Pesquisa e Inovação

Com uso de inteligência artificial, pesquisadores do DCC mapeiam incidência do 'Aedes aegypti'

Algoritmos podem subsidiar a formulação de políticas públicas de controle e vigilância epidemiológica

Equipe desenvolveu algoritmos baseados em aprendizado profundo para detecção de caixas d’água e piscina em imagens aéreas
Equipe desenvolveu algoritmos baseados em aprendizado profundo para detecção de caixas d’água e piscina em imagens aéreas Wikipedia

Pesquisadores do Departamento de Ciência da Computação (DCC) da UFMG desenvolvem estudo que identifica padrões espaciais e áreas de alto risco de incidência de Aedes aegypt

De acordo com o professor Jefersson Alex dos Santos, coordenador do estudo, executado em parceria com a Faculdade de Saúde Pública (FSP) e a Universidade de São Paulo (USP), as análises estão sendo realizadas, desde 2020, em quatro regiões de Campinas, no estado de São Paulo, caracterizadas por diferentes contextos socioeconômicos. “Com imagens obtidas em câmera transportada por veículos aéreos não tripulados, desenvolvemos algoritmos baseados em aprendizado profundo para detecção de caixas d’água e piscinas”, descreve.

Com o auxílio da computação, por meio do aprendizado profundo, pretende-se criar uma ferramenta que auxilie nos esforços de prevenção de doenças causadas pelo mosquito. “É possível detectar objetos diretamente relacionados ao nível socioeconômico de uma determinada região com base em imagens digitais, o que incentiva a praticidade de trabalhos direcionados à saúde pública”, explica.

O artigo que descreve a primeira fase do estudo, intitulado Water tank and swimming pool detection based on remote sensing and deep learning: Relationship with socioeconomic level and applications in dengue control, acaba de ser publicado na revista científica on-line Plos One, vinculada à Public Library of Science.

“Após validação, os métodos e os resultados podem ser utilizados na gestão da saúde pública, na otimização de recursos e de tempo na identificação de áreas de ocorrência de agravos, além da aplicação de medidas de vigilância e controle”, projeta o professor Jefersson.

Áreas vulneráveis
O modelo de detecção de objetos foi inicialmente criado pelo DCC para estudos em Belo Horizonte. “Aprimorado com técnicas de transferência de aprendizagem, ele nos permitiu detectar objetos em Campinas com menos amostras e mais eficiência”, explica o docente.

A equipe do DCC utiliza inteligência artificial e modelagens que relacionam características socioambientais ao número de fêmeas do Aedes aegypti e de casos de dengue, zika e chikungunya.

Segundo Jefersson dos Santos, áreas mais pobres tendem a ser mais vulneráveis às doenças transmitidas por mosquitos. “A detecção dos potenciais criadouros possibilitará identificar e classificar áreas com base no índice socioeconômico, para auxiliar programas de saúde pública no controle das doenças", explica.

Nathalie Rajão | Assessoria de Comunicação do Departamento de Ciência da Computação