A pandemia do COVID-19 já infectou mais de 55 milhões de pessoas ao redor do mundo, matando mais de 1.3 milhões. Como uma doença viral altamente transmissível, o COVID-19 vem causando impactos incalculáveis na economia mundial, tanto pelo impacto na saúde pública como pelas medidas de distanciamento social implementados. Medidas para reduzir ou controlar a disseminação da doença e proteger a população global são mandatórias para se evitar mais mortes, problemas de saúde de longo prazo, e prolongar os devastadores impactos financeiros na economia global. Atualmente, os mecanismos mais eficazes para a redução da disseminação do corona vírus e evitar um colapso no sistema de saúde são as intervenções não farmacêuticas (NPI – Non-Pharmaceutical Interventions), como o distanciamento social, o monitoramento da mobilidade da população, a realização massiva de testes virais e o aumento substancial das medidas de higiene.
Nossa abordagem foca principalmente nos dois primeiros pontos, consistindo na combinação de análise de redes com modelos de machine learning. Esta abordagem faz uso de dados do sistema público de saúde e de informações anônimas e agregadas fornecidas por empresas de telecomunicações sobre a mobilidade dos usuários. Os modelos de análise e otimização de rede são utilizados para se identificar o comportamento da mobilidade humana, suas variações ao longo do tempo, e seu impacto na disseminação do vírus. Os modelos de machine learning utilizam essas informações para predizer possíveis locais mais suscetíveis a um aumento das infecções em determinado momento. Essa abordagem, chamada de análise de redes localizadas, pode fornecer a governos e autoridades de saúde pública ao redor do mundo uma ferramenta crucial que os ajudem a definir de forma mais acurada as medidas de saúde a serem tomadas, tanto no sentido de endurecer as restrições de distanciamento social como paulatinamente reabrir a economia.
2 de dezembro, 2020
PATROCINADO POR:
