Análise e predição de incidência de casos de malária no tempo e no espaço utilizando modelos deep learning

Abstract

A malária é uma doença com risco de vida evitável e curável, mas houve mais de 228 milhões de casos de malária e 405.000 mortes por malária em 2018. Enquanto mais de 42 milhões de brasileiros estão sob risco de malária, 99% de todos os casos de malária no Brasil estão localizados dentro ou ao redor da floresta amazônica. Apesar do declínio de casos e mortes, a malária continua sendo um grande problema de saúde pública no Brasil. Em resposta a pedidos de novas pesquisas sobre estratégias de eliminação da malária para atender às condições locais, este artigo propõe modelos de machine learning e deep learning para prever a probabilidade de casos de malária no Estado do Amazonas. Usando um conjunto de dados de aproximadamente 6 milhões de registros, avaliamos os modelos {Random Forest, LSTM e GRU e comparamos desempenho por área geográfica usando a classificação de regionais de saúde do Estado do Amazonas e clusters através do algoritmo k-means. Os resultados sugerem que todos os modelos têm uma precisão satisfatória e forte potencial para prever novos casos de malária na região.