Joaquim Timóteo, assistente no Laboratório de Pesquisa de Computação Avançada e investigador há cerca de três anos na Moscow Technical University of Communications and Informatics, em Moscovo, e sénior pesquisador no ResearchGate, afirma que o sistema apresenta uma taxa de precisão superior a 87% e pode apoiar decisões estratégicas no combate à principal causa de mortalidade em Angola.
Segundo informações obtidas pela Revista Carreira, não se trata de um modelo convencional. A solução configura um sistema híbrido integrado, composto por cinco motores de machine learning, estruturado para prever surtos de malária com margem de erro inferior a 13%.
“Não se trata de um exercício teórico ou de mera validação académica. O modelo encontra-se operacional e disponível”, assegurou à nossa redacção.
Segundo o investigador, o principal diferencial reside na arquitectura multicamada. Enquanto grande parte dos modelos aplicados em África opera com um único algoritmo preditivo, esta solução integra cinco motores independentes, cada um responsável por uma dimensão analítica específica, antes da consolidação da previsão final.
O primeiro motor dedica-se exclusivamente ao reconhecimento de padrões epidemiológicos da malária em Angola. Com base numa série histórica de aproximadamente 25 anos (2000–2024), o sistema identifica assinaturas temporais que antecedem surtos, facto que permite a identificação estruturada de tendências recorrentes.
Durante o processo de validação analítica, o modelo identificou um comportamento em “V” na curva de incidência da malária ao longo dos anos, bem como 484 ocorrências-padrão no histórico epidemiológico nacional.
O segundo motor procede ao cruzamento de variáveis demográficas, geográficas e comportamentais, incorporando factores como crescimento populacional, estrutura sanitária e heterogeneidade territorial entre províncias como Cuanza Norte, Cuanza Sul, Lunda Norte, entre outras. Este módulo apresenta uma taxa de erro estimada em 9,2%.
Por sua vez, o terceiro motor integra dados climáticos extraídos da plataforma NASA Power, com análise de 25 anos de comportamento climático nas 18 províncias do país. Variáveis como temperatura média, precipitação acumulada e oscilações sazonais são correlacionadas com os registos de incidência da doença.
O quarto motor estabelece a interdependência estatística entre os padrões epidemiológicos identificados e as variáveis climáticas observadas.
Já o quinto motor assume a função de núcleo decisor. Atribui pesos estatísticos aos resultados produzidos pelos módulos anteriores, consolida as evidências e emite alertas automáticos fundamentados em modelação matemática. É nesta etapa que o sistema determina, com base probabilística, quando e onde a incidência tende a aumentar.
Outro elemento revelado com exclusividade à Revista Carreira consiste na implementação de uma “memória epidemiológica”, mecanismo que armazena médias históricas, taxas de variação e ciclos sazonais, permitindo reconhecimento automático de padrões repetitivos sem necessidade de intervenção humana.
Em termos operacionais, o modelo possibilita a previsão de surtos com antecedência entre quatro e oito semanas.
“Isto viabiliza a activação antecipada de campanhas de sensibilização, o reforço estratégico de medicamentos e a preparação do sistema de saúde antes do pico de incidência”, explicou.

Segundo o investigador, a solução pode apoiar directamente o Ministério da Saúde na formulação de decisões estratégicas, sobretudo no alerta precoce de surtos sazonais, na optimização da alocação orçamental e na gestão preventiva da cadeia logística de medicamentos.
Adicionalmente, o sistema permite correlacionar investimento público e redução de incidência, qualificando tecnicamente o retorno de cada despesa em saúde. “É possível priorizar províncias onde o impacto marginal do investimento será superior”, referiu.
A revelação ocorre num contexto em que Angola manifesta interesse crescente em soluções de Inteligência Artificial aplicadas à saúde pública, incluindo iniciativas voltadas à integração de ferramentas tecnológicas no combate à malária.
O artigo científico que sustenta o modelo encontra-se publicado na plataforma ResearchGate e, segundo o investigador, regista cerca de 100 leitores mensais oriundos de diferentes universidades internacionais.
“O sistema está plenamente operacional. Dispomos de projecções detalhadas por zona até 2028, incluindo estimativas de incidência e população exposta ao risco”, garantiu.
Embora desenvolvido especificamente para a malária, o modelo apresenta arquitectura escalável e pode ser adaptado à previsão de surtos de tuberculose, VIH e outras patologias de elevada incidência no país.
Para Joaquim Timóteo, o projecto pode posicionar Angola de forma estratégica no ecossistema africano de Inteligência Artificial aplicada a desafios estruturais, num cenário em que economias como a Nigéria aceleram investimentos na área.
“A tecnologia pode salvar vidas. Angola tem capacidade para produzir ciência de nível internacional”, concluiu.

