Key points are not available for this paper at this time.
A previsão de epidemias e a avaliação de políticas de saúde pública dependem de modelos matemáticos, mas abordagens tradicionais enfrentam dificuldades em cenários com dados limitados. Avaliamos se modelos de Inteligência Artificial baseados em transformadores podem servir como uma nova estrutura para modelagem de epidemias. Testamos cinco modelos em diferentes patógenos e locais, incluindo influenza, vírus sincicial respiratório (VSR), catapora e dengue. Modelos fundamentais demonstraram alta precisão em previsões de curto prazo e previram múltiplas ondas epidêmicas. Eles superaram implementações padrão de modelos estabelecidos em dados limitados e irregulares. Mostramos que modelos fundamentais podem gerar cenários para avaliação de políticas, estimando o efeito de restrições mais rigorosas sobre os casos de COVID-19 durante o aumento da variante Alpha na Itália em 2021. Também os utilizamos para estimar a eficácia da campanha de imunização contra o VSR de 2023 em Paris, França. Nossos achados sugerem que modelos fundamentais podem complementar abordagens de modelagem existentes. Sua capacidade de gerar previsões e análises contrafactuais com dados mínimos destaca seu potencial para a saúde pública, especialmente em cenários emergentes e com recursos limitados.
Kalahasti et al. (Sun,) estudaram essa questão.