IA no combate à dengue: cientistas conseguem diagnóstico rápido e melhoram prevenção de epidemias

A boa notícia é que a Inteligência Artificial (IA) está começando a desempenhar um papel de liderança no combate à dengue, uma doença que afeta milhões de pessoas em regiões tropicais e subtropicais. Os novos avanços em IA permitem prever surtos de dengue, auxiliar no diagnóstico precoce e monitorar com precisão os casos graves.

Pesquisas publicadas recentemente revelam que a IA já está sendo usada para prever epidemias, orientar profissionais de saúde em diagnósticos clínicos e até mesmo monitorar o estado hemodinâmico de pacientes com Síndrome do Choque da Dengue (SCD).

Modelos, sensores y algoritmos contra el dengue

Um estudo utilizou fotopletismografia portátil (PPG) para monitorar o estado do volume de fluidos em pacientes com dengue grave. A PPG é uma técnica não invasiva usada para medir alterações no volume sanguíneo em tecidos, particularmente na pele. Baseia-se no princípio de que a luz é absorvida e refletida pelo sangue, e essas variações são usadas para obter informações sobre o fluxo sanguíneo e outros parâmetros fisiológicos.

Graças a algoritmos de aprendizado de máquina, eles conseguiram distinguir entre os estados "vazio" e "cheio" com uma sensibilidade de mais de 80%. Essa informação pode ajudar a prevenir complicações como o choque hipovolêmico, que é potencialmente fatal.

Lembre-se de que o choque hipovolêmico na dengue, conhecido como Síndrome do Choque da Dengue, ocorre devido ao vazamento de plasma dos vasos sanguíneos, reduzindo o volume sanguíneo circundante e levando ao colapso cardiovascular. Essa complicação grave é caracterizada por sintomas de choque, como pulso fraco e rápido, hipotensão e pele fria e úmida, e requer tratamento urgente.

Outro estudo desenvolveu modelos de árvore de decisão e redes neurais profundas usando apenas quatro variáveis clínicas (idade, temperatura, plaquetas e leucócitos). Os resultados mostram que esses algoritmos podem atingir uma taxa de precisão de 83% a 86% no diagnóstico de dengue.

Além disso, estudos de bioinformática molecular identificaram genes candidatos, como STAT1, AURKA e BUB1, que podem servir como biomarcadores para diagnóstico precoce ou desenvolvimento de terapias direcionadas.

Um terceiro estudo revisou mais de 70 modelos matemáticos que buscam antecipar surtos de dengue. Embora vários apresentem bom desempenho retrospectivo, poucos integram dados em tempo real ou fatores não climáticos, como mobilidade humana ou condições sanitárias. Além disso, apenas uma minoria recebeu validação externa.

Algoritmos baseados em IA combinam dados climáticos, demográficos, de mobilidade humana e de transmissão de mosquitos para criar mapas de risco dinâmicos. Novas abordagens propõem estruturas de risco integradas que combinam dados clínicos, entomológicos e ambientais para priorizar áreas de intervenção, mesmo em países com capacidade de vigilância limitada.

Combatendo a dengue com IA a nível regional

A dengue não só gera uma alta carga assistencial, como também tem um potencial epidêmico significativo. Em 2024, vários países europeus e latino-americanos vivenciaram surtos sem precedentes.

Na América Latina, países como Brasil e Paraguai, e até mesmo algumas províncias da Argentina, enfrentaram surtos históricos de dengue nos últimos verões. Diante desse cenário, ter ferramentas que permitam antecipar áreas de risco, detectar rapidamente casos graves e otimizar o controle vetorial pode fazer a diferença.

Modelos preditivos baseados em dados climáticos, densidade populacional e vigilância entomológica já estão sendo aplicados, por exemplo, em cidades brasileiras, enquanto novas propostas acadêmicas sugerem o uso de aplicativos móveis, redes neurais e sensores portáteis como aliados de baixo custo para regiões com infraestrutura limitada.

No Brasil, por exemplo, o sistema "M.I. Dengue" utiliza armadilhas conectadas a celulares que permitem o monitoramento em tempo real da população do mosquito Aedes aegypti. Essas informações são cruzadas com dados climáticos e de saúde para orientar o uso de inseticidas e o descarte de resíduos. Em lugares como Brasil e Colômbia, esses modelos já estão sendo usados para antecipar e disparar alertas ou respostas sanitárias em campo com dias ou semanas de antecedência.

Ferramentas promissoras, mas o que falta?

Embora as ferramentas sejam promissoras, sua implementação generalizada enfrenta barreiras: acesso limitado a dados de qualidade em tempo real, infraestrutura limitada em muitas regiões e a necessidade de modelos explicáveis que os profissionais de saúde possam entender e confiar.

Além disso, o investimento em redes de sensores, plataformas de dados abertos e treinamento profissional é fundamental para atingir esse objetivo. Priorize modelos de código aberto, interpretáveis e validados externamente. A IA pode se tornar uma aliada crucial na redução do impacto da dengue (e de outras doenças infecciosas) em regiões da América Latina, Europa e no resto do mundo.

Referências da notícia

A systematic review of dengue outbreak prediction models: Current scenario and future directions. 13 de fevereiro, 2023. Leung, et al.

Clinical and Laboratory Diagnosis of Dengue Virus Infection. 10 de abril, 2017. Muller, et al.

Inteligencia artificial para prevenir y diagnosticar el dengue. 12 de agosto, 2025. Crespo, et al.