Uso de sensoriamento remoto e inteligência artificial para prever áreas com alto risco de infestação por Aedes aegypti e arboviroses

• Processo: 20/01596-8
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Vigência: 01 de novembro de 2020 - 31 de outubro de 2023
• Área do conhecimento: Ciências da Saúde - Saúde Coletiva - Saúde Pública
• Pesquisador responsável: Francisco Chiaravalloti Neto
• Beneficiário: Francisco Chiaravalloti Neto
• Instituição Sede: Faculdade de Saúde Pública (FSP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Pesquisadores associados: Antonio Henrique Alves Gomes ; Gerson Laurindo Barbosa ; Jefersson A dos Santos ; José Alberto Quintanilha ; Marcia Caldas de Castro ; Marta Blangiardo ; Maurício Lacerda Nogueira ; Monica Pirani ; Valmir Roberto Andrade
• Bolsa(s) vinculada(s): 22/16362-8 - Geoprocessamento e inteligência artificial no combate ao Aedes aegypti, BP.TT
• Assunto(s): Satélites Epidemiologia Doenças Aprendizagem profunda Mosquitos Aedes aegypti
• Palavra(s)-Chave do Pesquisador: Deep Learning | doenças | mosquito | satélite | vetor | Epidemiologia

Resumo

O atual panorama epidemiológico no Brasil é preocupante, pois nos últimos anos foram notificados milhares de casos de dengue (DEN), zika (ZIK) e chikungunya (CHIK). Essas arboviroses e suas complicações são problemas de saúde pública importantes, e os estudos realizados no estado de São Paulo são extremamente fragmentados, quase sempre sem relacionar a tríplice vetor x população x ambiente. O mosquito Aedes aegypti tem papel fundamental na disseminação de todos esses agravos, mas existe uma grande dificuldade para identificar áreas de risco tendo como base somente os indicadores entomológicos tradicionalmente utilizados (Breteau, Predial e de Recipientes). Nosso objetivo neste trabalho é desenvolver um modelo para identificar áreas de alto risco para infestação por Ae. aegypti e ocorrência de arboviroses (DEN, ZIK e CHIK) baseado na quantificação de fêmeas adultas do vetor, nas características físicas, econômicas, sociais e climáticas das regiões. O estudo será realizado na área urbana do município de Campinas, estado de São Paulo. Utilizaremos, para seu desenvolvimento, técnicas de Inteligência Artificial e deep learning para classificação das imagens de sensoriamento remoto, além de modelagens Bayesianas que relacionem o número de fêmeas do Ae. aegypti, bem como casos de DEN, ZIK e CHIK com características socioambientais. Pretende-se desenvolver metodologias para identificar áreas de alto risco e espera-se encontrar um padrão espacial de ocorrência que aponte para áreas de maior risco e que poderia fornecer informações úteis para as atividades de controle e vigilância. Esses métodos, bem como parte ou todo o conjunto de resultados obtidos por meio dessas tecnologias, após validação, poderiam ser regularmente adotados para gestão da saúde pública, otimizando recursos e tempo na identificação de áreas de risco para a ocorrência desses agravos, priorizando a aplicação de medidas de vigilância e controle nessas regiões. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

LACERDA, ALEC BRIAN; DEL CASTILLO SAAD, LEILA; IKEFUTI, PRISCILLA VENANCIO; PINTER, ADRIANO; CHIARAVALLOTI-NETO, FRANCISCO. Diffusion of sylvatic yellow fever in the state of Sao Paulo, Brazil. SCIENTIFIC REPORTS, v. 11, n. 1, AUG 11 2021. (20/01596-8)

CUNHA, HIGOR SOUZA; SCLAUSER, BRENDA SANTANA; WILDEMBERG, PEDRO FONSECA; MILITAO FERNANDES, EDUARDO AUGUSTO; DOS SANTOS, JEFERSSON ALEX; LAGE, MARIANA DE OLIVEIRA; LORENZ, CAMILA; BARBOSA, GERSON LAURINDO; QUINTANILHA, JOSE ALBERTO; CHIARAVALLOTI-NETO, FRANCISCO. ater tank and swimming pool detection based on remote sensing and deep learning: Relationship with socioeconomic level and applications in dengue contro. PLoS One, v. 16, n. 12, DEC 9 2021. (15/06687-3, 20/01596-8, 17/10297-1)