El mapeo vía imágenes aéreas de tanques de agua y piscinas expuestas puede ayudar a controlar el dengue

En un estudio realizado en Brasil, se combinó el uso de fotografías con inteligencia artificial para localizar zonas con menor índice socioeconómico y mayor susceptibilidad a las enfermedades propagadas por el Aedes aegypti

Por Theo Ruprecht  |  Agência FAPESP – Científicos brasileños desarrollaron un programa de computadora con capacidad para detectar tanques de agua sobre techos o losas y piscinas con base en imágenes, con la ayuda de herramientas de inteligencia artificial. Dicha propuesta consiste en utilizar este tipo de imágenes como un indicador que ayude a ubicar zonas especialmente vulnerables a infestaciones del mosquito Aedes aegypti. Además, esta estrategia despunta como una potencial alternativa para la concreción de un mapeo socioeconómico dinámico de las ciudades, razón por lo cual se erige como un aporte para la implementación de diferentes tipos de políticas públicas. 

La investigación estuvo a cargo de profesionales de la Universidad de São Paulo (USP), de la Universidad Federal de Minas Gerais (UFMG) y de la Superintendencia de Control de Endemias (Sucen) de la Secretaría de Salud del Estado de São Paulo. Salió publicada en el periódico científico PLOS ONE, e integra un proyecto que cuenta con el apoyo de la FAPESP. 

“Lo que hicimos en este primer momento fue crear un modelo basado en imágenes aéreas y ciencia de la computación para detectar tanques de agua y piscinas, y emplearlo como un indicador socioeconómico”, afirma el ingeniero Francisco Chiaravalloti Neto, docente del Departamento de Epidemiología de la Facultad de Salud Pública de la USP. 

En el artículo publicado, Chiaravalloti Neto y sus pares remarcan que en estudios anteriores ya se apuntaba que las zonas carenciadas de los municipios suelen mostrar una mayor propensión a la propagación del dengue. Es decir que, al utilizarse un modelo de actualización del estatus socioeconómico relativamente dinámico –fundamentalmente en comparación con el Censo, que se realiza cada diez años y está sujeto a retrasos–, se ayudaría a priorizar los esfuerzos de prevención contra el dengue, el zika y el chikunguña. 

“Este es uno de los primeros pasos de un proyecto más amplio”, destaca Chiaravalloti Neto. Entre otras cosas, el grupo anhela incorporar otros elementos a la detección en las imágenes y cuantificar las tasas reales de infestación del Aedes aegypti en cada zona determinada, a los efectos de refinar y validar el modelo. “Esperamos crear un diagrama de flujo que pueda aplicarse en distintas ciudades para encontrar áreas de riesgo sin necesidad de realizar visitas domiciliarias, una práctica que requiere mucho tiempo y fondos públicos”, dice Chiaravalloti Neto.

El aprendizaje de la máquina

En un estudio anterior, ya se había aplicado la inteligencia artificial para detectar tanques de agua y piscinas en Belo Horizonte, la capital del estado brasileño de Minas Gerais. Los investigadores empezaron indicándole esas imágenes satelitales de la ciudad a un algoritmo de computadora y cuáles poseían esas instalaciones. Mediante un proceso de aprendizaje profundo, el programa comenzó a detectar patrones en las imágenes que registraban la presencia de piscinas o tanques de agua. Con el tiempo, el sistema se volvió capaz de diferenciar esas estructuras en las fotos por sí solo. “Es verdaderamente un proceso de aprendizaje de máquinas, una subárea de la inteligencia artificial”, explica Jefersson Alex dos Santos, docente del Departamento de Ciencia de la Computación de la UFMG y fundador del Laboratorio de Reconocimiento y Patrones de Observación de la Tierra.

Para la actual investigación, los profesionales delimitaron cuatro zonas de la ciudad de Campinas, en el estado de São Paulo, caracterizadas por distintos contextos socioeconómicos, de acuerdo con el Instituto Brasileño de Geografía y Estadística (el IBGE, el organismo responsable de la realización del Censo). Un dron con una cámara de alta resolución sobrevoló esas áreas y tomó una serie de fotos. Con ellas se creó un banco de datos enfocado en tanques de agua y otro referente a piscinas.

La siguiente etapa consistió en concretar la técnica de transferencia de aprendizaje. “Entrenamos a aquel modelo en Belo Horizonte y lo aplicamos en Campinas”, aclara Dos Santos. Con las imágenes obtenidas en Campinas, el modelo se volvió más confiable para la región, al lograr una precisión del 90,23 % para la detección de piscinas y del 87,53 % para la de tanques de agua expuestos. 

Un indicador socioeconómico

Con el algoritmo debidamente entrenado, los investigadores utilizaron otras imágenes para calcular la concentración de piscinas y tanques de agua expuestos en las cuatro áreas de Campinas seleccionadas previamente. Al cruzar esa información con datos del IBGE, pudieron notar que los índices socioeconómicos eran menores en las áreas con mayor concentración de tanques de agua, y más elevados donde había una mayor acumulación de piscinas. 

Como las áreas menos estructuradas son más propensas a la infestación del Aedes aegypti, este modelo podría de por sí ayudar en el combate contra las enfermedades que esta especie de mosquito propaga. “Pese a que aún no constituye la metodología final, ya podemos pensar en un uso práctico y relativamente sencillo con la mira puesta en el desarrollo de un software de empleo a gran escala, con el objetivo de mapear barrios con mayor riesgo de padecer brotes de dengue”, refuerza Dos Santos. 

Chiaravalloti Neto apunta que los modelos creados podrían ser útiles más allá del control del dengue, el zika y el chikunguña: “La actualización de los índices socioeconómicos de distintos puntos de Brasil se concreta cada diez años, con el Censo. Pero con esta técnica lograríamos renovar esos datos de manera más ágil, y esto podría aplicarse para enfrentar diferentes enfermedades y problemas”.

Según el investigador, en trabajos futuros se podrán hallar otros marcadores basados en imágenes aéreas para refinar esos algoritmos y lograr una confiabilidad aún mayor. 

¿Un dron o un satélite?

Pese a que las fotos aéreas de Campinas se obtuvieron con un dron, se espera que, en el futuro, esta estrategia puesta a prueba en esta investigación se valga únicamente de imágenes satelitales. “Utilizamos un dron porque se trata de un estudio, pero los barridos con estos aparatos son caros”, analiza Chiaravalloti Neto. 

“Y también poseen una autonomía menor. Para llevar a adelante un proyecto a gran escala, que contemple grandes ciudades, necesitaremos las imágenes de satélites”, añade Dos Santos. En el estudio en Belo Horizonte, las imágenes satelitales se emplearon con éxito: las mismas deben ser de alta resolución para que la computadora logre identificar los patrones. De acuerdo con Dos Santos, el acceso a este tipo de imágenes se está ampliando, afortunadamente. 

Si bien esta metodología parece costosa, genera un potencial ahorro al no requerir la concreción de visitas presenciales para mapear, casa por casa, las áreas susceptibles al dengue. En lugar de ello, los agentes sanitarios aprovecharían la información obtenida en forma remota −y procesada mediante inteligencia artificial– para dirigirse a los lugares prioritarios con mayor asertividad.

Los próximos pasos

El actual modelo es capaz de detectar tanques de agua, pero no si los mismos se encuentran debidamente sellados. Y algo similar vale para las piscinas: las identifica, pero no sabe si están bien tratadas o cubiertas. “Esta metodología podría refinarse para diferenciar entre estructuras bien cuidadas y aquellas que efectivamente harían las veces de criaderos de mosquitos”, sostiene Chiaravalloti Neto. El registro de estos patrones y otras estructuras vinculadas a una mayor infestación de mosquitos volverían al algoritmo aún más confiable para la adopción de medidas de salud pública.  

En este momento, los investigadores están instalando una serie de trampas para Aedes aegypti en unas 200 cuadras de Campinas y evaluando detalladamente las condiciones de los inmuebles y la presencia de distintos criaderos de mosquitos. También se examinarán indicadores socioeconómicos. La etapa siguiente consistirá en analizar imágenes aéreas de esas áreas con la misma lógica aplicada en la investigación mencionada para clasificar el grado de riesgo referente a la presencia de Aedes aegypti y de las enfermedades que esta especie transmite.

“Al observar esas cuadras, pretendemos construir un modelo de priorización del control del dengue para toda la ciudad, y luego para el resto de Brasil”, culmina Chiaravalloti Neto.

Aparte de la financiación de la FAPESP, los investigadores contaron con recursos del Instituto Serrapilheira, del Consejo Nacional de Desarrollo Tecnológico (CNPq) de Brasil, de la Prorrectoría de Investigaciones de la USP y de la Fundación de Apoyo a la Investigación Científica del Estado de Minas Gerais (Fapemig). La Sucen también brindó soporte estructural. 

Puede accederse a la lectura del artículo intitulado Water tank and swimming pool detection based on remote sensing and deep learning: Relationship with socioeconomic level and applications in dengue control, de Higor Souza Cunha, Brenda Santana Sclauser, Pedro Fonseca Wildemberg, Eduardo Augusto Militão Fernandes, Jefersson Alex dos Santos, Mariana de Oliveira Lage, Camila Lorenz, Gerson Laurindo Barbosa, José Alberto Quintanilha y Francisco Chiaravalloti-Neto, en el siguiente enlace: journals.plos.org/plosone/article/authors?id=10.1371/journal.pone.0258681.