Uma força-tarefa do Covid-19 examina um mapa da propagação do va­rus. CRa‰DITO DA FOTO: Carlos Barria | Reuters

Estimativa de infecções por COVID-19 não relatadas com dados do genoma viral. Automatizando o rastreamento de contatos com a tecnologia Bluetooth. Analisando o Twitter quanto a impactos na saúde mental.

Esses são apenas alguns dos esforços afiliados a  Stanford e outros pesquisadores estãofazendo para monitorar e combater a propagação do coronava­rus. Em 1º de abril, o Instituto Stanford de Inteligaªncia Artificial Centrada no Homem (HAI) realizou uma conferaªncia virtual COVID-19 e AI , com palestrantes discutindo a melhor forma de abordar a pandemia usando tecnologia, IA e análises.

Para vencer o COVID-19, énecessa¡rio acompanhar de perto.

Va¡rios grupos monitoram a propagação do va­rus desde o final de 2019, conforme discutido por John Brownstein , professor de pediatria de Harvard. "a‰ preciso um pequeno exanãrcito de pessoas", diz ele, destacando os esforços de universidades e outras organizações para usar a mineração de dados e outras ferramentas para rastrear os primeiros sinais do surto on-line (como o aplicativo WeChat da China) e entender os efeitos da intervenção. A pesquisa de seu grupo , por exemplo, mostra que as medidas de controle da China mitigaram a disseminação do va­rus.

As contribuições diretas do paºblico em geral são fundamentais nesse esfora§o, inclusive atravanãs do uso de aplicativos de verificação de sintomas, como os validados clinicamente, fornecidos pela Buoy : Os usuários respondem a perguntas sobre os sintomas e os dados são agregados para entender as tendaªncias. A ferramenta COVID Near You , lana§ada pelo Google e outras pessoas para identificar padraµes / pontos de acesso noníveldo ca³digo postal, já tem mais de 250.000 usuários.

Parte do desafio éa taxa potencialmente grande de infecções não relatadas, que podem se espalhar latentemente por grandes regiaµes, prolongando a pandemia. "Mais testes podem nos ajudar a estimar casos não detectados, mas écaro", diz Lucy Li , cientista do Bio Zub Chan Zuckerberg . Da mesma forma, a modelagem baseada em dados de contagem de casos produz resultados incertos. Portanto, Li e seus colegas se voltaram para dados gena´micos virais - o número de mutações de va­rus entre casos identificados - junto com testes e dados de sanãries temporais da OMS para estimar taxas de infecção não relatadas.

Usando dados de Hubei, China, eles descobriram que cerca de uma em cada sete infecções foi detectada. Fora da China, a taxa pode ser tão baixa quanto 1 caso detectado em 20, o que significa milhares de infecções para cada 100 detectados. Tais descobertas enfatizam a importa¢ncia do distanciamento social e equipamentos de proteção, como ma¡scaras.

Prever o spread do COVID-19 éainda mais complicado do que rastrea¡-lo.

Uma grande parte do desafio éque os modelos e ferramentas usados ​​para prever taxas e impacto da influenza não se aplicam "como estão". Ryan Tibshirani , professor de estata­stica e aprendizado de ma¡quina da Carnegie Mellon, trabalha com o grupo DELPHI da universidade , um Centro de Excelaªncia do CDC para previsão de gripe. "Uma pandemia não funciona como uma gripe ta­pica", diz ele.

Seu grupo e outros estãorapidamente construindo conjuntos de dados COVID e adaptando modelos de previsão de influenza, incluindo os baseados em aprendizado de ma¡quina, com a ajuda de grandes empresas de tecnologia. O CDC também lançou um desafio de previsão COVID. Ainda assim, Tibshirani adverte: “a‰ melhor evitar as previsaµes nas últimas quatro semanas, por razões estata­sticas e políticas” - as previsaµes de longo prazo podem não ser capazes de incorporar os efeitos de políticas em rápida mudança voltadas para a crise, por exemplo.

A saúde física não éa única medida de interesse dos pesquisadores que abordam o COVID. Muitos estãoavaliando os efeitos de saúde mental e comportamentais da pandemia. "A ansiedade e a solida£o são afetadas por esse desastre nacional em ca¢mera lenta, reduzindo o bem-estar", diz Johannes Eichstaedt , professor assistente de psicologia de Stanford e membro jaºnior da HAI.

Eichstaedt aplicou sua década de experiência usando dados do Twitter para entender o bem-estar, analisando 2 milhões de tweets recentes da hashtag COVID por conteaºdo e regia£o geogra¡fica, em combinação com o Censo e outros dados.

Resultados preliminares: As áreas urbanas e mais educadas estãofocadas na busca de informações (como sobre testes) e mudança de comportamento (lavagem das ma£os); Os eleitores de Trump subestimaram o impacto potencial ("como a gripe"); sentimentos negativos coletivos se concentram em palavras como "economia" e "Trump". Os pesquisadores estãomonitorandomudanças semanais nessas tendaªncias.

A urgência da crise do COVID destacou a necessidade de “ciaªncia aberta” - a tendaªncia crescente de disponibilizar dados e outras informações de pesquisas cienta­ficas para que outros pesquisadores possam usa¡-las para verificar as descobertas existentes e fazer novas descobertas.

Mark Musen , professor de medicina de Stanford e ciência de dados biomédicos, diz: "Já existem muitos dados sobre o va­rus, mas écomo uma biblioteca sem um bom cata¡logo". Isso significa que os pesquisadores não podem maximizar os esforços para rastrear e combater o COVID, identificando / agregando dados importantes. Musen e outros estãotrabalhando para tornar os dados da COVID “justos”: localiza¡veis, acessa­veis, interopera¡veis ​​e reutiliza¡veis.

Grande parte do esfora§o envolve a criação de bons "metadados" (dados sobre dados), como a padronização de nomes de varia¡veis ​​(em vez de "idade", "idade (ano)" e "idade_ano"). Va¡rias organizações estãousando a tecnologia desenvolvida pela Stanford, como o CEDAR Workbench, baseado na Web, para melhorar os dados COVID dispona­veis.

A anala­tica e a tecnologia também estãodesempenhando um papel importante nos esforços para controlar o coronava­rus.

Taiwan adotou uma abordagem proativa e baseada em análises do COVID-19 desde o ina­cio. "Eles se concentraram em rastrear pessoas em risco e tornar públicas as informações", diz Jason Wang , diretor do Centro de Pola­ticas, Resultados e Prevenção de Stanford.

Isso incluiu a ativação de um centro de comando centralizado para operações de combate a va­rus 24/7; verificar as temperaturas dos passageiros aanãreos que chegam e colocar em quarentena aquelas com febre; vincular os bancos de dados nacionais de seguros de saúde e alfa¢ndega para identificar cidada£os em risco (como aqueles que viajaram para Wuhan); e rastrear movimentos de cidada£os em quarentena.

O governo também reuniu dados sobre equipamentos de proteção individual (EPI), aumentando rapidamente a produção para 11 milhões de máscaras por dia, enquanto apontava os cidada£os para os varejistas que vendiam EPI. Essas medidas de reforço maºtuo ajudaram Taiwan a manter as mais baixas taxas de infecção / mortalidade per capita, ao mesmo tempo em que obtiveram 90% de aprovação do governo.

Ainda assim, como sugere o esfora§o de Taiwan, uma grande desvantagem no rastreamento do va­rus éentre o uso de dados abrangentes e a proteção da privacidade e de outras liberdades civis - em risco quando os aplicativos usam GPS e outros dados de identificação pessoal.

Aqui, Tina White , estudante de doutorado em engenharia meca¢nica em Stanford, pergunta: "Podemos criar um sistema de rastreamento e alerta que não infrinja nossas liberdades?"

Para responder a isso, ela faz parte de uma crescente parceria de pesquisa que desenvolve um aplicativo ma³vel baseado em Bluetooth que automatiza o rastreamento de contatos (atravanãs do sensor de proximidade), com informações não pessoais enviadas para um banco de dados. O aplicativo usaria as informações para alertar os usuários quando eles possam ter sido expostos ao COVID, para melhorar o conhecimento e reduzir a propagação.

De todas essas maneiras, os alto-falantes apresentados aqui estãousando tecnologia, IA e análise para achatar a curva, retardar a propagação do COVID-19 e salvar vidas.