Covid-19: inteligência artificial sugere que idade de risco seja a partir de 45 anos

Tempo de leitura: 4 min.

Uma análise realizada por especialistas de inteligência artificial e pesquisadores brasileiros indica que indivíduos a partir dos 45 anos devem ser considerados grupo de risco para a Covid-19.

Outro resultado encontrado foi que a maior presença de idosos na população mundial leva a uma curva de mortalidade de início silencioso, mas com uma evolução agressiva.

O texto, publicado no dia 9 de abril, foi escrito pelos especialistas da Kunumi, startup brasileira que atua no ramo de inteligência artificial. Neste ensaio, em parceria com os pesquisadores do Laboratório de Inteligência Artificial da Universidade Federal de Minas Gerais (LIA-UFMG), foram destacados padrões interessantes que emergiram a partir de modelos preditivos da progressão da Covid-19 em diversos países do mundo.

Estes modelos permitiram que os estudiosos visualizassem as variáveis mais influentes para a predição do número de óbitos decorrentes da doença nas próximas semanas.

“Muitos modelos já são capazes de predizer números de óbitos decorrentes da Covid-19, mas ainda são poucas as iniciativas que explicam essas predições. Acreditamos que é fundamental desenvolver modelos transparentes e explicativos que sigam um processo decisório compreensível e auditável. A partir das explicações de cada modelo, podemos observar padrões e tendências possivelmente relevantes na discussão e que tenham efeitos na tomada de decisão para contenção do coronavírus”, diz a análise.

Tome as melhores decisões clinicas, atualize-se. Cadastre-se e acesse gratuitamente conteúdo de medicina escrito e revisado por especialistas
Cadastrar Login

Inteligência artificial na Covid-19

O modelo parte dos números oficiais de óbitos divulgados diariamente pela Organização Mundial de Saúde (OMS) e cruza essas informações com dezenas de bases de dados relacionadas: informações demográficas de cada país (densidade populacional, distribuição de idade etc), de saúde (número de médicos por habitante, leitos), de mobilidade, climáticas, geográficas, e outros mais. Inicialmente apresentamos insights baseados em pirâmide etária.

Para avaliar a taxa de acerto do modelo, foi realizada a predição para o número de óbitos confirmados e a comparação com o número real divulgado pela OMS.

Nessa comparação, a taxa de erros do modelo tende a ser efetivamente baixa. A variável temporal é sincronizada entre os diversos países nesta análise. Consequentemente, o modelo leva em conta aspectos e similaridades com o que aconteceu em outros países, de forma a predizer com maior eficácia.

Tomando como exemplo o Brasil, a previsão de número de óbitos realizada pelo modelo para o dia seguinte ao da publicação desse artigo é de 0,070 mortos a cada 100 mil habitantes.

Na semana anterior, no 65º dia de epidemia, esse número era de 0,021. Aqui, os especialistas fizeram a previsão para o relatório da OMS de número 71, datado de 31 de março, com dados para diferentes países.

Leia também: Covid-19: transmissões por assintomáticos podem responder por até 60% do total

O padrão não óbvio

Dentre diversos padrões observados, um chama mais atenção e surge quando os especialistas analisaram a relação entre o dado de distribuição etária dos países e sua influência na predição do número de óbitos.

Intuitivamente, os especialistas foram levados a crer que países com uma grande população de idosos são prontamente mais suscetíveis a maior mortalidade pela Covid-19.

Embora isso seja uma verdade para números maiores de dias (e em dado momento do tempo), é possível observar que esse padrão segue uma trajetória contraintuitiva ao longo da epidemia.

Inicialmente, ter uma maior população de idosos colabora para que o modelo decida por predizer um número menor de óbitos.

Uma das interpretações possíveis para esse padrão é de que a população idosa, mais propensa a necessitar de cuidados especiais, já adota em boa parte alguma medida de isolamento e tende a passar menos tempo em contato com outros indivíduos. Este comportamento se aproxima da recomendação de distanciamento, contribuindo para uma previsão inicial mais otimista por parte do modelo.

Entretanto, conforme a epidemia avança ao longo do tempo, o alto número de idosos passa a ser entendido pelo modelo como um fator determinante para o aumento no número de mortes. E o crescimento da contribuição da população idosa passa a ser exponencial.

A hipótese para isso é de que a população jovem, menos propensa ao comportamento de reclusão da população idosa, contrai o vírus e o transmite aos mais velhos pelo contato pessoal.

Por ser grupo mais suscetível ao óbito por Covid-19, a grande população de idosos agora passa por uma inversão, sendo encarada pelo modelo como um elemento importante para uma previsão mais pessimista.

Esse padrão é importante de se observar considerando que reflete a possibilidade de que populações com grande número de idosos possam demorar para identificar a aceleração da curva do número de mortes e, consequentemente, adotar medidas mais brandas de isolamento.

Faixa etária dos 45 aos 49 anos

Outro padrão pouco óbvio encontrado pelo modelo é o impacto da presença de pessoas na faixa etária dos 45–49 anos para a previsão do número de óbitos.

O grupo de risco para a Covid-19 é definido pela OMS como aqueles com idade a partir de 60 anos — ou com condições preexistentes. Entretanto, o modelo sugere que o risco passa a ser maior já a partir da faixa etária dos 45 anos, levando a uma previsão mais pessimista.

Estratégias de combate

É importante refletir sobre o efeito que diferentes medidas de isolamento podem ter sobre a frequência de contágio do vírus. Uma proposta recorrente é a do isolamento vertical.

Os padrões indicados pelo modelo parecem indicar que essa talvez não seja a melhor estratégia. O isolamento de um grupo de idosos por si só não parece ser suficiente para conter a infecção dessa população. Sendo um único sistema, o isolamento de todas as faixas etárias da população mostra-se mais efetivo para o combate ao vírus.

Os profissionais envolvidos na realização desta análise destacam que os achados publicados não são conclusões definitivas. Eles representam apenas o início de um diálogo sobre o momento atual da pandemia do novo coronavírus, terminando por convidar a comunidade científica para colaborar com o debate através deste link.

*Esse artigo foi revisado pela equipe médica da PEBMED

Autora:

Referências bibliográficas:

Compartilhar
Publicado por
Úrsula Neves

Posts recentes

Como abordar a queda abrupta de saturação em paciente intubado?

Pacientes intubados podem apresentar pioras na saturação periférica de oxigênio, cuja abordagem deve ser rápida…

14 minutos atrás

STRIDE II: o que há de novo nos alvos terapêuticos das doenças inflamatórias intestinais?

A IOIBD publicou, recentemente, uma atualização dos alvos terapêuticos das doenças inflamatórias intestinais. Saiba mais.

1 hora atrás

Vacina HPV: câncer cervical diminui incidência, mas outros cânceres induzidos aumentam

Apesar das regressões de cânceres cervicais, o aumento de neoplasias de outros sítios também relacionadas…

2 horas atrás

Medidas de proteção contra Covid-19 podem alterar a incidência de outras doenças

Com o início da pandemia de Covid-19, várias medidas de proteção têm sido estabelecidas com…

3 horas atrás

Como a vacina da Pfizer contra Covid-19 se comporta em pacientes com doenças reumáticas?

Diversas vacinas têm sido utilizadas no combate à pandemia da Covid-19, dentre elas, a vacina…

5 horas atrás

Médicos e pacientes devem notificar efeitos adversos das vacinas para a Anvisa

Médicos e pacientes devem notificar os efeitos adversos das vacinas no portal da Agência Nacional…

6 horas atrás