Jovem cientista angolano desenvolve sistema de Inteligência Artificial para prever evolução malária até 2028

Luanda — O jovem cientista angolano Joaquim Carlos Timoteo, actualmente a trabalhar em Moscovo, desenvolveu um sistema avançado de Inteligência Artificial capaz de prever a evolução da malária em Angola até 2028, utilizando dados históricos, clima, padrões regionais e o que denomina de “memória epidemiológica”.

O estudo, intitulado “A Hybrid Multi-Engine Framework for Subnational Malaria Incidence Forecasting in Angola”, foi publicado em Fevereiro de 2026 e apresenta uma arquitectura híbrida de previsão que combina múltiplos motores de IA para produzir estimativas de elevada precisão ao nível provincial.

Como funciona o sistema?

O modelo não depende de uma única abordagem. Trata-se de um ensemble inteligente, que integra:

• Random Forest

• Gradient Boosting (XGBoost, LightGBM)

• Redes Neurais do tipo LSTM

• Análise de sazonalidade e padrões temporais

• Um mecanismo agregador que combina todos os motores numa previsão final optimizada

Segundo os resultados do paper científico, o sistema atinge um nível de precisão superior a 97% (R² até 0.985), reduzindo drasticamente o erro de previsão quando comparado com modelos tradicionais baseados apenas em clima.

A descoberta mais relevante: a “memória epidemiológica”

O estudo demonstra que o principal factor preditivo da malária em Angola não é o clima isoladamente, mas sim a incidência do ano anterior.

O chamado lag-1 incidence representa 94% da capacidade preditiva do modelo, o que significa que a trajectória epidemiológica passada é o maior indicador do comportamento futuro da doença.

Em termos simples:

A malária tem memória — e essa memória pode ser modelada matematicamente.

Esta conclusão desafia abordagens tradicionais excessivamente centradas em variáveis climáticas.

Identificação de províncias de risco

A investigação analisou as 18 províncias angolanas e identificou três grandes clusters epidemiológicos:

1. Baixa incidência urbana – Luanda e Namibe

2. Alta incidência endémica – incluindo Uíge, Malanje e Kwanza Norte

3. Incidência moderada central

A diferença entre a província com maior e menor incidência chega a 2,8 vezes, reforçando a necessidade de estratégias diferenciadas.