Inteligência que salva: Nova pratica cientifica que identifica patologias em animais

Toda pessoa que tem um animal de estimação sabe o quão complicado é quando o seu bichinho fica doente, principalmente pela dificuldade em conseguir entender o que ele está sentindo. É comum que os diagnósticos sejam feitos a partir dos sintomas do animal, só que muitos deles se repetem em diferentes patologias.

Foi vivenciando uma situação como essa que o professor de física da Universidade Federal de Mato Grosso do Sul (UFMS), Cícero Cena, teve a ideia de unir a física à medicina veterinária em prol do bem-estar animal. Quando sua cadelinha estava doente, ele percebeu a dificuldade em acertar o diagnóstico só com a sintomatologia, principalmente por ela estar muito debilitada.

De acordo com o professor, uma das principais falhas de diagnóstico ocorre nos testes para identificação da leishmaniose, que é facilmente confundível com outras infecções com sintomas parecidos. “O teste tradicional dá muita taxa de confusão com outra infecção, a tripanossomíase, porque os protozoários que geram essas duas doenças são da mesma família e o teste não consegue distingui-las”.

Incomodado com o problema, Cícero pensou se, dentre os métodos de pesquisa da área da ciência, não existia nenhuma forma de diferenciar as patologias animais com maior precisão. Hoje, ele coordena um projeto iniciado em 2018 em que, por meio da luz, com a técnica de espectroscopia no infravermelho, analisa amostras de sangue dos bichinhos. Com essa análise, é possível observar todas as moléculas presentes no sangue e, por meio de uma comparação, descobrir se o animal está doente e qual é a patologia.

Durante as análises, o professor se deparou com a dificuldade de comparar amostras apenas com o equipamento disponível na universidade, devido à falta de sensibilidade. “Como há composições muito parecidas, o equipamento não tinha sensibilidade suficiente para distingui-las, comparando apenas uma única variável. Então, adotamos uma análise chamada multivariada, ligada à aprendizagem da máquina. Assim, é a máquina quem aprende a distinguir as informações absorvi- das pela luz”, explica.

Desta forma, por meio do uso de inteligência artificial, são comparadas e classificadas amostras iguais e diferentes, chegando a um resultado com precisão acima de 90%. Segundo o professor, inicialmente foram utilizados na pesquisa dados de animais saudáveis e infectados com leishmaniose e trypanosoma evansi, comuns de serem confundidos. Mas a ideia no futuro é expandir o banco de dados do projeto para o diagnóstico de outras doenças, existindo também a possibilidade de analisar amostras de seres humanos.

De acordo com o professor, o processo leva em torno de 20 minutos, por isso possui um grande potencial para outras aplicações. Outro benefício é que as amostras utilizadas não precisam passar por processo químico para verificação e não existe um prazo de validade para fazer os exames, como acontece em outros tipos de análise.

Além disso, é uma forma barata de diagnóstico, em torno de três a cinco reais, que pode ser utilizada em larga escala. “Por exemplo, um pecuarista que precisa monitorar o rebanho, fazer exames em 100 cabeças de gado... Isso demora, é custoso, caro. Se ele tiver o equipamento e o software no computador, dali ele já tira o diagnóstico”, comenta Cícero.

Para o professor, o trabalho é promissor. “Enxergo nele um potencial muito imediato. A gente acabou de passar por uma pandemia e sentimos o quão importante é ter um diagnóstico rápido. Vejo que essas propostas, meio diferentes, podem contribuir bastante com as diferentes áreas”.

O projeto conta com a colaboração de diferentes cursos, tem cerca de 12 pessoas trabalhando diretamente nele e está sendo desenvolvido no laboratório do Grupo de Óptica e Fotônica do Instituto de Física, ligado ao Sistema Nacional de Laboratórios de Fotônica (Sisfóton).

LINK|-|https://drive.google.com/file/d/171HrN3NvXbcoxyoNzy2MEzgPtXAUuuBU/view?usp=sharing|-|Leia essa e mais matérias na 7° edição da CGCity!