Uma equipa da Universidade de Heidelberg desenvolveu um modelo computacional que antevê, com elevado grau de precisão, a ocorrência regional de surtos de gripe aviária na Europa. O sistema, que recorre a métodos de aprendizagem automática, identifica como fatores determinantes variáveis locais como a temperatura sazonal, índices de vegetação e água, e a densidade animal. A abordagem promete contribuir para uma atuação preventiva mais direcionada.

A infeção pelo vírus da gripe aviária de alta patogenicidade, que afeta principalmente aves mas regista um crescente número de casos em mamíferos, vê assim aberto um novo caminho para a sua monitorização. O trabalho, liderado pelo epidemiologista e matemático Joacim Rocklöv, parte do princípio de que a conjugação de dados ambientais e agropecuários permite desenhar padrões de risco. O aumento de infeções em mamíferos, sublinham os investigadores, amplia o risco de transmissão para populações humanas, tornando premente o desenvolvimento de ferramentas de alerta antecipado.

O modelo foi treinado com base nos registos de surtos ocorridos no espaço europeu entre 2006 e 2021. Desse vasto conjunto de dados, a equipa do Centro Interdisciplinar de Computação Científica e do Instituto de Saúde Global de Heidelberg isolou indicadores locais cruciais. Condições térmicas e pluviais, a presença de espécies de aves selvagens, a densidade de aves domésticas e até a composição da vegetação e os níveis de água mostraram-se peças fundamentais para o puzzle da previsão. Ao interligar estas variáveis interdependentes, o algoritmo consegue agora mapear potenciais focos de surto com uma exatidão que atinge os 94%.

“A conjugação da nossa modelação com uma recolha de dados seletiva pode ajudar a cartografar com maior nitidez as áreas de alto risco e as épocas do ano em que os surtos de gripe aviária são mais prováveis”, afirma Joacim Rocklöv, professor da Fundação Alexander von Humboldt. O investigador, que se dedica ao estudo do impacto das alterações climáticas na saúde pública, acredita que estes resultados poderão ser utilizados para desenhar programas de vigilância regional em toda a Europa, refinando os sistemas de deteção precoce.

O trabalho de investigação contou com financiamento da Fundação Alexander von Humboldt no âmbito do Programa Horizonte Europa da União Europeia. Os resultados foram publicados na revista “Scientific Reports”.

Referências Bibliográficas
Rocklöv, J. et al. Predicting Avian Flu Outbreaks in Europe Using Machine Learning. Sci Rep (2025).