Sistema de IA direcionado para o pólen das árvores que está na origem das alergias

Imagine tentar distinguir gémeos idênticos apenas olhando para as suas impressões digitais. É esse o desafio que os cientistas podem enfrentar para distinguir os minúsculos grãos de pólen em pó produzidos pelos abetos, píceas e pinheiros.

Mas um novo sistema de inteligência artificial desenvolvido por investigadores da Universidade do Texas em Arlington, da Universidade do Nevada e da Virginia Tech está a tornar essa tarefa muito mais fácil – e potencialmente a trazer um grande alívio para quem sofre de alergias.

“Com dados mais detalhados sobre que espécies de árvores são mais alergénicas e quando libertam pólen, os planeadores urbanos podem tomar decisões mais inteligentes sobre o que plantar e onde”, diz Behnaz Balmaki, professor assistente de investigação em biologia na UT Arlington e coautor de um novo estudo publicado na revista Frontiers in Big Data com Masoud Rostami da Divisão de Ciência de Dados da UTA.

“Isso é especialmente importante em áreas de alto tráfego, como escolas, hospitais, parques e bairros. Os serviços de saúde também podem usar essas informações para melhor cronometrar os alertas de alergia, mensagens de saúde pública e recomendações de tratamento durante as épocas de pico do pólen”, acrescenta.

A análise do pólen é um método poderoso para reconstruir ecossistemas históricos. Os grãos de pólen preservados em leitos de lagos e turfeiras oferecem registos pormenorizados de comunidades vegetais do passado.

Uma vez que a distribuição das plantas está estreitamente ligada a fatores ambientais como a temperatura, a precipitação e a humidade, a identificação dos tipos de pólen presentes em diferentes camadas de sedimentos pode revelar a forma como os ecossistemas responderam às flutuações climáticas naturais ao longo do tempo e como poderão reagir no futuro.

“Mesmo com microscópios de alta resolução, as diferenças entre os pólenes são muito subtis”, afirma  Balmaki. “O nosso estudo mostra que as ferramentas de aprendizagem profunda podem aumentar significativamente a velocidade e a precisão da classificação dos pólenes. Isto abre a porta à monitorização ambiental em grande escala e a reconstruções mais pormenorizadas das alterações ecológicas. Também é promissor para melhorar o rastreio de alergénios, identificando exatamente que espécies estão a libertar pólen e quando”, adianta.

Balmaki acrescenta que a investigação pode também beneficiar a agricultura.

“O pólen é um forte indicador da saúde do ecossistema”, afirma. “As mudanças na composição do pólen podem assinalar alterações na vegetação, nos níveis de humidade e até na atividade de incêndios anteriores. Os agricultores podem utilizar esta informação para acompanhar as tendências ambientais a longo prazo que afetam a viabilidade das culturas, as condições do solo ou os padrões climáticos regionais. Também é útil para a conservação da vida selvagem e dos polinizadores. Muitos animais, incluindo insetos como as abelhas e as borboletas, dependem de plantas específicas como alimento e habitat. Ao identificar as espécies de plantas que estão presentes ou em declínio numa área, podemos compreender melhor como estas alterações afetam toda a cadeia alimentar e tomar medidas para proteger as relações críticas entre plantas e polinizadores”, acrescenta.

Para este estudo, a equipa examinou amostras históricas de abetos, píceas e pinheiros preservadas pelo Museu de História Nacional da Universidade do Nevada. Testaram essas amostras utilizando nove modelos de IA diferentes, demonstrando o forte potencial da tecnologia para identificar o pólen com uma velocidade e precisão impressionantes.

“Isto mostra que a aprendizagem profunda pode apoiar com sucesso e até exceder os métodos de identificação tradicionais, tanto em termos de velocidade como de precisão”, aponta Balmaki. “Mas também confirma que os conhecimentos humanos continuam a ser essenciais. São necessárias amostras bem preparadas e uma forte compreensão do contexto ecológico. Não se trata apenas de máquinas – é uma colaboração entre a tecnologia e a ciência”, adianta.

Para projetos futuros, Balmaki e os seus colaboradores planeiam expandir a sua investigação para incluir uma gama mais vasta de espécies de plantas. O seu objetivo é desenvolver um sistema abrangente de identificação de pólen que possa ser aplicado em diferentes regiões dos Estados Unidos para compreender melhor como as comunidades vegetais podem mudar em resposta a eventos climáticos extremos.