Análise de dados no uso de inteligências artificiais na prevenção de lacunas vacinais e retorno de doenças erradicadas

Autores

  • Luiz Otávio Ribeiro
  • Sabrina Alves Maia
  • Eduardo Henrique Antunes Mann
  • Matheus Mendes Brito

Palavras-chave:

Inteligência Artificial, Lacunas vacinais, Doenças Erradicadas

Resumo

Introdução: A cobertura vacinal é fundamental para prevenir doenças infecciosas e preservar a saúde pública. Contudo, lacunas nesse processo podem favorecer o ressurgimento de doenças erradicadas, como sarampo, rubéola e poliomielite, representando desafio constante aos sistemas de saúde. Nesse contexto, a Inteligência Artificial (IA) surge como ferramenta útil na análise de dados de vacinação, capaz de identificar falhas e orientar estratégias preventivas. Objetivo: Explorar o uso da IA na análise de dados de vacinação para prevenir lacunas vacinais e o retorno de doenças erradicadas. Metodologia: Foram analisados artigos científicos sobre o emprego da IA na saúde, com ênfase em sua aplicação para ampliar a cobertura vacinal. Resultados: A IA consegue processar grandes volumes de dados e identificar padrões pouco perceptíveis ao olhar humano. Algoritmos de aprendizado de máquina permitem localizar grupos com baixa adesão vacinal, mapear áreas de risco e apontar fatores que dificultam a imunização. Além disso, possibilitam ações preditivas para antecipar surtos e reforçar campanhas. Conclusões: O uso da IA na saúde pública permite respostas rápidas e efetivas frente às lacunas vacinais, contribuindo para prevenção de surtos e proteção coletiva. A experiência da startup canadense BlueDot, que previu antecipadamente a pandemia de covid-19, demonstra o potencial da tecnologia.

Referências

Rossetti R, Angelucci A. Ética Algorítmica: questões e desafios éticos do avanço tecnológico da sociedade da informação. Galáxia (São Paulo). 2021.

Lobo LC. Inteligência artificial e medicina. Rev Bras Educ Med. 2017;41:185-193.

Rocha TAH, et al. Plano nacional de vacinação contra a COVID-19: uso de inteligência artificial espacial para superação de desafios. Ciênc Saúde Colet. 2021;26:1885-1898.

Lemos DRQ, et al. Risk analysis for the reintroduction and transmission of measles in the post-elimination period in the Americas. Rev Panam Salud Publica. 2018;41:e157.

Makarenko C, et al. Ressurgimento do sarampo no Brasil: análise da epidemia de 2019 no estado de São Paulo. Rev Saúde Pública. 2022;56:50.

Sato APS, et al. Vacinação do sarampo no Brasil: onde estivemos e para onde vamos?. Ciênc Saúde Colet. 2023;28:351-362.

Cruz A. A Queda da imunização no Brasil. Consensus. 2017;25:20-29.

Anjaria P, et al. Artificial Intelligence in Public Health: Revolutionizing Epidemiological Surveillance for Pandemic Preparedness and Equitable Vaccine Access. Vaccines. 2023;11(7):1154.

Zeng D, Cao Z, Neill DB. Artificial intelligence–enabled public health surveillance—from local detection to global epidemic monitoring and control. In: Artificial Intelligence in Medicine. Academic Press. 2021. p. 437-453.

Downloads

Publicado

2025-09-16

Como Citar

Ribeiro, L. O., Maia, S. A., Mann, E. H. A., & Brito, M. M. (2025). Análise de dados no uso de inteligências artificiais na prevenção de lacunas vacinais e retorno de doenças erradicadas . REVISA, 14(3), 1678–1684. Recuperado de https://rdcsa.emnuvens.com.br/revista/article/view/966

Edição

v. 14 n. 3 (2025): REVISA

Seção

Revisão de Literatura

Licença

Copyright (c) 2025 REVISA

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

  • Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.

  • Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.