Pesquisadores da Unesp criam IA que prevê período, local e intensidade de ondas de Covid

Os pesquisadores da Unesp (Universidade Estadual Paulista) Wallace Casaca, Marilaine Colnago e Rafaella Ferreira comprovaram, a partir do desenvolvimento de três modelos de IA (inteligência artificial), que os surtos de Covid podem ser previsíveis cinco semanas antes de iniciarem, bem como a intensidade da onda, em que local ocorrerá e por quê.

LEIA TAMBÉM

Futebol

Com quatro do CSA e três do Murici, confira a seleção da 2ª rodada do Alagoano

Nordeste

Capitão da PM morre após ser baleado em tentativa de assalto

O estudo "Aprendizado de máquina preditivo e interpretável para ressurgimentos da Covid: o papel das variantes do Sars-CoV-2 na era pós-pandemia" usou a técnica chamada de IA Explicável, que torna as decisões compreensíveis para as pessoas.

O trabalho foi publicado em dezembro de 2025 no periódico científico BMC Infectious Diseases, do grupo inglês Springer Nature, um dos mais importantes do mundo no ramo acadêmico e detentor das marcas de revista Nature.

"Ao contrário da gripe, a Covid não tem uma sazonalidade previsível. Ela depende da 'competição' entre variantes. Entender essa 'luta' entre as linhagens da Covid é o que permite prever o próximo surto no contexto atual. Com o achado, as autoridades de saúde podem identificar que uma onda está vindo, implantarem campanhas de vacinação mais ágeis e preparar estoques de remédios.", afirma Wallace Casaca.

Os cientistas coletaram dados de janeiro de 2022 a janeiro de 2025 da cidade de Nova York e do Reino Unido. No período, a Ômicron e suas subvariantes predominavam no mundo, inclusive no Brasil.

Do Departamento de Saúde e Higiene Mental da Cidade de Nova York foram extraídos registros de casos confirmados de Covid relatados pela rede unificada de hospitais e testes, de internações diárias pela doença como diagnóstico primário em todos os hospitais e das proporções semanais de cada variante do coronavírus, obtidas por sequenciamento genômico randomizado de testes PCR.

A Agência de Segurança em Saúde do Reino Unido forneceu dados de infecções confirmadas por PCR pelo Programa Nacional de Testagem, de hospitalizações e da vigilância genômica semanal das cepas circulantes do Consórcio de Genômica da Covid UK.

"Extraímos os dados brutos, colocamos na nossa plataforma InfoTracker e fizemos um pré-processamento, que estrutura e organiza as informações para a aplicação dos modelos de IA", explica. A SP Covid-19 Info Tracker foi criada por pesquisadores da USP e da Unesp para analisar e monitorar em tempo real dados da pandemia em municípios paulistas.

Para medir a acurácia dos modelos, foram utilizadas três métricas de desempenho: Mape (Mean Absolute Percentage Error ou Erro Percentual Absoluto Médio), NRMSE (Raiz do Erro Quadrático Médio Normalizado) e NMAE (Erro Absoluto Médio Normalizado).

"Pelo Mape é possível saber o quão acurado um modelo preditivo é para predizer novos casos de Covid, por exemplo. Quanto menor esse valor, maior é a capacidade preditiva do modelo. O Mape que decresce de 35% para 7% significa que o meu modelo deixou de errar 35% para começar a errar só 7%, ou seja, nos outros 93% ele acerta", explica o pesquisador.

A pesquisa demonstrou que incluir as informações genômicas (quais variantes circulam no momento) em modelos de IA reduziu o erro das previsões -em Nova York, de 32% para 7%, em média, e no Reino Unido, de cerca de 35% para 7%. Os resultados consideram as três métricas.

Segundo Casaca, o artigo demonstra que a IA consegue identificar o momento exato em que uma variante nova começa a expulsar a antiga e causar um novo surto da doença.

"O estudo usa uma técnica que explica por que o modelo de IA está prevendo aquela onda, o que permite aos gestores entenderem qual cepa específica é o gatilho. Sem olhar para as variantes, os governos preveem ondas no escuro. Precisamos agora é integrar a ciência de dados com a vigilância genômica de forma definitiva no sistema público de saúde", diz Casaca.