A triagem de alertas baseada em IA com o DHIS2 transforma a vigilância de doenças na Tanzânia

A Tanzânia, um país com quase 65 milhões de habitantes, enfrenta desafios persistentes em matéria de saúde pública devido à sua geografia diversificada, à distribuição da população e à prevalência de doenças transmissíveis e não transmissíveis. Embora o país tenha feito progressos significativos no reforço do seu sistema de saúde, os surtos de cólera, o vírus de Marburgo, o carbúnculo e outras doenças epidémicas continuam a ser uma preocupação séria, especialmente nas regiões de alto risco. A deteção e a resposta rápidas a potenciais ameaças para a saúde são fundamentais para um controlo e uma prevenção eficazes das doenças. Ao longo dos anos, o Ministério da Saúde da Tanzânia, com o apoio de parceiros como os Centros de Controlo e Prevenção de Doenças dos EUA (CDC) e o site World Health Organization (WHO), tem trabalhado para modernizar os seus sistemas de informação de saúde para melhorar a vigilância, a deteção precoce e a intervenção atempada nas ameaças à saúde pública.

Em 2021, com o apoio do CDC, o Ministério da Saúde da Tanzânia lançou o seu sistema eletrónico de Vigilância e Resposta Integrada às Doenças (e-IDSR) baseado no DHIS2 para alertar as equipas de saúde para possíveis surtos. Este esforço impulsionou a recolha de dados e permitiu a elaboração de relatórios e análises em tempo real, melhorando significativamente a capacidade da Tanzânia para monitorizar e responder a surtos de doenças. Em 2022, o e-IDSR estava totalmente implementado e revelou-se crucial para os esforços de deteção rápida e contenção do surto da doença do vírus de Marburgo na Tanzânia em 2023. Com base neste sucesso, o Ministério da Saúde introduziu um sistema de vigilância baseado em eventos (EBS) que complementa o e-IDSR, recolhendo dados não estruturados da comunidade – tais como mensagens SMS enviadas pelo público sobre potenciais casos de doença (conhecidos como “rumores” ou “alertas”) – para um programa no DHIS2 onde podem ser triados e assinalados para acompanhamento. O sistema EBS oferecia várias melhorias importantes na vigilância das doenças, mas a triagem manual dos alertas tornou-se rapidamente um estrangulamento no sistema, devido ao elevado volume de rumores apresentados e aos recursos humanos limitados para os processar.

Para fazer face a este desafio, o Ministério da Saúde, em colaboração com o Laboratório DHIS2 da Universidade de Dar es Salaam (UDSM) da Tanzânia e os seus parceiros internacionais, desenvolveu um sistema de triagem de relatórios alimentado por IA para permitir uma vigilância mais atempada e eficiente baseada em eventos. Esta inovação melhorou significativamente a velocidade e a eficiência do processamento destes alertas, reduzindo o tempo médio de triagem de 36 horas para quase instantâneo e processando com êxito 85% dos alertas anteriormente não triados.

Transformar a vigilância da saúde pública na Tanzânia

A vigilância baseada em eventos (EBS) é uma abordagem proactiva da saúde pública que inclui a recolha, a análise e a interpretação de eventos relacionados com a saúde a partir de múltiplas fontes, incluindo mensagens SMS sobre casos suspeitos ou observados de doenças e relatórios de agentes comunitários de saúde. O processo envolve cinco etapas fundamentais: comunicação, triagem, verificação, investigação e ação. O sistema EBS da Tanzânia utiliza um programa de rastreio DHIS2, em que cada alerta recebido é registado automaticamente e pode ser rastreado e atualizado digitalmente através de cada uma destas etapas. Destas cinco etapas, a triagem – o processo de seleção e priorização dos alertas recebidos sobre potenciais ameaças à saúde – foi um desafio crítico no sistema de vigilância da Tanzânia, uma vez que o pessoal se esforçou por processar eficazmente os cerca de 15.000 alertas apresentados de 2023 a janeiro de 2024.

A iniciativa de triagem baseada em IA seguiu um processo de desenvolvimento estruturado. A recolha de requisitos começou em maio de 2024, seguida do desenvolvimento do algoritmo em junho. A equipa da UDSM concluiu a integração e os testes do sistema em julho, e a implantação começou pouco depois, com recolha contínua de feedback para aperfeiçoar ainda mais o sistema. O sistema já foi implantado em cinco regiões de alto risco e processou com êxito 85% dos mais de 15.000 relatórios em atraso, revelando que cerca de 23% justificavam uma investigação mais aprofundada .

Antes da integração da IA, o processo de triagem manual demorava frequentemente 36 a 48 horas, atrasando a identificação de potenciais surtos. Além disso, nas cinco regiões onde o sistema foi testado, que foram selecionadas devido à sua vulnerabilidade a surtos como a cólera, o vírus de Marburgo e o carbúnculo, cerca de 60% dos alertas não foram tratados devido à limitação dos recursos humanos. A dependência da intervenção manual não só retardou a deteção de surtos, como também pode ter permitido que ameaças críticas à saúde passassem despercebidas durante longos períodos. Com a introdução da triagem automatizada utilizando a filtragem de palavras-chave orientada por IA e a deteção de duplicados, o sistema pode agora processar quase instantaneamente os relatórios recebidos. Isto melhorou drasticamente os tempos de resposta e permitiu que as equipas de saúde pública identificassem e verificassem muito mais rapidamente as ameaças emergentes para a saúde.

Introduzir a IA para uma vigilância de doenças mais inteligente

O sistema de triagem alimentado por IA funciona automatizando a classificação dos relatórios recebidos. Começa por verificar se existem envios duplicados, reduzindo a redundância no conjunto de dados. De seguida, é aplicada uma filtragem por palavras-chave, utilizando nomes de doenças e sintomas predefinidos para avaliar a relevância de cada alerta. Se um alerta corresponder a definições de caso específicas, é assinalado para verificação adicional. Embora o passo de verificação – avaliar a relevância de um alerta para o alerta precoce e a resposta – ainda seja efectuado manualmente, a abordagem estruturada da triagem baseada em IA simplificou significativamente o processo, permitindo que o pessoal se concentre na revisão dos alertas com maior probabilidade de serem relevantes.

Ao integrar este fluxo de trabalho no DHIS2, todos os alertas de saúde passam por um processo de triagem estruturado antes de serem introduzidos no sistema e-IDSR da Tanzânia. Os relatórios podem ser enviados diretamente para o DHIS2 através de SMS pelos profissionais de saúde ou pelo público em geral, ou através de uma aplicação móvel personalizada ou de um portal Web a que os profissionais de saúde tenham acesso. A cada alerta é automaticamente atribuída a sua própria Instância de Entidade Seguida no DHIS2, o que permite um seguimento sem falhas ao longo de todo o processo de vigilância. Se um evento for triado e confirmado como válido, transita do PBE para o sistema de vigilância baseado em indicadores, assegurando uma resposta nacional coordenada.

O futuro da IA e do DHIS2 na vigilância da saúde pública

A integração bem sucedida da triagem baseada em IA com o DHIS2 assinala um importante passo em frente no reforço da infraestrutura de vigilância de doenças da Tanzânia. O sistema já demonstrou melhorias significativas em termos de eficiência e tempo de resposta, e a sua evolução contínua promete um impacto ainda maior. A equipa do Laboratório DHIS2 do UDSM delineou os próximos passos do seu plano de implementação, incluindo a introdução de um algoritmo de aprendizagem automática para melhorar as capacidades da ferramenta de triagem.

No futuro, o Ministério da Saúde também planeia incluir alertas automáticos de plataformas de redes sociais, com uma ferramenta eletrónica para rastrear a atividade pública nas redes sociais e criar notificações sobre possíveis casos de doenças no sistema EBS. Além disso, estão a ser envidados esforços para expandir o sistema EBS e a ferramenta de triagem para as restantes 21 regiões. Ao expandir o alcance do sistema, a equipa UDSM espera atingir uma taxa de auto-triagem de 95% em todas as regiões, reduzindo ainda mais a carga sobre os profissionais de saúde e melhorando os resultados de saúde pública. Existem também oportunidades para ligar os sistemas EBS e e-IDSR a outros programas, como o de imunização, que poderiam apoiar um planeamento mais eficaz das campanhas de vacinação que visam as doenças evitáveis por vacinação.

Esta história de impacto baseia-se num resumo intitulado “Enhancing DHIS2 Event-Based Surveillance with AI”, apresentado na Conferência Anual DHIS2 2025, e numa entrevista com a equipa do Laboratório DHIS2 da UDSM.