A transposição dos resultados para testes ecotoxicológicos representa um tremendo avanço para Bernardo Duarte
Uma equipa de investigadores da Ciências ULisboa avaliou o desempenho de algoritmos de Inteligência Artificial (IA) destinados a avaliar a resposta fotoquímica de diatomáceas expostas a contaminantes emergentes.
O artigo “Artificial Intelligence Meets Marine Ecotoxicology: Applying Deep Learning to Bio-Optical Data from Marine Diatoms Exposed to Legacy and Emerging Contaminants” assinado por Nuno M. Rodrigues, João E. Batista, Pedro Mariano, Vanessa Fonseca, Bernardo Duarte e Sara Silva, publicado em setembro de 2021 na revista científica Biology, avalia a possibilidade da utilização de dados óticos relativos a diatomáceas marinhas, microalgas bastante abundantes nos oceanos, virem a ser usados como metodologias de avaliação ecotoxicológicas destes organismos quando expostos a contaminantes clássicos e emergentes, num vasto leque de concentrações ambientalmente relevantes. Foram utilizados 13 contaminantes, entre clássicos e emergentes que vêm sendo detetados no ambiente marinho. Vários algoritmos de IA foram testados a partir da resposta fotoquímica das diatomáceas, com o objetivo de distinguir não só o tipo de contaminante, mas também de averiguar a concentração, tendo como base os dados óticos obtidos das diatomáceas expostas em diferentes ensaios ecotoxicológicos. O estudo decorre de uma investigação realizada nesta faculdade por cientistas do Computer Science and Engineering Research Centre (Lasige), Instituto de Biossistemas e Ciências Integrativas (BioISI) e do Centro de Ciências do Mar e do Ambiente (Mare), no âmbito do projeto OPTOX, financiado pela Fundação para a Ciência e a Tecnologia e coordenado por Bernardo Duarte.
O trabalho permitiu concluir que dos cinco algoritmos de IA testados, o CNN Log foi o que teve uma maior precisão na identificação do tipo de contaminante, 97,65%. Na tarefa de avaliar a concentração de exposição ao contaminante, o Rocket alcançou uma precisão de 100%. A precisão obtida em estudos semelhantes com os métodos estatísticos clássicos varia entre 50 a 70%, valores inferiores à precisão obtida com os algoritmos de IA.
A primeira fase do trabalho consistiu na preparação dos dados antes de serem utilizados pelos algoritmos de IA. “Foi necessário preparar os dados, normalizando tanto previamente como a cada etapa da rede”, diz Nuno M. Rodrigues, primeiro autor do artigo e aluno de doutoramento em Informática na Ciências ULisboa, sob orientação de Sara Silva.
“Trabalhar diretamente com os dados numéricos traz uma série de desafios que são mitigados ao transformarmos esses dados em imagens, obtendo resultados muito melhores”, conclui Nuno M. Rodrigues.
O facto de os resultados poderem ser transpostos para testes ecotoxicológicos representa um tremendo avanço, segundo Bernardo Duarte, pois permite em tempo real e in vivo avaliar a toxicidade de uma substância num organismo, através de metodologias óticas não evasivas aliadas a métodos automáticos de classificação, ao invés dos métodos clássicos que envolviam sacrifício dos organismos e vários dias de análises bioquímicas até se ter o resultado em termos de efeitos ecotoxicológicos das substâncias.
![Complexo não covalente de composição [KrSF5]+ (Fig. 1), que provem duma molécula estável, [KrSF6]+ (Fig. 2), em resultado da reação direta de hexafluoreto de enxofre com crípton ionizado](https://ciencias.ulisboa.pt/sites/default/files/styles/25_/public/1319.png?itok=ll0t-rrY "Um novo composto de crípton")
