Modelagem computacional: guia para políticas de saúde

Uso de simulações de cenários reais para avaliar os padrões de transmissão de uma doença em uma comunidade e a eficácia de intervenções de mitigação é importante ferramenta para orientar a reabertura de escolas em um contexto de distanciamento social

CRÉDITO: FOTO ADOBE STOCK

Como afirma Carlos Morel no texto de estreia desta coluna, a ciência translacional tem como foco “estabelecer a conexão entre a pesquisa biomédica básica e a inovação em saúde, de modo a gerar produtos – como vacinas e fármacos –, serviços e políticas que possam beneficiar a população”. Esse processo é composto por várias etapas, entre elas, o uso de simulações detalhadas que mimetizem os cenários reais em que esses produtos serão utilizados. Para fazer essas simulações, existe uma classe de modelos conhecida como ABM (modelos baseados em agentes, na tradução), que pode ser usada como guia para formulação de políticas para abertura das escolas durante uma pandemia como a de Covid-19.

Os ABMs são modelos computacionais que acompanham o comportamento e as interações das unidades individuais – os agentes – dentro do sistema de interesse. No caso da modelagem epidemiológica, os agentes geralmente representam indivíduos dentro da comunidade e a transmissão da doença é baseada nos seus padrões de contato. 

Existem duas vantagens principais em usar modelos baseados em agentes nesse contexto. A primeira é a incorporação direta da heterogeneidade biológica e social de uma comunidade, ou seja, os diferentes comportamentos, características e suscetibilidades dos agentes individuais à doença, o que pode influenciar os padrões de transmissão. Ao capturar essa heterogeneidade, esses modelos podem fornecer ideias sobre grupos críticos (como superespalhadores ou vulneráveis) e guiar intervenções direcionadas. A segunda vantagem é que, por termos amplo conhecimento da evolução dos agentes, é possível fazer uma avaliação confiável dos efeitos de intervenções específicas de saúde pública pela comparação de cenários hipotéticos. Ao comparar diferentes cenários e fazer alterações nas histórias simuladas, podemos avaliar o impacto e a eficácia de várias intervenções na propagação da doença.

As virtudes dos modelos do tipo ABM podem ser ilustradas por meio de seu emprego na formulação de diretrizes para reabertura de escolas em um contexto de distanciamento social. Um relatório sobre a crise na educação global publicado em 2021 pelo Banco Mundial, Unesco e Unicef estimou que as perdas de aprendizagem decorrentes da pandemia de Covid-19 podem custar a esta geração 17 trilhões de dólares ao longo da vida. Apesar da pressão crescente para manter as escolas abertas, muitos países careciam de diretrizes para garantir a retomada e manutenção seguras das atividades escolares.

Com essa carência em mente, desenvolvemos o simulador COMORBUSS, que incorpora um modelo detalhado para a dinâmica social de comunidades, gerando padrões de contato que permitem modelar realisticamente a propagação de doenças. O modelo inclui um procedimento geral para modelar a infraestrutura de qualquer cidade. É importante ressaltar que ele reconhece os diferentes papéis desempenhados pelos agentes nos vários serviços e componentes da infraestrutura, gerando contatos que reproduzem dinâmicas sociais reais. Isso possibilita a avaliação do impacto de serviços específicos e de protocolos de mitigação na propagação da doença, bem como o rastreamento das cadeias de infecção.

O uso desse ambiente na simulação da transmissão da Covid-19 em comunidades com escolas fechadas serviu como base para quantificar o impacto de diferentes intervenções não farmacêuticas (INFs), combinadas a diversos níveis de cobertura vacinal. Surpreendentemente, mostramos que as aulas podiam ser mantidas com segurança, desde que houvesse o uso correto de máscaras de boa qualidade, aliado à combinação adequada de outras INFs. Nesses cenários, o aumento de infecções podia ser mantido abaixo de 20%, em comparação com a suspensão das aulas.

Não há uma solução única para uma pandemia, mas a combinação adequada de intervenções não farmacêuticas, vacinação e comportamentos permite a continuidade segura de atividades tão fundamentais e importantes quanto o ensino

Nosso resultado mais marcante destacou a necessidade de combinar corretamente INFs para garantir a continuidade segura das atividades escolares durante uma pandemia, independentemente da cobertura vacinal. Bons protocolos podem proteger comunidades mesmo com baixa cobertura vacinal, enquanto protocolos inadequados podem agravar seriamente a crise de saúde pública, mesmo em países com alta imunização. Isso ocorre principalmente devido à prolongada duração dos contatos sociais nas escolas, o que facilita infecções mesmo em pessoas vacinadas, se protocolos adequados não forem seguidos. Essa observação é crítica para o preparo contra novas variantes com baixa imunidade cruzada, especialmente nos vários países com baixa cobertura vacinal entre crianças.

Não há uma solução única para uma pandemia, mas a combinação adequada de intervenções não farmacêuticas, vacinação e comportamentos permite a continuidade segura de atividades tão fundamentais e importantes quanto o ensino. Métodos avançados de simulação, alimentados por dados produzidos pela ciência básica, nos permitem explorar cenários hipotéticos e identificar essas combinações.

Os desafios para alcançar tais objetivos são consideráveis e podem ser resumidos em um conjunto de três níveis de transparência: transparência algorítmica, que significa tornar o processo de composição de uma resposta compreensível por um especialista humano; decomponibilidade, que significa tornar cada parte de um modelo (entradas, parâmetros e cálculos) compreensível separadamente e em conjunto; e simulabilidade, que significa tornar os passos percorridos pela IA para compor uma resposta replicáveis por um especialista humano.

Guilherme Tegoni Goedert
Escola de Matemática Aplicada
Fundação Getulio Vargas

Claudio Jose Struchiner
Escola de Matemática Aplicadaa
Fundação Getúlio Vargas e Instituto de Medicina Social
Universidade do Estado do Rio de Janeiro