Inteligência artificial criada no RN mapeia cidades vulneráveis a doenças sociais

O combate a doenças determinadas socialmente — infecções cuja disseminação está diretamente atrelada à precariedade das condições de vida, como Chagas, hanseníase e tuberculose — ganhou um novo aliado tecnológico no país. Pesquisadores da Universidade Federal Rural do Semi-Árido (Ufersa), no Rio Grande do Norte, desenvolveram um software de inteligência artificial capaz de cruzar dados de saúde com indicadores de desigualdade para prever riscos epidemiológicos em municípios brasileiros.

Batizada de GeoDDS, a plataforma obteve o registro oficial no Instituto Nacional da Propriedade Industrial (INPI) em agosto. O sistema utiliza aprendizado de máquina para cruzar registros médicos históricos (1980–2024) do Datasus com indicadores socioeconômicos de 175 municípios prioritários.

^{Interface digital do software GeoDDS apresenta a visão macro dos cenários de vulnerabilidade epidemiológica nas regiões brasileiras.}

O QUE SÃO AS DDS

• Conceito: As Doenças Determinadas Socialmente (DDS) são infecções e agravos à saúde vinculados a contextos de vulnerabilidade socioeconômica e pobreza.

• Fatores de risco: A proliferação é potencializada pela falta de saneamento, moradia precária e acesso limitado à saúde.

• Principais alvos do monitoramento: Doença de Chagas, hanseníase, tuberculose, esquistossomose, hepatites virais, HIV/Aids, malária e sífilis.

O projeto foi coordenado pelo professor Ciro José Jardim de Figueiredo, do Departamento de Engenharia e Ciências Ambientais da Ufersa, e recebeu um financiamento de R$ 150 mil do CNPq e do Ministério da Saúde. O sistema analisa fatores como IDH, saneamento, escolaridade e renda por meio de algoritmos baseados na linguagem Python.

"O grande nó do problema na saúde pública sempre foi transformar montanhas de dados dispersos em informações estratégicas", afirma o professor Figueiredo. "O GeoDDS automatiza esse processo. A plataforma identifica padrões e indica quais cidades estão mais expostas, permitindo que os gestores antecipem ações preventivas antes que os surtos se consolidem."

Na retaguarda do desenvolvimento técnico, a equipe utilizou diferentes métodos estatísticos e de programação para garantir a precisão das previsões. O egresso do curso de Ciência da Computação, Antônio Carmo, que atuou como bolsista na construção da ferramenta, explica como a inteligência artificial foi estruturada.

"Combinamos técnicas de aprendizagem de máquina como Random Forest, SVM Linear Balanceado e algoritmos de agrupamento K-means", detalha Carmo. "Essa arquitetura em Python nos permitiu processar décadas de registros brutos e identificar exatamente quais determinantes sociais — como a falta de saneamento ou a baixa alfabetização — pesam mais no surgimento de cada doença nos municípios."

Os resultados são exibidos em uma interface digital com painéis interativos e mapas. O objetivo é fazer com que as informações subsidiem decisões em secretarias de saúde e órgãos do SUS. "Além do ganho tecnológico, o projeto cumpre um papel fundamental na formação de novos cientistas e na entrega de uma solução concreta para as populações em maior situação de vulnerabilidade", diz o coordenador.