Um novo método está usando algoritmos de inteligência artificial para detectar a Covid-19 em cerca de 20 minutos. A metodologia tem baixo custo e não há necessidade de utilizar reagentes importados.
O estudo foi descrito por pesquisadores brasileiros em artigo divulgado na plataforma medRxiv, ainda sem revisão por pares. O projeto é apoiado pela FAPESP e envolve pesquisadores da Universidade Estadual de Campinas (Unicamp) e da Universidade de São Paulo (USP), além de colaboradores no Amazonas.
Os algoritmos são capazes de reconhecer em amostras de plasma sanguíneo de pacientes um padrão de moléculas característico do coronavírus. De acordo com os pesquisadores, é possível identificar ainda indivíduos com maior risco de desenvolver manifestações graves, como insuficiência respiratória, isso nos casos já confirmados.
“Nos testes feitos para validar a metodologia, conseguimos diferenciar as amostras positivas e negativas com um acerto de mais de 90%. Também fizemos a diferenciação entre casos graves e leves com acerto em torno de 82%. Agora, estamos iniciando o processo de certificação junto à Anvisa [Agência Nacional de Vigilância Sanitária]”, conta à Agência FAPESP o professor da Unicamp Rodrigo Ramos Catharino, coordenador da pesquisa.
Segundo ele, o exame, quando em operação, poderia custar em torno de R$ 40 por amostra, cerca de metade do preço de custo do RT-PCR, método considerado padrão-ouro para diagnóstico da covid-19.
O trabalho vem sendo desenvolvido no Laboratório Innovare de Biomarcadores, durante o doutorado de Jeany Delafiori, e integra uma linha de pesquisa que combina técnicas de metabolômica e aprendizado de máquina para buscar marcadores capazes de auxiliar o diagnóstico de doenças como zika, dengue hemorrágica, fibrose cística, diabetes e outros distúrbios metabólicos.
Modelo otimizado
Enquanto a maioria dos testes laboratoriais analisa no sangue os níveis de algumas poucas substâncias, o sistema computacional desenvolvido pela equipe da Unicamp é capaz de olhar, ao mesmo tempo, para milhares de variáveis e extrair interconexões diretas e cruzadas entre elas: por exemplo, quais substâncias estão aumentadas e quais estão diminuídas em indivíduos com uma determinada doença.
“Para tornar isso possível, trabalhamos nos últimos três anos no desenvolvimento de um modelo matemático que seja explicável, ou seja, que nos permita não apenas fazer uma predição correta como também saber quais variáveis o sistema está olhando para fazer essa predição. Isso possibilita, após a identificação de um primeiro conjunto de biomarcadores, selecionar os mais significativos e otimizar o processo de análise. Além disso, os dados gerados podem ser usados pela área de metabolômica para desvendar o mecanismo da doença”, explica Navarro.
Com informações Exame
Leia mais: Cientistas testam em si mesmos vacina contra Covid-19 feita em casa
