IA para diagnosticar doenças, otimizar hospitais e melhorar a qualidade de vida

A Faculdade de Computação da Universidade Federal de Uberlândia (Facom/UFU) participou do Congresso Mundial IEEE de Inteligência Computacional (WCCI) 2026, realizado em junho, na cidade de Maastricht, nos Países Baixos. Considerado um dos principais eventos internacionais da área de inteligência artificial (IA), o congresso reuniu pesquisadores de diversos países para apresentar estudos e discutir os avanços mais recentes da computação inteligente.

A UFU participou do evento com cinco trabalhos científicos desenvolvidos por pesquisadores do Programa de Pós-Graduação em Ciência da Computação (PPGCO). O professor Murilo Carneiro esteve presente em todos eles, atuando como orientador principal em três pesquisas e como coorientador nas outras duas. Os estudos abordam diferentes aplicações da inteligência artificial, como o diagnóstico de doenças e transtornos por meio da saliva, a descoberta de peptídeos (pequenas cadeias de aminoácidos, que são as moléculas que formam as proteínas ) com potencial terapêutico e a otimização da distribuição de leitos hospitalares.

Antes do congresso, Carneiro também esteve nos Países Baixos para fortalecer a cooperação científica entre a UFU e duas instituições parceiras: a Radboud University, em Nijmegen, e a Eindhoven University of Technology (TU/e), em Eindhoven. Durante a visita, o pesquisador se reuniu com equipes que participam de um projeto internacional voltado ao desenvolvimento de novos métodos de inteligência artificial para aplicações em saúde.

Segundo Carneiro, a parceria tem como objetivo desenvolver algoritmos capazes de acelerar a criação de ferramentas para diagnóstico de doenças e transtornos a partir da análise da saliva. "A ideia é automatizar grande parte do processo de construção dessas soluções. Assim, quando surgir uma nova demanda, será possível desenvolver modelos de diagnóstico de forma muito mais rápida", explica.

A programação da missão também incluiu a segunda edição do workshop AINet, realizado em parceria entre pesquisadores da UFU e das universidades holandesas. O encontro discutiu temas relacionados ao desenvolvimento responsável da inteligência artificial, incluindo aspectos de regulamentação, transparência e confiabilidade dos sistemas. A primeira edição do workshop havia sido realizada em Uberlândia, no início deste ano.

A seguir, conheça os  cinco trabalhos apresentados pela equipe da UFU e entenda como essas pesquisas podem contribuir para o avanço da inteligência artificial aplicada à saúde e à sociedade.

1.  Aprendizado baseado em Transformers para gerar dados de espectroscopia no infravermelho

A pesquisa desenvolveu um modelo de inteligência artificial capaz de gerar dados sintéticos de espectroscopia no infravermelho, uma técnica usada para analisar a composição química de amostras biológicas. O objetivo é ampliar conjuntos de dados pequenos, um desafio comum em pesquisas médicas, preservando as características dos dados reais. Nos testes, a inclusão dessas informações sintéticas melhorou o desempenho de modelos computacionais na identificação do transtorno do espectro autista, indicando que a abordagem pode contribuir para o desenvolvimento de ferramentas de diagnóstico mais precisas e robustas, além de beneficiar outras aplicações na área da saúde.

2. Aprimorando a descoberta de peptídeos com algoritmos genéticos assistidos por modelos preditivos usando representações ESM-2 

O diferencial da pesquisa está no uso de inteligência artificial para acelerar a busca por novos peptídeos com potencial terapêutico. A equipe desenvolveu um método mais preciso e reproduzível, capaz de identificar, por meio de simulações computacionais, as sequências mais promissoras antes da etapa de testes mais complexos. Com isso, o processo de descoberta de candidatos a novos medicamentos se torna mais rápido, eficiente e com melhores resultados do que abordagens anteriores.  

3. Transformer de atenção dupla para diagnóstico de doenças por espectroscopia no infravermelho

O estudo apresenta um novo modelo de inteligência artificial capaz de analisar exames de espectroscopia no infravermelho de forma mais eficiente. A principal inovação é combinar dois níveis de análise: um que identifica padrões em regiões específicas do espectro e outro que relaciona informações de diferentes regiões da amostra. Testado em bases de dados de dengue, COVID-19 e câncer de boca, o método alcançou desempenho superior ao de outras técnicas de aprendizado de máquina, mostrando potencial para tornar exames baseados em espectroscopia mais precisos e confiáveis no apoio ao diagnóstico de diferentes doenças.

4. Inteligência artificial ajuda a decidir onde os leitos hospitalares podem salvar mais vidas 

Os estudiosos criaram um sistema que usa inteligência artificial para prever onde a falta de leitos pode causar mais mortes por Síndrome Respiratória Aguda Grave (SRAG). Depois, outro programa testa milhares de formas diferentes de redistribuir os leitos entre os municípios até encontrar a estratégia que pode salvar mais vidas, sem gerar custos excessivos ou prejudicar outras regiões.

Os resultados mostraram que essa estratégia faz mais diferença quando os hospitais estão quase totalmente ocupados. Nesses momentos, uma pequena mudança na distribuição dos leitos pode reduzir o número de mortes e ajudar gestores públicos a tomar decisões mais eficientes em situações de emergência.

5. Descritores estruturais de grafos para classificação de grãos de soja

Neste estudo, pesquisadores desenvolveram uma tecnologia que combina inteligência artificial e matemática para analisar imagens dos grãos e identificar automaticamente aqueles que apresentam defeitos. O método utiliza uma representação em forma de grafos, que permite observar características como cor, textura e formato dos grãos, aumentando a precisão da classificação e tornando o processo mais rápido e confiável para o setor agrícola.

Obstáculos para as pesquisas

Apesar dos avanços apresentados no congresso, o desenvolvimento de modelos de inteligência artificial para a área da saúde ainda enfrenta desafios. Um dos principais é a obtenção de dados de qualidade para treinar os algoritmos.

No caso das pesquisas que utilizam amostras de saliva para identificar doenças e transtornos, a coleta depende da autorização dos participantes, de profissionais capacitados e de equipamentos específicos para processar o material. Esse processo torna a formação de grandes bases de dados mais lenta e complexa.

Para contornar essa limitação, os pesquisadores da UFU desenvolveram uma estratégia capaz de ampliar a representatividade dos dados mesmo a partir de um número reduzido de amostras. “O que trabalhamos no último ano e publicamos agora é uma estratégia que conseguimos, com algumas poucas amostras, aumentar a nossa base de dados, aumentar a representatividade do nosso treinamento”, explica o pesquisador.

Além disso, a parceria entre a UFU e as universidades holandesas busca desenvolver um algoritmo capaz de automatizar parte da criação desses modelos. A expectativa é que, no futuro, quando surgirem novas doenças ou transtornos que possam ser identificados por meio da saliva, os pesquisadores consigam desenvolver ferramentas de diagnóstico em menos tempo e com maior eficiência. “A gente vai conseguir aumentar muito a nossa capacidade de responder a essas demandas da sociedade por melhores métodos diagnósticos", finaliza Carneiro. 

Política de uso: A reprodução de textos, fotografias e outros conteúdos publicados pela Diretoria de Comunicação Social da Universidade Federal de Uberlândia (Dirco/UFU) é livre; porém, solicitamos que seja(m) citado(s) o(s) autor(es) e o Portal Comunica UFU.