Brezilya'da derin öğrenme ve hareket ağları kullanılarak dang ateşi ithalat riskinin öngörülmesi

Neden dang seyahatlerini izlemek önemli?

Dang ateşi dünya genelinde yayılıyor ve Brezilya en çok etkilenen ülkelerden biri. Ancak dengue sadece sivrisineklerle hareket etmiyor; insanlar şehirden şehire giderken hastalığı beraberinde taşıyor. Bu çalışma basit ama hayati bir soruyu soruyor: enfekte yolcuların haftadan haftaya Brezilya genelinde en olası olarak nereye dengue taşıyacağını öngörebilir miyiz? Yanıt, sağlık yetkililerinin yalnızca yerel vaka sayılarını değil, insan hareketinin harita üzerindeki riski nasıl yeniden şekillendirdiğini de izleyerek salgınlar patlamadan önce harekete geçmelerine yardımcı olabilir.

Hareket halindeki riski görmenin yeni bir yolu

Yazarlar iki aşamalı bir öngörü çerçevesi kuruyor. İlk olarak, 14 yıllık haftalık vaka raporları ve yerel iklim koşullarından öğrenen bir derin öğrenme modeli kullanarak Brezilya’nın 5.570 belediyesinin yakın gelecekte kaç dengue vakası göreceğini tahmin ediyorlar. İkinci olarak, bu tahminleri kara, nehir ve hava ile şehirler arasındaki insan hareketini detaylandıran ayrıntılı bir ağa besliyorlar. "Burada muhtemel kaç enfeksiyon var" ile "bu yer başkalarıyla ne kadar güçlü bağlı"yı birleştirerek sistem, her bir şehrin dışarıdan ne kadar dengue baskısı alması muhtemel olduğunu tahmin ediyor ve 2024 boyunca dinamik bir ithalat riski haritası oluşturuyor.

Geniş bir ülkede mevsimsel dalgaları görmek

Araştırmacılar Brezilya’nın 27 eyaletini zaman içinde incelediklerinde güçlü mevsimsel dalgalar görüyorlar: dengue aktivitesi tipik olarak Şubat’tan Mayıs’a kadar artıyor, fakat zamanlama ve şiddet bölgeye ve yıla göre keskin biçimde değişiyor. 2024 için yapılan tahminler ulusal düzeyde olağanüstü büyük bir artışa işaret ediyor; özellikle Güneydoğu ve Kuzey’in bazı bölgelerinde yükler ağırlaşıyor. Bu desenler önemli çünkü sezonun başında vaka artışı gösteren bir bölge güçlü bir kaynak haline gelip, enfekte yolcuları ulaşım koridorları boyunca henüz doruğa ulaşmamış yerlere gönderebilir. Çerçeve, her eyaleti izole bir ada olarak ele almak yerine bu "yukarı akış" ve "aşağı akış" ilişkilerini görünür kılıyor.

Enfeksiyonun görünmez otoyollarını haritalamak

Hareketlilik ağı kullanılarak çalışma, dengue riskinin şehirler arasında aktığı karmaşık yolları ortaya koyuyor. İthalat baskısı, yaz sonundan sonbahara doğru hızla büyüyor ve sonra azalıyor; bu, olağan mevsimi yansıtıyor ancak bir mekânsal bükülme ekliyor: bazı şehirler kavşakta bulunuyor. São Paulo, Rio de Janeiro, Goiás, Federal Bölge ve diğer bölgelerdeki büyük kent merkezleri ile transit düğümler kalıcı olarak yüksek gelen baskı gösteriyor. Bu merkezlerin bazıları aynı zamanda dışarıya büyük miktarda risk göndererek çift yönlü yoğun koridorlar oluştururken, Amazon’un bazı kesimleri ve ülkenin uzak güneyi gibi daha uzak kasabalar nispeten izole kalıyor.

Kaynaklar, havuzlar ve gizli bağımlılıklar

Bir şehrin ne kadar risk ihraç ettiğini ve ne kadar risk ithal ettiğini karşılaştırarak yazarlar ulusal yayılmayı yönlendiren "kaynak" şehirleri ve çoğunlukla dışarıdan enfeksiyon alan "havuz/sink" şehirleri belirliyor. Belediye düzeyinde yaklaşık üçte ikisi sink olarak davranırken, azınlıkta kalan yoğun bağlantılı kentsel alanlar güçlü kaynaklar olarak hareket ediyor. Eyalet düzeyinde bazı yerler, örneğin São Paulo ve Minas Gerais, büyük ölçüde kendi içinde kapalı: ithalat baskılarının çoğu kendi sınırları içinden geliyor. Diğerleri, Federal Bölge veya bazı kuzey eyaletleri gibi, riskin birkaç dış tedarikçisine güçlü biçimde bağımlı. Bu kaynak–sink tablosu, yukarı akışta kontrolün nerede aşağı akıştaki salgınları en etkili biçimde azaltabileceğini vurguluyor.

Tahminleri eyleme dönüştürmek

Halk sağlığı yetkilileri için ana mesaj, yalnızca yerel vaka sayılarına bakmanın hikâyenin önemli bir kısmını kaçırdığıdır. Mevcut insidansı düşük olan ama yüksek yüklü bölgelerden güçlü gelen bağlantılara sahip bir şehir, özellikle iklimi ve sivrisinek popülasyonu elverişliyse gelecekteki bir salgının eşiğinde olabilir. Çerçeve sivrisinek biyolojisinin veya insan davranışının her ayrıntısını modellemeye çalışmıyor; bunun yerine riski temiz bir şekilde iki parçaya ayırıyor: gelen enfeksiyonlardan kaynaklanan dış baskı ve bu enfeksiyonların bir salgına dönüşüp dönüşmeyeceğini belirleyen yerel koşullar. Bu ithalat haritalarını neredeyse gerçek zamanlı güncelleyerek yaklaşım, gözetimi önceliklendirmek, eyaletler arası müdahaleleri koordine etmek ve prensipte insan hareketiyle yayılan diğer hastalıklara benzer araçları uyarlamak için pratik bir yol sunuyor.

Atıf: 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

Anahtar kelimeler: dengue tahmini, insan hareketliliği, Brezilya halk sağlığı, derin öğrenme, hastalık ithalat riski