Previsões de IA do HungerMap Live ajudam a orientar a resposta alimentar de emergência na Somália
Somália
A plataforma HungerMap Live do PAM, assistida por IA e construída com a Google.org, cobre mais de 50 países e …
Senegal · Podor · Ver o perfil de Senegal
Top 65% 53/100 · Pergunte a Evidence Copilot sobre esta prática
O Ministério da Saúde do Senegal testou a plataforma 3S — chatbot Taggàt, alerta Jottali, painel Gëstu — em três distritos, emitindo 330 alertas de doenças zoonóticas em 2025 e reduzindo a deteção de 4,6 para 2,8 dias, segundo estudo revisto por pares.
O Senegal enfrenta surtos recorrentes de doenças zoonóticas, como a febre do Vale do Rift, que muitas vezes se propagam silenciosamente entre animais, pessoas e o ambiente antes de os sistemas de vigilância oficiais as detetarem, atrasando a resposta.
A Divisão de Vigilância e Resposta a Vacinas do Ministério da Saúde e da Ação Social, em colaboração com a rede de investigação AI4PEP, sob a liderança do Dr. Boly Diop e do Prof. Sylvain Landry B. Faye, construiu a plataforma de Saúde Única Surveillance-Santé-Sénégal (3S). Esta tem três módulos interligados: Taggàt, um chatbot de IA que ajuda membros da comunidade a identificar possíveis sintomas zoonóticos; Jottali, um sistema de alerta baseado em comunicação comunitária; e Gëstu, um painel interativo de monitorização para as autoridades de saúde. Foi testada nos distritos de saúde de Podor (Saint-Louis, na fronteira com a Mauritânia), Kédougou (região mineira fronteiriça) e Pikine (área urbana de Dakar).
Uma avaliação revista por pares, publicada na Frontiers in Tropical Diseases (2026) e cobrindo o período de funcionamento do piloto entre abril e outubro de 2025, registou 330 alertas emitidos, dos quais 144 (43,6%) foram validados; os alertas humanos validados representaram cerca de 75% do total, sendo o restante sinais animais, vegetais e ambientais. A comunicação digital reduziu o tempo médio de deteção em 39%, de 4,6 dias no sistema de vigilância convencional para 2,8 dias, tendo em alguns casos sinalizado sinais até dez dias antes da confirmação oficial.
A mesma avaliação reportou limitações operacionais reais: um atraso médio de validação de alertas de 34,1 horas e atrasos na investigação rural entre 48 e mais de 72 horas, sendo que a confirmação laboratorial continua a demorar quatro a cinco dias — o que significa que a camada de IA acelera a deteção, mas a cadeia de resposta em torno dela continua a ser um estrangulamento.
Os detalhes de implementação (custo, prazo, equipa, condições de sucesso) ainda não estão disponíveis para esta prática.
Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.
De onde foi obtida a informação desta prática, e quando.
Somália
A plataforma HungerMap Live do PAM, assistida por IA e construída com a Google.org, cobre mais de 50 países e …
Suíça
A SPSP integra análise genómica com IA para detetar variantes de agentes patogénicos em toda a Suíça. Com mandato do …
Serra Leoa
A Statistics Sierra Leone e a parceria GRID3 usam deteção de contornos de edifícios por aprendizagem automática em imagens de …
Sudão
A HungerMap LIVE do PAM usa modelos de aprendizagem automática para estimar a insegurança alimentar onde os levantamentos no terreno …
Abrir o copiloto completo Baseado em práticas citadas — verifique sempre as fontes.