É possível prever casos da Covid-19? Ciência e AI ajudam

Nos últimos dias estão sendo divulgadas dezenas de notícias informando o aumento de pessoas contaminadas com a Covid-19 no Brasil. Mas é possível estimar a quantidade de casos futuros? Segundo alguns pesquisadores, com modelos matemáticos e inteligência artificial (AI), a resposta é sim. Eles estudam o desenvolvimento destes modelos, incluindo os estatísticos clássicos, na previsão de casos para até uma semana adiante. O objetivo é que, com estas informações, o sistema público possa desenvolver planejamento estratégico para evitar mortes. 

A pesquisa é coordenada pelo professor do Departamento de Matemática do Câmpus Pato Branco, Matheus Henrique Dal Molin Ribeiro, paralela às atividades do Programa de Pós-Graduação em Engenharia de Produção e Sistemas da PUC-PR, com a participação dos orientadores Leandro dos Santos Coelho e Viviana Cocco Mariani, e do pesquisador Ramon Gomes da Silva.  

Para análise foram considerados dados de 10 estados brasileiros com número elevado de casos diários: Amazonas, Bahia, Ceara, Minas Gerais, Paraná, Rio de Janeiro, Rio Grande do Norte, Rio Grande do Sul, Santa Catarina, e São Paulo. Segundo o professor Matheus Ribeiro, verificou-se que os modelos adotados apresentam boa capacidade preditiva, mesmo com número limitado de informações. Eles são capazes de prever o número de casos com erros variando em 0.87% - 3.51%, para um dia; 1.02% - 5.63%, para três dias; e 0.95% - 6.90%, para até seis dias à frente.

As pesquisas resultaram no artigo Previsão de curto prazo para casos acumulados confirmados de COVID-19: Perspectivas para o Brasil (Short-term forecasting COVID-19 cumulative confirmed cases: Perspectives for Brazil). Neste artigo, foram utilizados e recomendados para estes levantamentos os modelos como: média móvel integrada autoregressiva (ARIMA), regressão cubista (CUBIST), floresta aleatória (RF), regressão com regularização (RIDGE), regressão de vetor de suporte (SVR) e aprendizado de stacking. A classificação dos modelos, do melhor ao pior, no que diz respeito à precisão, em todos os cenários é o SVR, aprendizado de stacking, modelos ARIMA, CUBIST, RIDGE e RF. 

“Devido à alta demanda por leitos em hospitais e pronto-atendimentos de saúde, faz necessário o desenvolvimento de estratégias e políticas públicas para mitigar os efeitos da pandemia da Covid-19. Desenvolver previsões para até uma semana à frente, o mais eficiente possível, é extremamente necessário, pois permite que os gestores possam traçar estratégias para o enfrentamento dessa doença”, completa Ribeiro.

 A primeira versão do artigo já está disponível.  

Para o pesquisador, essas informações podem sofrer influência de fatores externos como clima, mobilidade, densidade populacional, entre outros.  E ressaltou que, para as próximas pesquisas, esses fatores também serão considerados nos levantamentos e previsões.