Esta tecnologia engloba um sistema de aprendizagem computacional (‘machine learning'), que identifica os parasitas da malária em células microscópicas, analisando imagens capturadas por uma lente de alta magnitude incorporada nas câmaras dos ‘smartphones', explicou à lusa a investigadora Mafalda Falcão, da Faculdade de Engenharia da Universidade do Porto (FEUP).

A malária é uma doença "provocada por cinco tipos diferentes parasitas, cada um com o seu ciclo de vida próprio", que obrigam a distintas abordagens de tratamento, sendo o diagnóstico convencional "complexo, demorado e dispendioso", indicou.

De acordo com a investigadora, este consiste em examinar ao microscópio dois tipos diferentes de amostras de sangue (gota espessa e gota fina), identificando, "corretamente e de forma precisa", se o paciente está infetado e qual o tipo de malária em causa.

"Um falso diagnóstico inicial é extremamente penoso para o ser humano", disse Mafalda Falcão, acrescentando que um falso positivo (identificado como tendo malária, mas não está infetado) é tratado, fazendo com o indivíduo ganhe resistência à medicação.

No caso de um falso negativo (identificado como não tendo malária e estar infetado), o tratamento não é realizado e pode levar à morte.

A este processo de diagnóstico estão associados "custos significativos, muito difíceis de sustentar nos países onde a incidência de malária é superior", como é o caso de África, onde ocorrem "aproximadamente 80% dos casos", salientou.

Segundo Mafalda Falcão, a ferramenta que está a ser desenvolvida no âmbito do ML4Malaria pode ser uma solução mais barata, rápida e igualmente eficaz para deteção e identificação do tipo de parasita associado à patologia.

Este é um dos 14 projetos criados por alunos de diferentes faculdades com o apoio do centro de investigação Fraunhofer Portugal AICOS, sediado no Porto, no âmbito de uma iniciativa anual que lhes permite desenvolver o seu trabalho orientado para a criação de soluções práticas que contribuem para a qualidade de vida da população.

O ML4Malaria contou com o apoio de um especialista José Correia da Costa, do Instituto Ricardo Jorge, do engenheiro Luís Rosado, da Fraunhofer Portugal AICOS, e do professor Luís Teixeira, da FEUP.