Na Floresta Amazônica, poucos animais são tão perigosos para os humanos quanto os mosquitos que transmitem a malária. A doença tropical pode causar febre alta, dores de cabeça e calafrios e é particularmente grave para crianças e idosos e pode causar complicações para mulheres grávidas. No Peru coberto pela floresta tropical, o número de casos de malária disparou. Nos últimos cinco anos, o país teve em média a segunda maior taxa da América do Sul. Em cada um dos anos de 2014 e 2015, havia 65, 000 casos notificados.

Conter os surtos de malária é um desafio porque é difícil descobrir onde as pessoas estão contraí-la. Como resultado, recursos como mosquiteiros tratados com inseticida e sprays internos são frequentemente implantados em áreas onde poucas pessoas estão sendo infectadas, permitindo que o surto cresça.

Para resolver este problema, pesquisadores universitários recorreram a dados da frota de satélites de observação da Terra da NASA, que são capazes de rastrear os tipos de eventos humanos e ambientais que normalmente precedem um surto. Com financiamento do Programa de Ciências Aplicadas da NASA, eles estão trabalhando em parceria com o governo peruano para desenvolver um sistema que usa satélite e outros dados para ajudar a prever surtos em nível domiciliar com meses de antecedência e evitar que aconteçam.

Rastreando Mosquitos

Na Amazônia, a espécie de mosquito Anopheles darlingi é a maior responsável pela disseminação da malária, que é causada por parasitas unicelulares chamados Plasmodia. As fêmeas (e apenas as fêmeas) ingerem o parasita ao se alimentarem do sangue de um ser humano infectado e podem passá-lo para o próximo ser humano do qual se alimentar. "A malária é uma doença transmitida por vetores, o que significa que você tem que ter um vetor, ou mosquito, nesse caso, transmitir a doença, "disse o investigador principal William Pan, professor assistente de saúde ambiental global na Duke University. "A chave para a nossa ferramenta de previsão da malária está em identificar as áreas onde os principais criadouros desses mosquitos se sobrepõem simultaneamente às populações humanas."

A previsão de onde esses mosquitos irão florescer depende da identificação de áreas com ar quente e águas calmas, como lagoas e poças, que eles precisam para botar ovos. Os pesquisadores estão se voltando para o Sistema de Assimilação de Dados Terrestres, ou LDAS:um esforço de modelagem da superfície terrestre apoiado pela NASA e outras organizações. Satélites da NASA, como Landsat, Medição de precipitação global, e Terra e Aqua, servem como entradas para LDAS, que, por sua vez, fornece informações contínuas sobre a precipitação, temperatura, umidade do solo e vegetação em todo o mundo.

Embora não identifique poças e lagoas imediatamente, LDAS mostra onde é muito provável que se formem. Por exemplo, inundações podem transbordar as margens dos rios ou fortes chuvas podem saturar o solo, permitindo que a água se acumule.

"É um exercício de raciocínio indireto, "disse Ben Zaitchik, o co-investigador do projeto responsável pelo componente LDAS e um professor associado do Departamento de Ciências da Terra e Planetárias da Universidade Johns Hopkins. "Esses modelos nos permitem prever onde estará a umidade do solo em uma condição que permitirá a formação de criadouros."

Por meio de mapas de vegetação e cobertura do solo derivados de satélite, O LDAS também rastreia outro indicador importante para futuros surtos de malária:desmatamento, em particular quando o desenvolvimento de estradas está envolvido. Quando as estradas são construídas, escavadeiras cavam valas para descartar árvores e outros resíduos vegetais; quando cheias de água da chuva, essas valas tornam-se criadouros de mosquitos. Quando as pessoas infectadas atravessam essas estradas e transmitem a doença ao Anopheles darlingi, um surto pode ocorrer.

Rastreando Humanos

Enquanto o LDAS rastreia o clima e o desmatamento para identificar populações emergentes de mosquitos e futuros focos de surtos, os casos de malária notificados colocam os infectados no mapa. Mas, para fins de previsão de um surto, esse mapa não conta uma história completa.

No Peru, a malária é diagnosticada e tratada em postos de saúde espalhados pelo país, e os recursos são despachados para esses postos para conter surtos. O problema com essa abordagem de contenção, de acordo com Pan, é que o posto de saúde onde a pessoa procura tratamento nem sempre está perto do local onde contraiu a doença. Isso porque aqueles que estão em maior risco de contrair malária passam vários meses do ano explorando ou minerando, que muitas vezes os envia em viagens para longe de suas casas.

Descobrir onde as pessoas estão sendo infectadas é o ponto crucial do sistema de previsão da malária, e Pan está desenvolvendo um modelo estatístico com base regional e um modelo mais detalhado com base em agentes para atingir esses pontos críticos.

Para o modelo regional, os casos relatados de malária são incorporados junto com as estimativas da população de cada condado e suposições sobre para onde as pessoas estão viajando com base em estudos de migração sazonal. A integração de dados ambientais por meio de LDAS não apenas coloca as populações de mosquitos no mapa, mas também ajuda a informar o movimento humano, por exemplo, detectando o aumento dos rios durante a estação chuvosa. "É muito mais fácil flutuar troncos rio abaixo quando está alto, e ao mesmo tempo os mosquitos prosperam porque bolsões de água surgem ao longo da margem do rio, "Pan explicou, "portanto, esses tipos de condições correspondem a um alto risco de malária."

O modelo regional fornecerá uma visão geral de como os humanos, mosquitos, e a doença está localizada e para onde se dirige com base na forma como essas variáveis ​​interagem. Ao mesmo tempo, o modelo baseado em agente - nomeado porque modela o comportamento de cada agente, ou todo ser humano, mosquito, e parasita da malária dentro de uma área - ampliará um espaço geográfico mais restrito, utilizando dados hidrológicos de alta resolução e focalizando bairros e o movimento de pessoas. Em combinação com dados LDAS, o modelo irá executar uma simulação para avaliar a probabilidade de quando, onde e quantas pessoas devem ser picadas e infectadas com a doença.

Prevenindo um surto

De acordo com Pan, os dois modelos serão usados ​​para projetar 12 semanas adiante e identificar, até o nível familiar, onde a doença está prevista para se instalar. Os modelos também irão simular o que resultaria de qualquer uma das várias ações, desde a distribuição de mosquiteiros e sprays que podem reduzir o contato entre humanos e mosquitos até a administração de tratamento preventivo contra a malária que pode interromper a transmissão. Com base nos resultados, o ministério da saúde pode executar o plano ideal.

A capacidade do modelo baseado em agente de fazer projeções até o nível familiar permite que os recursos cheguem aonde são necessários. Seria uma mudança marcante do método atual do governo, que é distribuir recursos amplamente, às vezes para áreas que podem não precisar deles. "Em vez de tratar 100 por cento da comunidade, poderíamos focar o controle de vetores em certas famílias ou áreas específicas da comunidade, "Pan explicou." É uma estratégia direcionada que pode alcançar a mesma redução na malária, mas a um custo potencialmente mais baixo e com uma resposta mais rápida. "

Quando o projeto entra no terceiro de sua concessão de três anos, Pan e seus colegas continuam a refinar os modelos. Ele estima que a ferramenta de previsão pode estar pronta para uso em alguns anos. O governo peruano já está trabalhando com o Pan para se familiarizar com o sistema, particularmente quando começa seu programa Malaria Cero, que visa eliminar a doença até 2021. Outros países, incluindo Colômbia e Equador, manifestaram interesse.

Embora este projeto esteja focado na malária, Pan observou que uma das vantagens da ferramenta é sua adaptabilidade, como o LDAS e os modelos populacionais podem ser usados ​​para rastrear não apenas a malária, mas também uma série de outras doenças, como Zika e Dengue. "Acho que as agências de saúde do governo encontrarão não apenas um, mas muitos usos para o sistema que podem beneficiar muitas pessoas, "ele disse." Esse sempre foi nosso objetivo. "