Usando uma abordagem baseada na tecnologia de visão computacional, os pesquisadores podem trabalhar com os dados de mortalidade do COVID-19 para ver como as taxas de infecção mudaram no dia em que um bloqueio ou medida semelhante foi introduzido. A abordagem pode ser geralmente útil em futuras epidemias e pandemias. O trabalho foi publicado em 14 de julho na Science Advances .

Os coautores Leonor Saiz, professor de engenharia biomédica na Universidade da Califórnia, Davis, e José Vilar, Universidade do País Basco, Espanha, queriam ver os efeitos de intervenções não farmacêuticas, como distanciamento social, bloqueios e mascaramento no primeiro ano da pandemia. Eles analisaram os relatórios diários de mortes de países europeus, incluindo Reino Unido, Itália, Espanha, Dinamarca e Suíça, para inferir a taxa diária de novos casos.

Em termos de computação, a incidência diária de infecção é a entrada e a taxa de mortalidade é uma saída. Pegar uma saída e trabalhar de trás para frente para descobrir a entrada é o que os matemáticos chamam de processo inverso. Um exemplo disso está no processamento de imagens médicas, onde pode ser necessário melhorar a qualidade da imagem. Matemáticos e engenheiros desenvolveram técnicas para transformar uma imagem borrada em um original claro e nítido. Isso se chama deconvolução.

Inferir a taxa diária de novas infecções a partir das taxas diárias de mortalidade é um problema difícil, disse Saiz. A maioria dos casos de COVID-19 não é fatal e, quando o é, a morte pode ocorrer normalmente de 10 a 30 dias após a infecção. Isso significa que o sinal de saída é manchado ou borrado ao longo do tempo, da mesma forma que uma imagem vista através de um vidro turvo pode parecer borrada ou distorcida no espaço.

Saiz e Vilar desenvolveram um método de deconvolução para epidemiologia. Usando uma rede neural , incluindo o comportamento do vírus e a dinâmica da infecção, o modelo pode trabalhar a partir dos dados da taxa de mortalidade (saída) para a taxa de incidência diária (entrada).

"Pegamos emprestado um conceito da tecnologia de visão para aplicá-lo à epidemiologia", disse Saiz.

Os pesquisadores compararam seu modelo observando o efeito de intervenções não farmacêuticas (por exemplo, além de vacinas ou tratamentos medicamentosos) no primeiro ano da pandemia. Como essas medidas eram normalmente impostas em um país inteiro no mesmo dia, eles queriam ver se seu modelo poderia identificar o dia em que foram introduzidas.

Por exemplo, eles puderam ver os dias em que os bloqueios foram impostos e removidos na Inglaterra dentro de um dia de sua data real. Na Espanha, eles puderam observar como as infecções aumentaram quando as restrições de viagem foram suspensas e na Itália, no dia de outubro de 2020, quando as máscaras faciais foram exigidas ao ar livre.

A abordagem pode ser usada para avaliar a eficácia de etapas ou combinações de etapas, como quarentenas e mandatos de máscara, na redução da taxa de infecção.

“Podemos pelo menos ter confiança de que os bloqueios diminuíram a transmissão de infecções instantaneamente”, disse Saiz.