Прогнозирование риска завоза денге в Бразилии с использованием глубокого обучения и сетей мобильности

Почему важно отслеживать перемещения денге

Лихорадка денге распространяется по всему миру, и Бразилия остаётся одной из наиболее пострадавших стран. При этом денге распространяется не только через комаров: он перемещается вместе с людьми, которые переезжают из города в город. В исследовании ставится простой, но важный вопрос: можно ли еженедельно прогнозировать, в какие муниципалитеты по всей Бразилии с наибольшей вероятностью попадут инфицированные путешественники? Ответ мог бы помочь службам здравоохранения действовать до того, как вспышки разгорятся, наблюдая не только за локальными показателями заболеваемости, но и за тем, как перемещение людей перераспределяет риск по карте.

Новый взгляд на подвижность риска

Авторы создают систему прогнозирования, работающую в два этапа. Сначала они предсказывают, сколько случаев денге предвидится в каждом из 5 570 муниципалитетов Бразилии в ближайшем будущем, используя модель глубокого обучения, обученную на 14 годах еженедельных отчётов о случаях и локальных климатических условиях. Затем эти прогнозы подаются в подробную сеть, описывающую перемещение людей между городами по дорогам, рекам и воздушным путям. Объединив «сколько здесь, вероятно, будет инфекций» и «насколько сильно это место связано с другими», система оценивает, какое давление завоза денге может испытать каждый город извне, создавая динамическую карту риска завоза на протяжении 2024 года.

Сезонные волны в огромной стране

При взгляде на 27 штатов Бразилии в динамике исследователи наблюдают яркие сезонные волны: активность денге обычно растёт с февраля по май, но время пика и интенсивность сильно различаются по регионам и годам. Прогнозы на 2024 год указывают на исключительно крупную национальную волну, с особенно большой нагрузкой на Юго-Восток и некоторые части Севера. Эти паттерны важны, потому что регион с ранним ростом числа случаев может стать мощным источником, отправляя инфицированных путешественников вдоль транспортных коридоров в районы, где пик ещё не наступил. Предложенная схема делает видимыми такие «восходящие» и «нисходящие» связи, а не рассматривает каждый штат как изолированный остров.

Картирование невидимых магистралей инфекции

С помощью сети мобильности исследование выявляет сложные пути, по которым риск денге течёт между городами. Давление завоза быстро растёт с конца лета к осени, затем спадает, повторяя обычный сезон, но с пространственным оттенком: некоторые города находятся на перекрёстках. Крупные урбанистические центры и транспортные узлы в Сан-Паулу, Рио-де-Жанейро, Гойясе, Федеральном округе и других регионах демонстрируют постоянно высокое входящее давление. Некоторые из этих хабов также широко распространяют риск наружу, формируя плотные коридоры двустороннего обмена, тогда как более отдалённые поселения — особенно в частях Амазонии и на далёком Юге — остаются относительно изолированными.

Источники, стоки и скрытые зависимости

Сравнивая, сколько риска город экспортирует и сколько импортирует, авторы выделяют «источники» распространения, которые двигают национальное распространение, и «стоки», которые в основном получают инфекции извне. Примерно две трети муниципалитетов выступают в роли стоков, тогда как меньшинство сильно связанных городских зон действуют как мощные источники. На уровне штатов некоторые территории, такие как Сан-Паулу и Минас-Жерайс, в основном самодостаточны: большая часть их давления завоза исходит изнутри их собственных границ. Другие, например Федеральный округ или некоторые северные штаты, сильно зависят от нескольких внешних поставщиков риска. Эта картина «источник–сток» подчёркивает, где контроль на восходящих участках может наиболее эффективно снизить последующие вспышки.

Превращение прогнозов в действия

Для чиновников общественного здравоохранения ключевой посыл в том, что наблюдение только за локальными показателями заболеваемости упускает важную часть картины. Город с низкой текущей заболеваемостью, но с сильными входящими связями с высоконагруженными районами может оказаться на пороге будущей вспышки, особенно если климат и популяции комаров этому способствуют. Схема не пытается моделировать каждую деталь биологии комаров или поведения людей; вместо этого она чётко разделяет два компонента риска: внешнее давление от входящих инфекций и локальные условия, которые определяют, приведут ли эти инфекции к эпидемии. Обновляя такие карты завоза почти в реальном времени, подход предлагает практичный инструмент для приоритизации надзора, координации ответных мер между штатами и, в принципе, для расширения аналогичных инструментов на другие заболевания, которые «пересекаются» с человеческой мобильностью.

Цитирование: Chen, X., Moraga, P. Forecasting of dengue importation risk in Brazil using deep learning and mobility networks. npj Digit. Public Health 1, 11 (2026). https://doi.org/10.1038/s44482-026-00015-9

Ключевые слова: прогнозирование денге, мобильность людей, общественное здравоохранение Бразилии, глубокое обучение, риск завоза заболевания