Como a Inteligência Artificial Pode Transformar o Monitoramento de Epidemias
Detalhes do evento
Quando
a 11/06/2025 - 17:00
Onde
Nome do Contato
O monitoramento de epidemias ainda depende, em grande parte, de sistemas de informação de vigilância de notificação de agravos, que enfrentam limitações na coleta e análise de dados em tempo real.
Nesta conferência, segunda do ciclo “Resiliência Global: Estratégias para a Próxima Pandemia”, serão exploradas iniciativas que aplicam técnicas inovadoras incluindo o uso de inteligência artificial e modelos de forecasting e/ou nowcasting para detectar surtos com maior agilidade e precisão ou coletam novas fontes de dados (e.g. Google Trends, Google Mobility, dados de mídias sociais, etc), ou criaram novos sistemas de informação (e.g. um data lake que permite integração de dados de várias plataformas) que podem permitir entender as evidências de uma potencial emergência precocemente.
Será discutido também o papel estratégico das universidades nesse cenário — como elas podem contribuir para o avanço dessas tecnologias e de que forma a disponibilização de dados pode potencializar o desenvolvimento de métodos cada vez mais eficazes para a vigilância epidemiológica inclusive as capacidades de realizar esforços para a detecção precoce de possíveis surtos.
O Ciclo é organizado pelos professores Anna Levin (FM-USP), Deisy Ventura (PPG em Saúde Global e Sustentabilidade da FSP-USP), Eliseu Waldman (FSP-USP), Ester Sabino (FM-USP), Lorena Barberia (FFLCH-USP), Nelson Gouveia (FM-USP), Maria Amélia Veras (Faculdade de Ciências Médicas da Santa Casa de São Paulo), Paulo Lotufo (FM-USP), Roseli de Deus Lopes (IEA e POLI-USP) e Silvia Figueiredo Costa (FM-USP).
Transmissão
Acompanhe a transmissão do evento pelo canal do YouTube do IEA
Inscrições
Organização
Programação
Inteligências em Sintonia: Epidemiológica e Artificial Deu Match!
Marcelo Bragatte (ITpS)
Ementa: Enquanto muitos discutem o futuro da saúde pública, iniciativas aplicadas já estão desenhando esse futuro agora. A combinação entre inteligência artificial e epidemiologia transforma sinais em soluções concretas, capazes de antecipar riscos e orientar decisões estratégicas. Com resultados reais de projetos pioneiros com estratégias em validação real — como o Vig Sindrômica, que usa padrões para categorizar sintomas e queixas em campos livres de texto, e o VIAS, que aplica modelos de linguagem (LLMs) para interpretar e refinar esses padrões — mostramos que inovação não é apenas teoria, é impacto em movimento. Um convite para quem acredita que evidências aplicadas constroem respostas melhores, e para quem quer ser parte ativa da próxima geração da vigilância epidemiológica.
Moderação: Vitor Nascimento (EP-USP)
Antecipação de surtos com base em mobilidade humana e vigilância sindrômica: evidências a partir de modelagem em tempo real
Juliane Fonseca (CIDACS)
Ementa: Neste seminário, mostrarei como o uso de dados de mobilidade humana, aliado a modelos matemáticos e computacionais, pode ajudar a planejar redes sentinela mais eficientes para detectar precocemente surtos de doenças. A proposta consiste em identificar localidades estratégicas que aumentem as chances de capturar sinais de (novos) patógenos antes que eles se espalhem amplamente pela população. Em particular, discutirei sobre a importância de incluir, na construção destas redes, regiões que cobrem comunidades vulneráveis, como as populações Indígenas, garantindo uma vigilância mais equitativa. Ao final, discutirei os desafios e oportunidades do uso dos dados de mobilidade humana integrado em um sistema de alerta precoce que integra dados sindrômicos em tempo real — como atendimentos na atenção primária e vendas de medicamentos.
Moderação: Ester Sabino (FM-USP)
Modelagem e predição de epidemias: uma abordagem via redes complexas e ciência de dados
Francisco Rodrigues (ICMC-USP)
Ementa: Nesta palestra, discutiremos como modelos epidemiológicos podem ser adaptados para lidar com dados conectados. Mostraremos que a estrutura das redes sociais exerce uma influência crítica sobre a dinâmica de propagação, permitindo uma compreensão mais profunda de como agentes infecciosos se espalham entre humanos e animais. Utilizando dados reais, exploraremos como a integração de múltiplas fontes pode aprimorar modelos tradicionais de predição. Aplicando técnicas de aprendizado de máquina, mostraremos como podemos antecipar o número de casos de dengue, zika e Covid-19. Por fim, abordaremos os principais desafios da área e apresentaremos perspectivas e direções para pesquisas futuras.
Moderação: Alexandre Delbem (ICMC-USP)