evidoria

← Voltar à navegação

Good practice

VectorCam — ferramenta de IA para vigilância de vetores da malária em Uganda

Uganda · Kampala · Ver o perfil de Uganda

Desenvolvido pela Universidade de Makerere e Johns Hopkins com o Ministério da Saúde de Uganda, o VectorCam usa IA para identificar espécies de mosquitos com 90 % de precisão via smartphone, permitindo vigilância vetorial da malária em tempo real em 22 distritos.

90 %
Precisão de identificação de espécies (2024 field validation)
12 districts
Distritos com implementação (2024/2025)
22 districts
Distritos-alvo (2025 target)
20 seconds
Tempo de classificação por amostra
VectorCam — ferramenta de IA para vigilância de vetores da malária em Uganda

Detalhes

Maturidade
Scaling
Promotor
Makerere University School of Public Health / Johns Hopkins Bloomberg School of Public Health / Uganda Ministry of Health
Período
2022–present
Palavras-chave
health, malaria, vector surveillance, public health

Contexto

VectorCam é uma aplicação de IA baseada em smartphone, desenvolvida pela Makerere University School of Public Health, pelo Center for Global Digital Health Innovation da Johns Hopkins Bloomberg School of Public Health, e pelo Ministério da Saúde do Uganda. Utiliza visão computacional e aprendizagem profunda, através de um adaptador de microscópio acoplado ao smartphone, para identificar a espécie, o sexo e o estado de alimentação sanguínea dos mosquitos diretamente no terreno, sem necessidade de infraestrutura laboratorial centralizada. A ferramenta destina-se a apoiar a vigilância de vetores da malária e o controlo de vetores direcionado em distritos com recursos limitados, onde escasseiam entomologistas qualificados.

Objetivos

O projeto pretende permitir a vigilância de vetores da malária em tempo real sem laboratórios centralizados, melhorar o controlo de vetores direcionado através da identificação precisa das espécies, e alargar a capacidade de vigilância a contextos com recursos limitados onde faltam entomologistas qualificados.

Atividades

Após uma fase-piloto entre novembro de 2022 e abril de 2024, a ferramenta foi implementada em distritos ugandeses, com validação de campo da precisão de identificação de espécies e monitorização de investigação operacional integrada num subconjunto de distritos. Em 2025, a Makerere University, a Johns Hopkins e o Ministério da Saúde estão a expandir o projeto de 12 para um objetivo de 22 distritos, com investigação integrada em 12 deles, sendo os resultados publicados no sistema DHIS do Uganda para acesso distrital e nacional.

Resultados

A validação de campo registou uma precisão de 90% na identificação da espécie do mosquito, com a classificação concluída em cerca de 20 segundos por amostra. A ferramenta está implementada em 12 distritos em 2024/2025, com uma expansão prevista para atingir 22 distritos.

Conclusões

As evidências disponíveis até à data limitam-se a indicadores de desempenho técnico e de implementação; não foi publicado nenhum ensaio controlado aleatorizado nem avaliação formal de impacto. A própria avaliação das fontes da Evidoria alerta que as afirmações causais sobre resultados da malária ao nível populacional devem ser tratadas com cautela até haver uma avaliação formal, prevista no âmbito da expansão liderada pelo Ministério da Saúde.

Implementação

Custo indicativo
Medium (€50k–€500k) — No public budget figures were found; the project is funded by the Bill & Melinda Gates Foundation. Hardware (smartphone + low-cost microscope adapter) is inexpensive per unit, but multi-district deployment, DHIS integration and embedded operational research across up to 22 districts imply a moderate ongoing programme cost — estimated as medium in the absence of published figures.
Tempo até resultados
Long (> 3 years) — Pilot ran November 2022-April 2024; scale-up to 22 districts (with research embedded in 12) was announced in August/September 2025 and is ongoing, indicating a multi-year (long) implementation horizon.
Equipa e competências
Makerere University School of Public Health (research/field validation), Johns Hopkins Bloomberg School of Public Health, Center for Global Digital Health Innovation (technical development), Uganda Ministry of Health (rollout and DHIS integration)

Condições de sucesso

  • Smartphone + microscope-adapter hardware availability in district health offices
  • Integration with Uganda's DHIS reporting system for data uptake by district/national health authorities
  • Embedded operational research capacity to validate performance as it scales
  • Sustained donor funding (Bill & Melinda Gates Foundation) through the pilot-to-scale transition

Modos de falha comuns

  • Species-identification accuracy claims (90%) are not yet paired with a published, peer-reviewed evaluation methodology
  • Scale-up to 22 districts depends on continued donor and Ministry of Health commitment
  • No causal evidence yet linking surveillance data to actual reductions in malaria transmission or vector control effectiveness

Onde se enquadra

Tipo de governação
national ministry of health with university/academic partners
Escala
sub-national, scaling from 12 to 22 districts
Nível de rendimento
low-income (Uganda)

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis