A tuberculose (TB) é a doença infectocontagiosa de microorganismo único que anualmente, em nível global, acomete 10 milhões de pessoas e 1,4 milhões evoluem para óbito, ainda que exista tratamento curativo. Nos últimos anos, observou-se o aumento do número de novos casos TB-DR apesar da adoção de medidas para controle da doença. Devido à má adesão ao tratamento, regimes de terapêuticos inadequados e o uso de medicamentos de modo irregular, há a emergência de casos de tuberculose resistente (TB-DR), multirresistente (MDR) e extremamente resistente (XDR), que dificultam o desfecho favorável, agravando o problema mundial da TB. Neste cenário, torna-se urgente o uso de novas abordagens de triagem, novos testes diagnósticos e regimes terapêuticos que promovam a eliminação da TB com diminuição da transmissão e melhores resultados no tratamento. Os modelos baseados em agentes são tipos estocásticos que utilizam os agentes (pessoas, vírus, bactérias, etc), o ambiente em que eles estão (casa, sociedade, órgão do corpo humano) e as interações agente-agente e agente-ambiente. O principal resultado deste trabalho foi o desenvolvimento de um modelo operacional baseado em agentes que leva em conta os exames diagnósticos de baciloscopia, Xpert MTB RIF e Next Generation Sequencing considerando tempo e sensibilidade específicos de cada teste. Esse modelo passou pela análise de sensibilidade, contando com 1024 amostras, sete variáveis e cada conjunto de variáveis simulava por um ano. O ponto zero da simulação contava com 313 pessoas e 10% de infectados. O gráfico em que a diferença ficou mais nítida foi o número de pessoas que evoluíram para óbito sem receber tratamento adequado para a tuberculose. O gráfico da baciloscopia foi mais acentuado com um maior número de pessoas que evoluíram para óbito. Os gráficos do Xpert e do NGS foram mais parecidos e brandos, sendo o do NGS sendo levemente mais deslocado para a esquerda, indicando melhor desempenho. Estes resultados foram validados pela literatura. Finalmente, o modelo operacional aqui desenvolvido mostrou-se convenientemente adaptável, pois permitiu trabalhar com uma parametrização diversa, específica para cada região de interesse.

Tuberculosis (TB) is the deadliest single agent infectious disease in the world that affects every year, around the world, 10 million people and 1.4 million evolve to death, although there is a cure. Due to poor treatment adherence, inadequate treatment regimens and poor quality medication, cases of resistant (DR-TB), multidrug-resistant (MDR) and extremely resistant (XDR) tuberculosis have emerged, which hinder the positive outcome of the case, aggravating the worldwide problem of infection. Previous studies indicate an increase in the number of new DR-TB cases despite the adoption of measures to control the disease. There is an increasing need for new screening, diagnostic and therapeutic approaches and rapid testing of their effect on the TB transmission cascade. Agent-based models are stochastic types that draw the agents (people, viruses, bacteria, etc), the environment they are in (home, society, human body organ) and the agent-agent and agent-environment interactions. The main result of this work was to develop an operational model based on agents that simulate the transmission and treatment system of tuberculosis in Brazil, taking into account the diagnostic exams of bacilloscopy, Xpert MTB RIF and Next Generation Sequencing considering the specific time and sensitivity of each test. This model goes through sensibility analysis, with 1024 samples, seven variables and every set of variables simulated over a year. The zero point of the simulation was 313 people and 10% of them infected. The graph with the sharper difference was the number of people who evolved to death without proper tuberculosis treatment. Bacilloscopy graph was sharper and presented larger number of people who evolved to death. XPERT and NGS graphs were similar and soft, being the NGS shifted more to the left, indicating better performance. Those results were validated by literature. Finally, the operational model developed here is conveniently adaptable, as it allows working with a different parameterization, specific for each region of interest.