A tecnologia associa dados de metabolômica com um algoritmo de classificação de aprendizado de máquina (machine learning, no inglês)

Um novo método para diagnósticos, desenvolvido por pesquisadores da Unicamp, permite investigar de forma rápida e simples uma gama de doenças e manifestações que se apresentem em nível metabólico. A invenção chamada de “selecionador molecular” combina análises bioquímicas e inteligência artificial – duas conceituadas e diferentes técnicas analíticas – para criar uma plataforma exclusiva de exames como a detecção de alterações causadas por vírus, bactérias ou fungos.

Depois de treinado, o algoritmo é capaz de identificar de forma automática, e em minutos, biomarcadores associados a doenças graves, negligenciadas ou que não tenham protocolos específicos, auxiliando médicos e especialistas na tomada de decisão. Segundo os cientistas, a invenção pode, ainda, ser aplicada em outras análises laboratoriais, ambientais e bromatológicas.

A tecnologia associa dados de metabolômica com um algoritmo de classificação de aprendizado de máquina (machine learning, no inglês) para investigar, cruzar e identificar padrões e conjuntos de características que retratam uma determinada condição de interesse num organismo. A pesquisa envolveu cientistas do Laboratório de Inferência em Dados Complexos (Recod), do Instituto de Computação (IC), e do Laboratório Innovare de Biomarcadores, da Faculdade de Ciências Farmacêuticas (FCF), da Unicamp.

O invento foi protegido por meio de uma patente e um programa de computador com apoio da Inova Unicamp e tem potencial para beneficiar a indústria farmacêutica, de cosméticos, entre outras. No setor agro, por exemplo, é possível trabalhar na detecção de elementos causadores de putrefação ou que comprometem os alimentos, como a presença de Salmonella, garantindo a qualidade dos produtos consumidos.

“Qualquer problema que se manifeste em nível metabólico e cause interferência ou diferenciação molecular é passível de ter biomarcadores classificados pela nossa plataforma de seleção molecular, desde doenças como a Covid-19 até adulteração ou apodrecimento de alimentos”, resume Rodrigo Catharino, diretor da Faculdade de Ciências Farmacêuticas (FCF), da Unicamp.

Outra vantagem descrita pela equipe é a capacidade de refinamento dos resultados, aumentando a sensibilidade do algoritmo e a taxa de acerto. “A plataforma consegue se adaptar a condições que se alteram ao longo do tempo, como é o caso de infecções virais como a Covid-19. Ao fornecer novas amostras de pacientes, com e sem manifestações da doença, o método pode se aperfeiçoar a novos cenários”, explica Anderson Rocha, Diretor do Instituto de Computação (IC).

De acordo com o professor, é possível ainda identificar riscos de complicação a partir de biomarcadores de contaminação e outras infecções que podem piorar o estado geral do paciente. Além disso, depois que a máquina aprende o que buscar, pode diagnosticar mais de uma doença ou condição a partir da mesma amostra colhida, reduzindo custos laboratoriais. Com informações da Unicamp

Tags:

biomarcadores, machine learning, metabolômica, selecionador molecular

Compartilhe: