A dispersão do novo coronavírus depende de vários fatores, como o impacto da evolução viral, informações demográficas, comportamento social, diferenças culturais e políticas de quarentena. Ainda não está muito claro como cada fator se relaciona como o comportamento viral, ou como eles podem interagir entre si. Por outro lado, conforme o vírus se espalha e programas de contenção vão sendo implementados ao redor do mundo, uma quantidade enorme de dados é produzida. Esse parece ser um cenário ideal para a aplicação de métodos com base em inteligência artificial.
Com esse objetivo, um consórcio de pesquisadores da Universidade do Atlântico da Flórida (Florida Atlantic University, FAU) iniciou em maio o RAPID, um projeto que busca produzir uma base de conhecimento online da COVID-19, que além de concentrar dados sobre a doença e a pandemia, vai servir como ferramenta de avaliação de risco para que pessoas possam determinar seu risco de infecção. Os objetivos específicos do projeto são conduzir a modelagem e avaliação de risco da COVID-19 usando redes sociais e machine learning, cruzando informações com dados de genética molecular e infecção viral.
De forma prática, a ferramenta vai buscar integrar as diversas informações que são constantemente publicadas por cientistas, agências de notícias e agentes públicos sobre a patologia do vírus, dados genômicos e políticas administrativas tomadas, junto com as reações da população, que podem ser captadas através das redes sociais e outras ferramentas online. Num primeiro momento, os pesquisadores pretendem modelar o comportamento do vírus para ter uma linha de base de referência a ser usada na posterior avaliação de medidas de prevenção. Essa modelagem vai usar uma rede de grafos para representar as entidades e suas relações, se baseando no Sistema de Linguagem Médica Unificado (Unified Medical Language System, ULMS) para facilitar o compartilhamento do conhecimento. Depois, as informações serão usadas no desenvolvimento de uma ferramenta de predição que combina dados demográficos – como idade, densidade populacional, renda e condições prévias de saúde -, políticas públicas adotadas na região – sobre, por exemplo, o funcionamento de escolas e do comércio – e informações pessoais – como tamanho da família e hábitos de compras – para a avaliação de risco.
A equipe já conseguiu produzir um dashboard baseado em conhecimento, que ainda não está disponível ao público mas é exemplificado na figura abaixo, e agora está trabalhando na ferramenta de avaliação de risco.
