O projeto foi financiado pela Fapesp e os resultados foram divulgados em versão preprint (artigo sem revisão por pares) no repositório medRxiv. A iniciativa é uma resposta à atual situação preocupante da dengue no Brasil, que já registra quase 400 mil casos prováveis da doença somente no ano corrente, com 54 mortes confirmadas e quase 300 óbitos em investigação, de acordo com o Ministério da Saúde.
O modelo, denominado PCINet, utiliza imagens de fachadas coletadas do Google Street View, bem como técnicas de inteligência artificial, para classificar os imóveis do ponto de vista das condições da fachada, sem a necessidade de visitas presenciais. Os pesquisadores testaram a eficácia do modelo em 200 quarteirões da cidade de Campinas e observaram que as condições da fachada se correlacionaram com as do edifício e do quintal, e razoavelmente bem com as de sombreamento.
Segundo Francisco Chiaravalloti Neto, coordenador do estudo e professor do Laboratório de Análise Espacial em Saúde (Laes) da Faculdade de Saúde Pública (FSP-USP), a utilização do PCINet poderia otimizar o monitoramento do Aedes aegypti, reduzindo o número de visitas presenciais necessárias para identificar edifícios, quarteirões e bairros com maior risco de arboviroses como a dengue, direcionando as atividades de controle para essas áreas.
Os próximos passos do projeto incluem a validação da técnica em cidades de tamanhos e características distintas, como Campinas, Indaiatuba, Santa Bárbara do Oeste, Ribeirão Preto e São José do Rio Preto. Uma vez validada, a metodologia poderá ser aplicada em qualquer município brasileiro ou mesmo mundial. A expectativa é que os resultados do estudo possam indicar aos municípios as regiões com maior probabilidade de infestação pelo vetor e, portanto, maior risco de arboviroses.
A iniciativa também contou com a participação de pesquisadores do Grupo de Vigilância Epidemiológica de Campinas, do Instituto de Energia e Ambiente da USP (IEE-USP), do Instituto Pasteur de São Paulo e da University of Stirling (Reino Unido). Com a implementação desse modelo computacional inovador, os agentes comunitários de saúde poderão aumentar a eficácia de suas ações, direcionando-as de forma mais precisa e eficiente, o que pode significar um avanço significativo nas estratégias de prevenção e controle das arboviroses no Brasil e, eventualmente, em outros países.