{"id":22764,"date":"2020-08-06T22:41:30","date_gmt":"2020-08-06T22:41:30","guid":{"rendered":"https:\/\/cnpem.staging.wpengine.com\/?p=22764"},"modified":"2026-03-02T15:56:25","modified_gmt":"2026-03-02T18:56:25","slug":"cnpem-usa-machine-learning-em-nova-proposta-de-dispositivo-para-diagnostico-de-doencas-sem-uso-de-reagentes-e-anticorpos","status":"publish","type":"post","link":"https:\/\/cnpem.br\/en\/cnpem-usa-machine-learning-em-nova-proposta-de-dispositivo-para-diagnostico-de-doencas-sem-uso-de-reagentes-e-anticorpos\/","title":{"rendered":"CNPEM usa machine learning em nova proposta de dispositivo para diagn\u00f3stico de doen\u00e7as sem uso de reagentes e anticorpos"},"content":{"rendered":"

Assessoria de Comunica\u00e7\u00e3o em 06\/08\/2020<\/em><\/p>\n

Em artigo <\/strong><\/a>publicado na ACS<\/strong> (American <\/strong>Chemical <\/strong>Society<\/strong>), pesquisadores do Centro Nacional de Pesquisa em Energia e Materiais<\/strong> (CNPEM<\/strong>) apresentam a proposta de um novo conceito de an\u00e1lise cl\u00ednica que baseia-se no uso de um sensor eletroqu\u00edmico microflu\u00eddico e modelos de machine learning com potencial para tornar mais pr\u00e1tico e econ\u00f4mico o diagn\u00f3stico e progn\u00f3stico de diversas doen\u00e7as.<\/p>\n

O m\u00e9todo tamb\u00e9m visa obter resultados seguros sem a depend\u00eancia de insumos caros e escassos como anticorpos.<\/p>\n

 <\/p>\n

Na ponta do l\u00e1pis<\/strong><\/p>\n

O dispositivo microflu\u00eddico usa materiais de baixo custo. Os eletrodos de grafite, constitu\u00eddos de minas de l\u00e1pis, do mesmo tipo usado em l\u00e1pis escolares, atuam como sensores de padr\u00f5es eletroqu\u00edmicos. Conectados a um equipamento port\u00e1til capaz de medir a imped\u00e2ncia da corrente el\u00e9trica (potenciostato) e a um smartphone \u00e9 poss\u00edvel determinar, em menos de 15 minutos, a presen\u00e7a e a concentra\u00e7\u00e3o de biomarcadores de interesse em amostras com m\u00ednimos volumes de sangue. “S\u00e3o dados que n\u00e3o s\u00f3 contribuem para a triagem de casos, mas podem tamb\u00e9m dar refer\u00eancias de progn\u00f3stico de evolu\u00e7\u00e3o da doen\u00e7a em cada paciente”, esclarece o pesquisador do CNPEM<\/strong>, Renato Sousa Lima, que trabalha no Laborat\u00f3rio Nacional de Nanotecnologia (LNNano<\/strong>).<\/p>\n

 <\/p>\n

C\u00e2ncer de mama<\/strong><\/p>\n

O estudo, que contou com apoio da Funda\u00e7\u00e3o de Amparo \u00e0 Pesquisa do Estado de S\u00e3o Paulo<\/strong> (FAPESP<\/strong>), descreve a aplica\u00e7\u00e3o do m\u00e9todo para diagn\u00f3stico de c\u00e2ncer de mama em amostras de sangue de camundongos. Estruturas lip\u00eddicas extracelulares e as prote\u00ednas presentes na sua membrana foram usadas como biomarcadores do tumor de Ehrlich<\/strong> para identificar animais sadios e com o tumor. O m\u00e9todo tamb\u00e9m permitiu a quantifica\u00e7\u00e3o simult\u00e2nea desses dois biomarcadores, que contribuem para uma an\u00e1lise do est\u00e1gio do c\u00e2ncer de mama com acur\u00e1cia elevada”. O grupo realizou o preparo das amostras em parceria com o Instituto de Qu\u00edmica da USP<\/strong> em S\u00e3o Carlos (IQSC\/USP<\/strong>).<\/p>\n

Machine Learning<\/strong><\/p>\n

Cada amostra de sangue gera um espectro \u00fanico de capacit\u00e2ncia, que serve como impress\u00e3o digital, e pode gerar at\u00e9 100 vari\u00e1veis. A identifica\u00e7\u00e3o dos padr\u00f5es espec\u00edficos de interesse \u00e9 tarefa para o modelo computacional de machine learning,<\/em> “<\/strong>uma classe de m\u00e9todos capaz de descobrir padr\u00f5es usando apenas os dados observados, sem ser explicitamente programado, o que permite que se torne ainda mais eficiente \u00e0 medida que novas amostras s\u00e3o inclu\u00eddas no banco de dados do teste”, explica Adalberto Fazzio, diretor do Laborat\u00f3rio Nacional de Nanotecnologia (LNNano<\/strong>)<\/p>\n

Esse estudo ainda conseguiu se valer de um padr\u00e3o matem\u00e1tico (algoritimo) com robustez estat\u00edstica. “Mesmo com um pequeno n\u00famero de amostras (12) para aquisi\u00e7\u00e3o do algoritmo, ele demonstrou poder de exatid\u00e3o e deve se tornar ainda mais eficiente com a incorpora\u00e7\u00e3o de dados de mais amostras no futuro”, refor\u00e7a Lima.<\/p>\n

 <\/p>\n

Simplicidade e Telemedicina<\/strong><\/p>\n

Al\u00e9m de esfor\u00e7os em ci\u00eancia e engenharia, os autores fizeram uso da tecnologia para trazer simplicidade e telemedicina \u00e0s an\u00e1lises. Um smartphone<\/em> foi usado para controle de um equipamento port\u00e1til para medidas eletroqu\u00edmicas, aquisi\u00e7\u00e3o e tratamento dos dados do sensor por machine learning<\/em> e, finalmente, apresenta\u00e7\u00e3o do resultado de interesse em sua tela, eliminando qualquer etapa de processamento de dados pelo usu\u00e1rio. Al\u00e9m de promover simplicidade \u00e0 an\u00e1lise, o uso do smartphone<\/em> pode ser muito \u00fatil como ferramenta de aux\u00edlio a programas de sa\u00fade em regi\u00f5es remotas do pa\u00eds. Os dados obtidos nos exames podem ser compartilhados rapidamente e as informa\u00e7\u00f5es contribu\u00edrem para a\u00e7\u00f5es estrat\u00e9gicas, como encaminhamento de pacientes para os centros de tratamento mais pr\u00f3ximos.<\/p>\n

 <\/p>\n

Caracter\u00edsticas do dispositivo:<\/strong><\/p>\n