Este é um post convidado de coautoria de Ajay K Gupta, Jean Felipe Teotonio e Paul A Churchyard da HSR.health.
HSR.saúde é uma empresa de análise de risco de saúde geoespacial cuja visão é que os desafios globais de saúde podem ser resolvidos através da engenhosidade humana e da aplicação focada e precisa de análise de dados. Neste post, apresentamos uma abordagem para prevenção de doenças zoonóticas que utiliza Recursos geoespaciais do Amazon SageMaker para criar uma ferramenta que forneça informações mais precisas sobre a propagação de doenças aos cientistas da saúde para ajudá-los a salvar mais vidas, mais rapidamente.
As doenças zoonóticas afetam animais e humanos. A transição de uma doença de animal para humano, conhecida como transbordamento, é um fenômeno que ocorre continuamente em nosso planeta. De acordo com organizações de saúde como os Centros de Controle e Prevenção de Doenças (CDC) e a Organização Mundial da Saúde (QUEM), um evento de repercussão num mercado húmido em Wuhan, China, muito provavelmente causou a doença do coronavírus 2019 (COVID-19). Estudos sugerem que um vírus encontrado em morcegos frugívoros sofreu mutações significativas, permitindo infectar humanos. O paciente inicial, ou “paciente zero”, da COVID-19 provavelmente iniciou um surto local subsequente que acabou se espalhando internacionalmente. RHS.conectoresO Índice de Risco de Repercussão Zoonótica visa ajudar na identificação destes surtos precoces antes que atravessem as fronteiras internacionais e causem um impacto global generalizado.
A principal arma que a saúde pública tem contra a propagação de surtos regionais é a vigilância de doenças: todo um sistema interligado de notificação de doenças, investigação e comunicação de dados entre os diferentes níveis de um sistema de saúde pública. Este sistema depende não só de factores humanos, mas também de tecnologia e recursos para recolher dados sobre doenças, analisar padrões e criar um fluxo consistente e contínuo de transferência de dados das autoridades de saúde locais, regionais e centrais.
A velocidade a que a COVID-19 passou de um surto local a uma doença global, presente em todos os continentes, deveria ser um exemplo preocupante da extrema necessidade de aproveitar tecnologia inovadora para criar sistemas de vigilância de doenças mais eficientes e precisos.
O risco de propagação de doenças zoonóticas está fortemente correlacionado com múltiplos factores sociais, ambientais e geográficos que influenciam a frequência com que os seres humanos interagem com a vida selvagem. RHS.saúde O Índice de Risco de Repercussão de Doenças Zoonóticas utiliza mais de 20 fatores geográficos, sociais e ambientais distintos, historicamente conhecidos por afetarem o risco de interação entre humanos e animais selvagens e, portanto, o risco de repercussão de doenças zoonóticas. Muitos destes factores podem ser mapeados através de uma combinação de imagens de satélite e detecção remota.
Neste post, exploramos como o HSR.conectores usa recursos geoespaciais do SageMaker para recuperar recursos relevantes de imagens de satélite e sensoriamento remoto para desenvolver o índice de risco. Os recursos geoespaciais do SageMaker facilitam para cientistas de dados e engenheiros de aprendizado de máquina (ML) construir, treinar e implantar modelos usando dados geoespaciais. Com os recursos geoespaciais do SageMaker, você pode transformar ou enriquecer com eficiência conjuntos de dados geoespaciais em grande escala, acelerar a construção de modelos com modelos de ML pré-treinados e explorar previsões de modelos e dados geoespaciais em um mapa interativo usando gráficos 3D acelerados e ferramentas de visualização integradas.
Usando ML e dados geoespaciais para mitigação de riscos
O ML é altamente eficaz para detecção de anomalias em dados espaciais ou temporais devido à sua capacidade de aprender com os dados sem ser explicitamente programado para identificar tipos específicos de anomalias. Os dados espaciais, que se relacionam com a posição física e a forma dos objetos, muitas vezes contêm padrões e relações complexas que podem ser difíceis de serem analisadas pelos algoritmos tradicionais.
A incorporação de ML com dados geoespaciais aumenta a capacidade de detectar anomalias e padrões incomuns de forma sistemática, o que é essencial para sistemas de alerta precoce. Esses sistemas são cruciais em áreas como monitoramento ambiental, gestão de desastres e segurança. A modelagem preditiva usando dados geoespaciais históricos permite que as organizações identifiquem e se preparem para possíveis eventos futuros. Estes eventos variam desde desastres naturais e perturbações de trânsito até, como este post discute, surtos de doenças.
Detecção de riscos de repercussões zoonóticas
Para prever riscos de repercussões zoonóticas, o HSR.saúde adoptou uma abordagem multimodal. Ao utilizar uma combinação de tipos de dados – incluindo informações ambientais, biogeográficas e epidemiológicas – este método permite uma avaliação abrangente da dinâmica da doença. Esta perspectiva multifacetada é fundamental para o desenvolvimento de medidas proactivas e para permitir uma resposta rápida aos surtos.
A abordagem inclui os seguintes componentes:
- Dados de doenças e surtos – HSR.saúde usa os extensos dados de doenças e surtos fornecidos por Gideon e a Organização Mundial da Saúde (OMS), duas fontes confiáveis de informações epidemiológicas globais. Esses dados servem como um pilar fundamental na estrutura analítica. Para Gideon, os dados podem ser acessados através de uma API, e para a OMS, HSR.saúde construiu um grande modelo de linguagem (LLM) para extrair dados de surtos de relatórios anteriores de surtos de doenças.
- Dados de observação da Terra – Os factores ambientais, a análise da utilização dos solos e a detecção de alterações de habitat são componentes integrantes da avaliação do risco zoonótico. Esses insights podem ser derivados de dados de observação da Terra baseados em satélite. RHS.saúde é capaz de agilizar o uso de dados de observação da Terra usando os recursos geoespaciais do SageMaker para acessar e manipular conjuntos de dados geoespaciais em grande escala. O SageMaker geoespacial oferece um rico catálogo de dados, incluindo conjuntos de dados do USGS Landsat-8, Sentinel-1, Sentinel-2 e outros. Também é possível trazer outros conjuntos de dados, como imagens de alta resolução do Planet Labs.
- Determinantes sociais do risco – Além dos fatores biológicos e ambientais, a equipe do HSR.saúde também considerou os determinantes sociais, que abrangem vários indicadores socioeconómicos e demográficos, e desempenham um papel fundamental na definição da dinâmica de repercussão zoonótica.
A partir desses componentes, HSR.saúde avaliaram uma série de fatores diferentes, e as seguintes características foram identificadas como influentes na identificação de riscos de repercussão zoonótica:
- Habitats de animais e zonas habitáveis – Compreender os habitats de potenciais hospedeiros zoonóticos e as suas zonas habitáveis é fundamental para avaliar o risco de transmissão.
- Centros populacionais – A proximidade de áreas densamente povoadas é uma consideração fundamental porque influencia a probabilidade de interações entre humanos e animais.
- Perda de habitat – A degradação dos habitats naturais, especialmente através da desflorestação, pode acelerar eventos de repercussão zoonótica.
- Interface homem-selvagem – As áreas onde os assentamentos humanos se cruzam com habitats de vida selvagem são potenciais focos de transmissão zoonótica.
- Características sociais – Fatores socioeconómicos e culturais podem ter um impacto significativo no risco zoonótico e na RSS.conectores examina isso também.
- Características da saúde humana – O estado de saúde das populações humanas locais é uma variável essencial porque afecta a susceptibilidade e a dinâmica de transmissão.
Visão geral da solução
HSR.saúdeO fluxo de trabalho do envolve pré-processamento de dados, extração de recursos e criação de visualizações informativas usando técnicas de ML. Isso permite uma compreensão clara da evolução dos dados, desde sua forma bruta até insights acionáveis.
A seguir está uma representação visual do fluxo de trabalho, começando com dados de entrada do Gideon, dados de observação da Terra e dados de determinantes sociais de risco.
Recuperar e processar imagens de satélite usando recursos geoespaciais do SageMaker
Os dados de satélite constituem a base da análise realizada para construir o índice de risco, fornecendo informações críticas sobre as mudanças ambientais. Para gerar insights a partir de imagens de satélite, o HSR.saúde usos Trabalhos de Observação da Terra (EOJs). Os EOJs permitem a aquisição e transformação de dados raster coletados da superfície da Terra. Uma EOJ obtém imagens de satélite de uma fonte de dados designada – por exemplo, uma constelação de satélites – durante uma área e período de tempo específicos. Em seguida, aplica um ou mais modelos às imagens recuperadas.
Além disso, Estúdio Amazon SageMaker oferece um notebook geoespacial pré-instalado com bibliotecas geoespaciais comumente usadas. Este notebook permite a visualização direta e o processamento de dados geoespaciais em um ambiente de notebook Python. EOJs podem ser criados no ambiente de notebook geoespacial.
Para configurar um EOJ, são utilizados os seguintes parâmetros:
- Configuração de entrada – A configuração de entrada especifica as fontes de dados e os critérios de filtragem a serem utilizados durante a aquisição de dados:
- RasterDataCollectionArn – Especifica o satélite do qual serão coletados dados.
- Área de interesse – A área geográfica de interesse (AOI) define os limites do polígono para a coleta de imagens.
- Filtro de intervalo de tempo – O intervalo de tempo de interesse:
{StartTime: <string>, EndTime: <string>}
. - Filtros de propriedade – Filtros de propriedades adicionais, como porcentagem aceitável de cobertura de nuvens ou ângulos de azimute do sol desejados.
- Configuração do trabalho – Esta configuração define o tipo de trabalho a ser aplicado aos dados de imagem de satélite recuperados. Ele suporta operações como matemática de banda, reamostragem, geomosaico ou remoção de nuvens.
O código de exemplo a seguir demonstra a execução de um EOJ para remoção de nuvem, representativo das etapas executadas pelo HSR.saúde:
HSR.saúde usou várias operações para pré-processar os dados e extrair recursos relevantes. Isso inclui operações como classificação da cobertura do solo, mapeamento da variação de temperatura e índices de vegetação.
Um índice de vegetação relevante para indicar a saúde da vegetação é o Índice de Vegetação por Diferença Normalizada (NDVI). O NDVI quantifica a saúde da vegetação usando luz infravermelha próxima, que a vegetação reflete, e luz vermelha, que a vegetação absorve. A monitorização do NDVI ao longo do tempo pode revelar alterações na vegetação, tais como o impacto de atividades humanas como a desflorestação.
O trecho de código a seguir demonstra como calcular um índice de vegetação como o NDVI com base nos dados que foram transmitidos pela remoção de nuvens:
Podemos visualizar o resultado do trabalho usando os recursos geoespaciais do SageMaker. Os recursos geoespaciais do SageMaker podem ajudá-lo a sobrepor previsões de modelos em um mapa básico e fornecer visualização em camadas para facilitar a colaboração. Com o visualizador interativo alimentado por GPU e os notebooks Python, é possível explorar milhões de pontos de dados em uma visualização, facilitando a exploração colaborativa de insights e resultados.
As etapas descritas nesta postagem demonstram apenas um dos muitos recursos baseados em raster que o HSR.saúde extraiu para criar o índice de risco.
Combinando recursos baseados em raster com dados sociais e de saúde
Depois de extrair os recursos relevantes em formato raster, o HSR.saúde utilizou estatísticas zonais para agregar os dados raster dentro dos polígonos dos limites administrativos aos quais os dados sociais e de saúde são atribuídos. A análise incorpora uma combinação de dados geoespaciais raster e vetoriais. Este tipo de agregação permite a gestão de dados raster num geodataframe, o que facilita a sua integração com os dados de saúde e sociais para produzir o índice de risco final.
O trecho de código a seguir demonstra como agregar dados raster aos limites do vetor administrativo:
Para avaliar os recursos extraídos de forma eficaz, modelos de ML são usados para prever os fatores que representam cada recurso. Um dos modelos utilizados é uma máquina de vetores de suporte (SVM). O modelo SVM auxilia na revelação de padrões e associações nos dados que informam as avaliações de risco.
O índice representa uma avaliação quantitativa dos níveis de risco, calculado como uma média ponderada destes factores, para ajudar na compreensão de potenciais eventos de repercussão em várias regiões.
A figura a seguir à esquerda mostra a agregação da classificação da imagem da cena da área de teste no norte do Peru agregada ao nível administrativo distrital com a mudança calculada na área florestal entre 2018–2023. O desmatamento é um dos principais fatores que determinam o risco de repercussões zoonóticas. A figura à direita destaca os níveis de gravidade do risco de repercussão zoonótica nas regiões abrangidas, variando do risco mais elevado (vermelho) ao risco mais baixo (verde escuro). A área foi escolhida como uma das áreas de treinamento para classificação de imagens devido à diversidade de cobertura terrestre capturada na cena, incluindo: urbana, floresta, areia, água, pastagens e agricultura, entre outras. Além disso, esta é uma das muitas áreas de interesse para potenciais eventos de repercussão zoonótica devido ao desmatamento e à interação entre humanos e animais.
Ao adoptar esta abordagem multimodal, abrangendo dados históricos sobre surtos de doenças, dados de observação da Terra, determinantes sociais e técnicas de ML, podemos compreender e prever melhor o risco de propagação zoonótica, direcionando, em última análise, estratégias de vigilância e prevenção de doenças para áreas de maior risco de surtos. A captura de tela a seguir mostra um painel com os resultados de uma análise de risco de repercussão zoonótica. Esta análise de risco destaca onde podem ocorrer recursos e vigilância para novos potenciais surtos zoonóticos, para que a próxima doença possa ser contida antes de se tornar uma endemia ou uma nova pandemia.
Uma nova abordagem para a prevenção de pandemias
Em 1998, ao longo do rio Nipah, na Malásia, entre o outono de 1998 e a primavera de 1999, 265 pessoas foram infectadas com um vírus então desconhecido que causou encefalite aguda e problemas respiratórios graves. 105 deles morreram, uma taxa de mortalidade de 39.6%. A taxa de mortalidade não tratada da COVID-19, por outro lado, é de 6.3%. Desde então, o vírus Nipah, como é agora apelidado, saiu do seu habitat florestal e causou mais de 20 surtos mortais, principalmente na Índia e no Bangladesh.
Vírus como o Nipah surgem todos os anos, colocando desafios à nossa vida quotidiana, especialmente em países onde é mais difícil estabelecer sistemas fortes, duradouros e robustos para a vigilância e detecção de doenças. Estes sistemas de detecção são cruciais para reduzir os riscos associados a tais vírus.
Soluções que utilizam dados geoespaciais e de BC, como o Índice de Risco de Repercussão Zoonótica, podem ajudar as autoridades locais de saúde pública a priorizar a alocação de recursos para áreas de maior risco. Ao fazê-lo, podem estabelecer medidas de vigilância direcionadas e localizadas para detectar e travar surtos regionais antes que estes se estendam para além das fronteiras. Esta abordagem pode limitar significativamente o impacto de um surto de doença e salvar vidas.
Conclusão
Esta postagem demonstrou como HSR.saúde desenvolveu com sucesso o Índice de Risco de Repercussão Zoonótica, integrando dados geoespaciais, saúde, determinantes sociais e ML. Ao usar o SageMaker, a equipe criou um fluxo de trabalho escalonável que pode identificar as ameaças mais substanciais de uma potencial pandemia futura. A gestão eficaz destes riscos pode levar a uma redução da carga global de doenças. As vantagens económicas e sociais substanciais da redução do risco de pandemia não podem ser exageradas, com benefícios que se estendem a nível regional e global.
HSR.saúde utilizou as capacidades geoespaciais do SageMaker para uma implementação inicial do Índice de Risco de Repercussão Zoonótica e está agora à procura de parcerias, bem como de apoio de países anfitriões e fontes de financiamento, para desenvolver ainda mais o índice e alargar a sua aplicação a outras regiões em todo o mundo. Para mais informações sobre HSR.saúde e o Índice de Risco de Transmissão Zoonótica, visite www.hsr.health.
Descubra o potencial de integração de dados de observação da Terra em suas iniciativas de saúde explorando os recursos geoespaciais do SageMaker. Para obter mais informações, consulte Recursos geoespaciais do Amazon SageMakerou interaja com exemplos adicionais para obter experiência prática.
Sobre os autores
Ajay K Gupta é cofundador e CEO da HSR.health, uma empresa que revoluciona e inova a análise de riscos à saúde por meio de tecnologia geoespacial e técnicas de IA para prever a propagação e a gravidade de doenças. E fornece estas informações à indústria, aos governos e ao setor da saúde para que possam antecipar, mitigar e tirar partido de riscos futuros. Fora do trabalho, você pode encontrar Ajay atrás dos tímpanos do microfone enquanto canta suas músicas pop favoritas do U2, Sting, George Michael ou Imagine Dragons.
Jean Felipe Teotônio é um médico motivado e especialista apaixonado em qualidade de cuidados de saúde e epidemiologia de doenças infecciosas, Jean Felipe lidera a equipe de saúde pública HSR.health. Ele trabalha em prol do objetivo comum de melhorar a saúde pública, reduzindo a carga global de doenças, aproveitando as abordagens da GeoAI para desenvolver soluções para os maiores desafios de saúde do nosso tempo. Fora do trabalho, seus hobbies incluem ler livros de ficção científica, fazer caminhadas, jogar a primeira divisão inglesa e tocar baixo.
Adro da Igreja Paulo A, CTO e engenheiro geoespacial chefe da HSR.health, usa suas amplas habilidades técnicas e experiência para construir a infraestrutura central da empresa, bem como sua plataforma GeoMD patenteada e proprietária. Além disso, ele e a equipe de ciência de dados incorporam análises geoespaciais e técnicas de IA/ML em todos os índices de risco à saúde produzidos pela HSR.health. Fora do trabalho, Paul é DJ autodidata e adora neve.
Janosch Woschitz é arquiteto de soluções sênior na AWS, especializado em IA/ML geoespacial. Com mais de 15 anos de experiência, ele apoia clientes em todo o mundo no aproveitamento de IA e ML para soluções inovadoras que capitalizam dados geoespaciais. Sua experiência abrange aprendizado de máquina, engenharia de dados e sistemas distribuídos escaláveis, complementada por uma sólida experiência em engenharia de software e experiência no setor em domínios complexos, como direção autônoma.
Emmet Nelson é executivo de contas na AWS, apoiando clientes de pesquisa sem fins lucrativos nos setores de saúde e ciências da vida, ciências da terra/ambientais e educação. Seu foco principal é permitir casos de uso em análises, IA/ML, computação de alto desempenho (HPC), genômica e imagens médicas. Emmett ingressou na AWS em 2020 e mora em Austin, TX.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
- PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
- PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
- PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/how-hsr-health-is-limiting-risks-of-disease-spillover-from-animals-to-humans-using-amazon-sagemaker-geospatial-capabilities/
- :tem
- :é
- :não
- :onde
- 1
- 100
- 12
- 125
- 15 anos
- 15%
- 16
- 1998
- 1999
- 20
- 2019
- 2020
- 36
- 39
- 3d
- 7
- a
- habilidade
- Capaz
- Sobre
- absorve
- acelerar
- acelerado
- aceitável
- Acesso
- acessadas
- Segundo
- Conta
- preciso
- aquisição
- em
- acionável
- atividades
- Adicional
- Adicionalmente
- administrativo
- adotado
- Adotando
- Vantagem
- vantagens
- afetar
- contra
- agregar
- agregação
- agricultura
- AI
- AI / ML
- Ajuda
- visa
- algoritmos
- Todos os Produtos
- alocação
- Permitindo
- permite
- juntamente
- tb
- Amazon
- Amazon Sage Maker
- Amazon SageMaker geoespacial
- Amazon Web Services
- entre
- an
- análise
- analítica
- analisar
- e
- animal
- animais
- anomalias
- detecção de anomalia
- antecipar
- api
- Aplicação
- aplicado
- aplica
- abordagem
- se aproxima
- SOMOS
- ÁREA
- áreas
- por aí
- AS
- Avaliando
- avaliação
- avaliações
- atribuído
- auxiliar
- ajuda
- associado
- associações
- At
- aumentado
- austin
- Autoridades
- Autônomo
- média
- AWS
- fundo
- BANDA
- Bangladesh
- base
- baseado
- baixo
- morcegos
- BE
- Porque
- torna-se
- sido
- antes
- atrás
- ser
- seres
- Benefícios
- Melhor
- entre
- Pós
- Blend
- Azul
- Livros
- fronteiras
- ambos
- limites
- limite
- Limites
- Caixa
- trazer
- amplo
- construir
- Prédio
- construído
- construídas em
- carga
- mas a
- by
- calcular
- calculado
- cálculo
- CAN
- não podes
- capacidades
- capacidade
- capitalizar
- capturados
- casos
- catálogo
- Categorias
- Categoria
- causado
- CDC
- Centros
- Centros para Controle e Prevenção de Doenças
- central
- Chefe executivo
- desafios
- alterar
- Alterações
- características
- chefe
- China
- escolhido
- classe
- classificação
- remover filtragem
- Na nuvem
- Co-fundador
- código
- colaboração
- colaborativo
- coletar
- coleção
- colunas
- combinação
- Comunicação
- integrações
- componentes
- compreensivo
- computação
- Configuração
- consideração
- considerado
- consistente
- contida
- contém
- continente
- continuamente
- contínuo
- contraste
- ao controle
- núcleo
- pedra angular
- Coronavírus
- países
- cobrir
- cobertura
- coberto
- Covid-19
- crio
- criado
- Criar
- criação
- critérios
- crítico
- Atravessar
- crucial
- CTO
- cultural
- Clientes
- diariamente
- Escuro
- painel de instrumentos
- dados,
- Análise de Dados
- Os pontos de dados
- ciência de dados
- conjuntos de dados
- Define
- desmatamento
- demográfico
- demonstrar
- demonstraram
- demonstra
- dependente
- implantar
- Derivado
- designado
- desejado
- descobrir
- Detecção
- Determinar
- desenvolver
- desenvolvido
- em desenvolvimento
- morreu
- diferença
- diferente
- difícil
- terrível
- diretamente
- dirigindo
- desastre
- desastres
- Doença
- doenças
- interrupções
- perturba
- distinto
- angústia
- distribuído
- Sistemas distribuídos
- distrito
- Diversidade
- Divisão
- DJ
- fazer
- domínios
- dirigido
- condução
- apelidado
- dois
- duplicatas
- durante
- dinâmica
- cada
- Cedo
- terra
- mais fácil
- fácil
- Econômico
- Educação
- Eficaz
- efetivamente
- eficiente
- eficientemente
- outro
- permitir
- permite
- permitindo
- abranger
- engloba
- abrangente
- engajar
- engenheiro
- Engenharia
- Engenheiros
- Inglês
- Campeonato Inglês
- Melhora
- enriquecer
- Todo
- Meio Ambiente
- ambiental
- essencial
- estabelecer
- estabelecendo
- avaliar
- avaliadas
- Evento
- eventos
- eventualmente
- Cada
- evolução
- Examina
- exemplo
- executivo
- vasta experiência
- especialista
- experiência
- explicitamente
- exploração
- explorar
- Explorando
- estender
- estendendo
- extenso
- extrato
- Extração
- facilita
- facilitando
- fator
- fatores
- Cair
- Favorito
- Característica
- Funcionalidades
- Campos
- Figura
- Envie o
- filtragem
- filtros
- final
- Encontre
- Empresa
- Foco
- focado
- seguinte
- Escolha
- floresta
- formulário
- formato
- formas
- encontrado
- Quadro
- da
- fundamental
- financiamento
- mais distante
- futuro
- colhido
- gerar
- genómica
- geográfico
- geográfico
- George
- ter
- Global
- Saúde global
- Globalmente
- meta
- Governos
- GP
- gráficos
- maior
- Verde
- Locatário
- Visitante Mensagem
- Gupta
- mãos em
- arreios
- Ter
- he
- Saúde
- Sistema de saúde
- saúde
- ajudar
- Alta
- de alta resolução
- mais
- destaques
- altamente
- sua
- histórico
- historicamente
- hospedeiro
- anfitriões
- Como funciona o dobrador de carta de canal
- Como Negociar
- hpc
- HTML
- HTTPS
- humano
- fatores humanos
- Humanos
- ID
- identificação
- identificado
- identificar
- identificar
- if
- imagem
- Classificação de imagem
- imagens
- fotografia
- Imagiologia
- Impacto
- implementação
- importar
- melhorar
- in
- Em outra
- incluir
- inclui
- Incluindo
- incorporar
- incorpora
- índice
- índices
- Índia
- Indicador
- indicadores
- Índices
- indústria
- infeccioso
- influência
- Influente
- informar
- INFORMAÇÕES
- informativo
- Infraestrutura
- ingenuidade
- do estado inicial,
- iniciativas
- inovadores
- tecnologia inovadora
- entrada
- insights
- instância
- integral
- Integração
- integração
- interagir
- interação
- interações
- interativo
- interesse
- Interface
- Internacionais
- Internacionalmente
- interceptar
- para dentro
- investigação
- IT
- ESTÁ
- Trabalho
- ingressou
- jpg
- apenas por
- apenas um
- Chave
- Tipo
- conhecido
- Laboratório
- Terreno
- língua
- grande
- em grande escala
- duradouro
- camada
- em camadas
- conduzir
- Leads
- Liga
- APRENDER
- aprendizagem
- esquerda
- Nível
- níveis
- aproveitando
- bibliotecas
- vida
- Ciências da Vida
- leve
- como
- probabilidade
- Provável
- LIMITE
- limitando
- Vidas
- LLM
- local
- ama
- menor
- máquina
- aprendizado de máquina
- a Principal
- fazer
- Malaysia
- de grupos
- muitos
- mapa,
- mapeamento
- mercado
- matemática
- Posso..
- medidas
- médico
- fusão
- método
- métrico
- Michael
- poder
- milhões
- Mitigar
- ML
- modelo
- modelagem
- modelos
- monitoração
- mais
- mais eficiente
- a maioria
- na maioria das vezes
- multifacetado
- múltiplo
- Música
- nome
- natural
- você merece...
- Novo
- Próximo
- Sem fins lucrativos
- caderno
- romance
- agora
- numpy
- objetos
- observação
- obtém
- ocorrer
- of
- Oferece
- frequentemente
- on
- ONE
- só
- Operações
- or
- organização
- organizações
- Outros
- Outros
- A Nossa
- Fora
- surto
- delineado
- saída
- lado de fora
- Acima de
- exagerado
- Visão geral
- pandas
- pandemia
- parâmetros
- particularmente
- parcerias
- passou
- apaixonado
- passado
- patenteado
- paciente
- padrões
- Paul
- Pessoas
- percentagem
- atuação
- realizada
- significativo
- perspectiva
- Peru
- fenómeno
- físico
- colega
- Pilar
- essencial
- pixels
- avião
- plataforma
- platão
- Inteligência de Dados Platão
- PlatãoData
- Jogar
- jogar
- pontos
- Polygon
- estouro
- populosa
- populações
- posição
- possível
- Publique
- potencial
- predizer
- Previsões
- premier
- Preparar
- presente
- Prevenção
- primário
- priorização
- Proactive
- provavelmente
- processo
- em processamento
- produzir
- produz
- programado
- Propriedades
- propriedade
- proprietário
- fornecer
- fornecido
- fornece
- fornecendo
- público
- saúde pública
- Python
- qualidade
- quantifica
- quantitativo
- mais rápido
- alcance
- variando
- rápido
- Taxa
- Cru
- Leitura
- Vermelho
- redução
- redução
- referir
- reflete
- regional
- regionalmente
- regiões
- relaciona
- Relacionamentos
- relevante
- remoto
- remoção
- removendo
- Relatórios
- Relatórios
- representação
- representante
- representando
- representa
- pesquisa
- recurso
- Recursos
- resposta
- Resultados
- revelar
- revelando
- Rico
- certo
- Risco
- riscos
- Rio
- uma conta de despesas robusta
- Tipo
- corrida
- sábio
- SAND
- satélite
- Salvar
- escalável
- cena
- SCI
- Ciência
- CIÊNCIAS
- cientistas
- setor
- segurança
- busca
- selecionando
- senior
- serve
- Serviços
- Assentamentos
- vários
- grave
- Shape
- formação
- compartilhado
- rede de apoio social
- Shows
- periodo
- de forma considerável
- desde
- solteiro
- Habilidades
- fragmento
- neve
- So
- sóbrio
- Redes Sociais
- socioeconômica
- Software
- Engenharia de software
- solução
- Soluções
- Fontes
- vãos
- Espacial
- especializando
- específico
- velocidade
- propagação
- primavera
- começado
- Comece
- estatística
- stats
- Status
- Passos
- estratégias
- transmitir canais
- simplificar
- Tanga
- mais forte,
- caso
- subseqüente
- substancial
- entraram com sucesso
- tal
- sugerir
- Espreguiçadeiras
- ajuda
- Apoiar
- suportes
- superfície
- vigilância
- suscetibilidade
- .
- sistemas
- Tire
- visadas
- Profissionais
- tecnologia
- Dados Técnicos:
- habilidades técnicas
- técnicas
- Tecnologia
- teste
- do que
- que
- A
- A área
- o mundo
- deles
- Eles
- então
- assim sendo
- Este
- deles
- isto
- ameaças
- Através da
- tempo
- para
- ferramenta
- ferramentas
- para
- tradicional
- tráfego
- Trem
- Training
- transferência
- Transformar
- Transformação
- transição
- transicionado
- transmissão
- confiável
- músicas
- dois
- TX
- tipo
- tipos
- Em última análise
- compreender
- compreensão
- sofreu
- desconhecido
- urbano
- usar
- usava
- usos
- utilização
- valor
- Valores
- variável
- vário
- vegetação
- versão
- Verticais
- Ver
- vírus
- vírus
- visão
- Visite a
- visual
- visualização
- visualizar
- aviso
- foi
- Água
- we
- web
- serviços web
- peso
- BEM
- fui
- foram
- lei
- qual
- enquanto
- QUEM
- de quem
- generalizada
- de
- dentro
- sem
- Atividades:
- de gestão de documentos
- trabalho
- mundo
- Organização Mundial de Saúde
- X
- ano
- anos
- Vocês
- investimentos
- zefirnet
- zonas