Modelos matemáticos e computadores. Novas armas contra o coronavírus

Para prever a evolução do surto epidémico do novo coronavírus, todas as armas são úteis, incluindo modelos matemáticos e simulações por computador. As margens de erros associadas aos dois metidos são, no entanto, um risco, de acordo com os especialistas.

Para construir os modelos, são tidos em consideração vários parâmetros relacionados com o vírus – como a probabilidade de transmissão, a probabilidade de morte ou de cura de um indivíduo infectado – e com o comportamento das populações, começando pelo grau das deslocações nas áreas afectadas ou pela conectividade ao mundo através de ligações aéreas.

Os modelos matemáticos dão às autoridades pistas sobre a amplitude da crise e sobre as medidas que devem ser tomadas.

Na sexta-feira, a ministra da Saúde de França, Agnès Buzyn, adiantou que o grupo dos países mais industrializados do mundo, o G7, está a trabalhar em “modelos de diferentes cenários em função (…) da gravidade e do grau de contágio” da epidemia.

“Mas há um preço a pagar: quanto mais se tenta refinar o modelo, mais difícil será manipulá-lo e mais incerteza pode gerar”, explica à agência France Press o investigador Arnaud Banos, do Centro de Investigação Científica francês (CNRS).

Para que os modelos possam reflectir o mais adequadamente possível a situação em tempo real, os investigadores fazem simulações, injectando novos dados constantemente, à medida que estes vão surgindo: “Por exemplo, a aparição de um novo foco, ou de uma nova medida política, ou de saúde pública que o modelo não podia prever”, acrescentou Banos.

Graças a este tipo de modelo, uma equipe britânica da London School of Hygiene & Tropical Medicine estimou, esta semana, que, entre o meado do mês e o final de fevereiro a epidemia deve atingir o seu pico em Wuhan, a cidade que está no epicentro do surto epidémico: “De qualquer maneira, subsistem várias incertezas sobre o momento exacto em que isso poderá acontecer e sobre o número de casos que representará”, adverte um dos autores, Adam Kucharski.

“Esta análise está assinada por uma equipa experiente e talentosa, mas, como sempre, a falta de dados disponíveis corre o risco de afectar as suas previsões”,  defendeu um cientista que não participa na investigação, o professor Rowland Kao, da Universidade de Edimburgo.

No início de uma epidemia, os modelos podem induzir a erros, devido às inúmeras interrogações a que não dão resposta. Esse foi o caso, por exemplo, da segunda forma humana da doença das vacas loucas, na segunda metade dos anos 1990: “Alguns modelos, elaborados por prestigiadas equipes de investigação, tinham previsto até 136.000 casos até 2020, com muita incerteza sobre as previsões”, lembra o epidemiologista francês, Arnaud Fontanet. “Essas incertezas repousavam, em grande parte, sobre as hipóteses emitidas em torno da duração da incubação da doença”, acrescenta.

A confiabilidade desse tipo de previsão “depende, porém, da natureza do processo modelizado e dos conhecimentos e incertezas que se incorporam ao modelo”, destaca Arnaud Banos.

A Inteligência Artificial ganhou, desde então,  terreno na elaboração dos modelos.  “O objectivo é detectar o que se chamam sinais fracos, por exemplo, indivíduos em redes sociais que compartilham possíveis sintomas”, explica Banos.

“A ideia é rastrear permanentemente quantidades gigantescas de dados para detectar esses sinais fracos automaticamente, para depois os relacionar com a evolução de uma possível doença, a partir de um grande número de situações passadas”, completou.

Be the first to comment

Leave a Reply

Your email address will not be published.


*


This site uses Akismet to reduce spam. Learn how your comment data is processed.