantes.
Com o objetivo de auxiliar a sociedade no desenvolvimento de políticas públicas que possam mitigar o avanço não só da Dengue, mas também da Chikungunya e da Zika, todas transmitidas pelo mosquito Aedes Aegypti, cientistas do Departamento de Ciência da Computação (DCC) da UFMG, coordenados pelo professor Jefersson Alex dos Santos do DCC/UFMG e atualmente na Universidade de Sheffield, Reino Unido, além de pesquisadores da Universidade de São Paulo, vêm desenvolvendo métodos computacionais que possam identificar áreas de risco para a infestação do mosquito. Em pesquisas anteriores, os cientistas desenvolveram um software que utiliza a Inteligência Artificial para identificar focos de dengue. “Em uma primeira fase da nossa pesquisa, por meio de mosaicos de imagens obtidas por uma câmera transportada por veículos aéreos não tripulados, desenvolvemos algoritmos baseados em aprendizado profundo para detecção de caixas d’água e piscinas. Um modelo de detecção de objetos, inicialmente criado para áreas de Belo Horizonte, Minas Gerais, foi aprimorado com técnicas de transferência de aprendizagem, que nos permitiu detectar objetos em Campinas com menos amostras e mais eficiência”, sinaliza Jefersson.
Nesta fase da pesquisa, os cientistas estão mapeando de forma automática áreas urbanas com alto risco de infestação pelo mosquito, tendo como base a análise de imagens de fachadas de construções (residenciais ou não). Intitulado “Automatic mapping of high-risk urban areas for Aedes aegypti infestation based on building facade image analysis”, o artigo ainda está em revisão, mas os experimentos realizados indicam avanços para otimizar recursos no combate ao Aedes Aegypti. Segundo os autores, identificar áreas de maior risco num município e direcionar os esforços de controle para elas é uma estratégia mais eficiente, sendo o uso do índice de condição das premissas (PCI) uma ferramenta importante. No entanto, a sua medida exige a visita a todos os edifícios, o que se torna oneroso. Neste estudo, os pesquisadores propõem uma nova abordagem capaz de prever o PCI com base em imagens de fachadas no nível da rua, o que chamaram de PCINet.
Também realizado em Campinas, São Paulo, nos 200 quarteirões pesquisados, foram visitadas as construções e medidos os três componentes tradicionais do PCI (condições de construção, quintal e sombreamento), as condições das fachadas (por meio de fotos) e outras características. “Treinamos uma rede neural profunda com as fotos tiradas, criando um modelo computacional que pode prever as condições dos edifícios com base na visão de suas fachadas. Avaliamos o PCINet em um cenário que iguala uma situação real de grande escala, onde o modelo poderia ser implantado para monitorar automaticamente quatro regiões de Campinas para identificar áreas de risco”, afirmaram os autores do artigo.
Ainda segundo os cientistas, considerando os bons resultados obtidos com o PCINet e as boas correlações das condições da fachada com os componentes do PCI, é possível utilizar esta metodologia para classificar as condições dos edifícios sem visitá-los fisicamente. “Pretendemos superar o alto custo de identificação de áreas de alto risco. Embora tenhamos um longo caminho pela frente, nossos resultados mostram que o PCINet poderia ajudar a otimizar o Ae. vigilância e controle de aegypti e arbovírus, reduzindo o número de visitas presenciais necessárias para identificar edifícios ou áreas de risco”, concluíram.
O estudo é financiado pelo Instituto Serrapilheira, por meio do projeto WildPixels e pela Fapesp.
Esta matéria teve repercussão na mídia, sendo: Itatiaia, Panorâmica News, Itatiaia (novamente), Estadão, TV Record Minas,
