O Japão tem obtido significativo sucesso no controle do Covid-19 graças a uma estratégia baseada em clusters, mesmo princípio utilizado por empresas como a Netflix para personalizar serviços
O Japão adotou um modelo diferente de combate a pandemia do Coronavírus em relação a outros países do mundo, o que levou a uma contaminação menor da população, economia com testes de infecção e e flexibilização das regras de distanciamento social. Os dados ainda não são definitivos, pois somente nos próximos meses será possível saber se a estratégia realmente surtiu efeito positivo na preservação de vidas a longo prazo. Porém, os números levantados até o início de maio de 2020 são promissores.
Até o dia 14 de maio de 2020, dados oficiais divulgavam 16.203 casos confirmados e 713 mortos em território japonês, números superiores a outros 28 países.
O modelo japonês: Testar-
Rastrear-Tratar
O modelo japonês de combate à pandemia é baseado em cluster, derivado de uma hipótese obtida em um estudo epidemiológico realizado no navio Diamond Princess, que entrou no porto da cidade Yokohama em 5 de fevereiro e ficou isolado por semanas após a descoberta de passageiros infectados. No total, dos 3.711 tripulantes, 712 testaram positivo para o Covid-19, com um saldo final de 7 mortos.
Navio Diamond Princess
Na embarcação, 2.999 pessoas não foram infectadas pelo vírus, mesmo tendo contato próximo umas com as outras. A hipótese sugere que o aumento explosivo de pessoas infectadas é resultado da alta transmissibilidade de certos indivíduos contaminados, que formam um aglomerado. Indivíduos infectados com transmissibilidade ainda mais alta aparecem nesses agrupamentos para formar mais agrupamentos e infectar muitos outros.
A premissa básica dessa estratégia é a sigla TTT, de “Test-Trace-Treat” ou “Testar-Rastrear-Tratar”, em português. Depois que um indivíduo infectado apresenta sintomas externos, como febre, cada cluster de infecção é rastreado até a fonte original e todos no cluster são isolados e tratados conforme necessário. Esse teste preciso significa que não é necessário um teste abrangente da população, tornando-o extremamente econômico
O sucesso das abordagens em Hokkaido
A abordagem em cluster foi colocada em prática em fevereiro, quando a ilha principal de Hokkaido, no norte do Japão, sofreu um surto. Uma intervenção TTT baseada em cluster – juntamente com o fechamento de rotas de transporte e uma ligação pessoal do governador para os moradores solicitando a permanência em casa – conteve o surto com um significativo sucesso.
Para que a abordagem baseada em cluster seja eficaz, são importantes medidas de proteção nos aeroportos e portos. Hokkaido tem a vantagem de ser uma ilha, facilitando comparativamente o controle do fluxo de pessoas infectadas. Assim, é possível rastrear o agrupamento de pessoas em cluster de forma mais rápida e eficaz.
Após o sucesso em Hokkaido, a abordagem baseada em cluster foi adotada nacionalmente. Em cidades consideradas metrópoles, como Osaka e Tóquio, foi mais difícil conter o surto. Por isso, medidas como o decreto de situação de emergência e o isolamento ou distanciamento social são fundamentais para frear a disseminação de vírus, mesmo com a estratégia do cluster.
A abordagem em cluster em outros países
Outros países do leste da Ásia que empregaram com sucesso uma estratégia TTT baseada em cluster, como China e Coréia do Sul, usaram pequenos exércitos de rastreadores especializados. A abordagem requer rastreamento profissional e rápido, com contatos sendo encontrados e testados em 24 horas.
A China, por exemplo, usou 1.800 equipes de cinco epidemiologistas para rastrear dezenas de milhares de contatos diariamente, resultando em mais de 700.000 pessoas sendo processadas. Países como o Reino Unido e os EUA estão apenas começando a ter equipes de rastreamento trabalhando, mesmo após dezenas de milhares de mortes de Covid-19 em cada país.
Clusterizando negócios
A utilização de clusters também é um diferencial em negócios para agregar benefícios diversos. Serviços inovadores como Spotify, Google Play Music e Netflix utilizam sistemas de recomendação ancorados em Inteligência Artificial. Dessa forma, é possível que a experiência de cada usuário realmente seja única e personalizada, resolvendo um problema de escolha que surge da exposição a milhões de faixas de áudio e milhares de filmes e séries, por exemplo, e aumentando o índice de satisfação das plataformas, que contribui para a melhora na retenção de clientes.
Por exemplo, sistemas de recomendação baseados em filtragem colaborativa comparam faixas e faixas ouvidas por diferentes usuários, e, em seguida, sugerem músicas que não aparecem na biblioteca do usuário, mas são ouvidas por outros usuários com interesses semelhantes.
A infraestrutura de recomendação da Netflix é uma excelente ilustração de uma solução funcional para esse desafio. O sistema é baseado em uma combinação de algoritmos supervisionados e não supervisionados que geram recomendações personalizadas. Em 2017, eram cerca de 1300 clusters que segmentavam todos os 93 milhões de assinantes à época. As recomendações de filmes altamente personalizadas aparecem nas linhas de gênero e nas listas ‘Porque você assistiu’ exibidas na página inicial do usuário.
As linhas de gênero são criadas por um algoritmo PVR (Personal Video Ranker) que obtém as melhores correspondências de todo o catálogo de vídeos de cada usuário de maneira personalizada. As listas baseadas em PVR são mais eficientes se combinadas com correspondências de ‘popularidade não personalizada’. O classificador Top N, que produz recomendações na linha ‘Top Picks’, combina filtragem personalizada com os filmes mais populares do catálogo. Em outras palavras, ele se concentra no topo do ranking e seleciona os filmes que melhor atendem às preferências do usuário.
Por sua vez, a linha ‘Trending Now’ identifica tendências sazonais (como o aumento nos filmes de Natal e Ano Novo no final do ano) e tendências de curto prazo causadas por eventos importantes, como furacões, eleições presidenciais ou pandemias, como o caso do Coronavírus. A combinação desses algoritmos de personalização cria uma experiência muito abrangente de recomendações que torna a Netflix tão eficiente na retenção de membros.
