O trabalho foi publicado em dezembro de 2025 no periódico científico BMC Infectious Diseases, do grupo inglês Springer Nature, um dos mais importantes do mundo

Os pesquisadores da Unesp (Universidade Estadual Paulista) Wallace Casaca, Marilaine Colnago e Rafaella Ferreira comprovaram, a partir do desenvolvimento de três modelos de IA (inteligência artificial), que os surtos de Covid podem ser previsíveis cinco semanas antes de iniciarem, bem como a intensidade da onda, em que local ocorrerá e por quê.

O estudo "Aprendizado de máquina preditivo e interpretável para ressurgimentos da Covid: o papel das variantes do Sars-CoV-2 na era pós-pandemia" usou a técnica chamada de IA Explicável, que torna as decisões compreensíveis para as pessoas.

O trabalho foi publicado em dezembro de 2025 no periódico científico BMC Infectious Diseases, do grupo inglês Springer Nature, um dos mais importantes do mundo no ramo acadêmico e detentor das marcas de revista Nature.

"Ao contrário da gripe, a Covid não tem uma sazonalidade previsível. Ela depende da 'competição' entre variantes. Entender essa 'luta' entre as linhagens da Covid é o que permite prever o próximo surto no contexto atual. Com o achado, as autoridades de saúde podem identificar que uma onda está vindo, implantarem campanhas de vacinação mais ágeis e preparar estoques de remédios.", afirma Wallace Casaca.

Os cientistas coletaram dados de janeiro de 2022 a janeiro de 2025 da cidade de Nova York e do Reino Unido. No período, a Ômicron e suas subvariantes predominavam no mundo, inclusive no Brasil.

Do Departamento de Saúde e Higiene Mental da Cidade de Nova York foram extraídos registros de casos confirmados de Covid relatados pela rede unificada de hospitais e testes, de internações diárias pela doença como diagnóstico primário em todos os hospitais e das proporções semanais de cada variante do coronavírus, obtidas por sequenciamento genômico randomizado de testes PCR.

A Agência de Segurança em Saúde do Reino Unido forneceu dados de infecções confirmadas por PCR pelo Programa Nacional de Testagem, de hospitalizações e da vigilância genômica semanal das cepas circulantes do Consórcio de Genômica da Covid UK.

"Extraímos os dados brutos, colocamos na nossa plataforma InfoTracker e fizemos um pré-processamento, que estrutura e organiza as informações para a aplicação dos modelos de IA", explica. A SP Covid-19 Info Tracker foi criada por pesquisadores da USP e da Unesp para analisar e monitorar em tempo real dados da pandemia em municípios paulistas.

Para medir a acurácia dos modelos, foram utilizadas três métricas de desempenho: Mape (Mean Absolute Percentage Error ou Erro Percentual Absoluto Médio), NRMSE (Raiz do Erro Quadrático Médio Normalizado) e NMAE (Erro Absoluto Médio Normalizado).

"Pelo Mape é possível saber o quão acurado um modelo preditivo é para predizer novos casos de Covid, por exemplo. Quanto menor esse valor, maior é a capacidade preditiva do modelo. O Mape que decresce de 35% para 7% significa que o meu modelo deixou de errar 35% para começar a errar só 7%, ou seja, nos outros 93% ele acerta", explica o pesquisador.

A pesquisa demonstrou que incluir as informações genômicas (quais variantes circulam no momento) em modelos de IA reduziu o erro das previsões -em Nova York, de 32% para 7%, em média, e no Reino Unido, de cerca de 35% para 7%. Os resultados consideram as três métricas.

Segundo Casaca, o artigo demonstra que a IA consegue identificar o momento exato em que uma variante nova começa a expulsar a antiga e causar um novo surto da doença.

"O estudo usa uma técnica que explica por que o modelo de IA está prevendo aquela onda, o que permite aos gestores entenderem qual cepa específica é o gatilho. Sem olhar para as variantes, os governos preveem ondas no escuro. Precisamos agora é integrar a ciência de dados com a vigilância genômica de forma definitiva no sistema público de saúde", diz Casaca.

O estudo "Aprendizado de máquina preditivo e interpretável para ressurgimentos da Covid: o papel das variantes do Sars-CoV-2 na era pós-pandemia" usou a técnica chamada de IA Explicável, que torna as decisões compreensíveis para as pessoas.

O trabalho foi publicado em dezembro de 2025 no periódico científico BMC Infectious Diseases, do grupo inglês Springer Nature, um dos mais importantes do mundo no ramo acadêmico e detentor das marcas de revista Nature.

"Ao contrário da gripe, a Covid não tem uma sazonalidade previsível. Ela depende da 'competição' entre variantes. Entender essa 'luta' entre as linhagens da Covid é o que permite prever o próximo surto no contexto atual. Com o achado, as autoridades de saúde podem identificar que uma onda está vindo, implantarem campanhas de vacinação mais ágeis e preparar estoques de remédios.", afirma Wallace Casaca.

Os cientistas coletaram dados de janeiro de 2022 a janeiro de 2025 da cidade de Nova York e do Reino Unido. No período, a Ômicron e suas subvariantes predominavam no mundo, inclusive no Brasil.

Do Departamento de Saúde e Higiene Mental da Cidade de Nova York foram extraídos registros de casos confirmados de Covid relatados pela rede unificada de hospitais e testes, de internações diárias pela doença como diagnóstico primário em todos os hospitais e das proporções semanais de cada variante do coronavírus, obtidas por sequenciamento genômico randomizado de testes PCR.

A Agência de Segurança em Saúde do Reino Unido forneceu dados de infecções confirmadas por PCR pelo Programa Nacional de Testagem, de hospitalizações e da vigilância genômica semanal das cepas circulantes do Consórcio de Genômica da Covid UK.

"Extraímos os dados brutos, colocamos na nossa plataforma InfoTracker e fizemos um pré-processamento, que estrutura e organiza as informações para a aplicação dos modelos de IA", explica. A SP Covid-19 Info Tracker foi criada por pesquisadores da USP e da Unesp para analisar e monitorar em tempo real dados da pandemia em municípios paulistas.

Para medir a acurácia dos modelos, foram utilizadas três métricas de desempenho: Mape (Mean Absolute Percentage Error ou Erro Percentual Absoluto Médio), NRMSE (Raiz do Erro Quadrático Médio Normalizado) e NMAE (Erro Absoluto Médio Normalizado).

"Pelo Mape é possível saber o quão acurado um modelo preditivo é para predizer novos casos de Covid, por exemplo. Quanto menor esse valor, maior é a capacidade preditiva do modelo. O Mape que decresce de 35% para 7% significa que o meu modelo deixou de errar 35% para começar a errar só 7%, ou seja, nos outros 93% ele acerta", explica o pesquisador.

A pesquisa demonstrou que incluir as informações genômicas (quais variantes circulam no momento) em modelos de IA reduziu o erro das previsões -em Nova York, de 32% para 7%, em média, e no Reino Unido, de cerca de 35% para 7%. Os resultados consideram as três métricas.

Segundo Casaca, o artigo demonstra que a IA consegue identificar o momento exato em que uma variante nova começa a expulsar a antiga e causar um novo surto da doença.

"O estudo usa uma técnica que explica por que o modelo de IA está prevendo aquela onda, o que permite aos gestores entenderem qual cepa específica é o gatilho. Sem olhar para as variantes, os governos preveem ondas no escuro. Precisamos agora é integrar a ciência de dados com a vigilância genômica de forma definitiva no sistema público de saúde", diz Casaca.