O Laboratório do Futuro: Inteligência Artificial, Aprendizado de Máquinas e Microfluídica

Os laboratórios de hoje parecem muito diferentes dos laboratório do passado, mas e daqui a dez anos?

A forma como os cientistas e os pesquisadores abordam a pesquisa foi influenciada drasticamente pelo avanço das tecnologias. A integração da robótica e automação revolucionou os procedimentos, transformando processos manuais tediosos em sistemas automatizados de tratamento de líquidos.

A introdução das tecnologias de microfluídica e lab-on-a-chip e o crescente interesse pela computação na nuvem, aprendizagem por máquina e inteligência artificial (AI) são apenas alguns fatores fundamentais para a transformação do laboratório. Mais especificamente, influenciando a eficiência do procedimento, reprodutibilidade, coleta de dados, análise e compartilhamento, e muito mais.

Tecnologias de microfluídica e laboratório em chip

A microfluídica permite a manipulação e análise de volumes de fluidos extremamente pequenos dentro de um sistema de multicanais (10-9 a 10-18 litros) [O leitor pode saber mais sobre microfluídica clicando aqui]. A capacidade de reduzir a biologia em grande escala, juntamente com a capacidade de realizar múltiplas experiências em um único chip, que é pequeno o suficiente para caber na palma da mão, é um conceito atraente.

Laboratório microfluídico (Lab-on-a-chip). Credit: Cooksey/NIST

A capacidade da microfluídica para miniaturizar múltiplas operações de laboratório, reflete-se em seu uso em uma multiplicidade de campos científicos, incluindo áreas de genômica, ciência de materiais, biologia molecular e química orgânica. Existem várias vantagens para as tecnologias microfluídicas.

Em primeiro lugar, é necessária uma amostra muito pequena, o que significa que amostras preciosas ou escassas podem ser conservadas. O volume de reagentes também é significativamente reduzido em comparação com as análises tradicionais em larga escala, traduzindo-se em uma economia geral de custos.

Outro benefício é que o sistema miniaturizado ainda pode obter análises de alta resolução, mantendo a sensibilidade. A natureza dos canais (elevada razão superfície/volume) significa que os reagentes se espalham rapidamente para a câmara de reação, reduzindo o tempo necessário para completar uma reação, gerando resultados mais rapidamente. Finalmente, os sistemas de laboratório em chip podem ser automatizados e padronizados, o que significa que há pouca necessidade de intervenção humana, eliminando o risco de “erro humano”.

Isto é particularmente benéfico considerando a evolução contínua da robótica e automação nos laboratórios

Automação e robótica

Simplesmente dizer que “a tecnologia mudou a maneira como conduzimos a pesquisa” é uma atenuação – ela realmente a transformou.

A robótica permitiu uma significativa reestruturação do local de trabalho. Muitas áreas tradicionalmente reservadas para o espaço “laboratório úmido” foram reatribuídas a robôs de manipulação de líquidos que são capazes de processar centenas, senão milhares, de amostras, através de procedimentos pré-programados e personalizáveis, que exigem supervisão limitada. Essa automação permite aos pesquisadores investir mais tempo na análise de dados.

Um ponto importante a ser observado é que a implementação de instrumentos robotizados exige fluxos de trabalho e soluções de armazenamento de dados adequados para garantir a capacidade de ordenar, organizar e acessar os dados. Esse desafio tem sido um foco importante para os desenvolvedores de armazenamento de dados baseados em nuvem, AI e de aprendizagem de máquinas nos últimos anos.

“Nossa capacidade como seres humanos para gerar vastos volumes de dados e buscar inovação com esses dados é sem precedentes na história, e isso nos apresenta alguns desafios extraordinários da perspectiva da informática, em termos do que fazemos. Como gerenciamos esses dados? Analisar esses dados? “Christian Marcazzo, vice-presidente, Informática, EMEA & Índia, PerkinElmer, Inc.

Computação em nuvem, inteligência artificial e aprendizado de máquina

A computação em nuvem fornece aos pesquisadores acesso fácil e seguro aos seus dados, onde vários grupos de pesquisa podem acessar dados em tempo real, ampliando as capacidades colaborativas em todo o mundo.

“O surgimento e a progressão da computação em nuvem, o fato de que cada vez mais computação que fazemos não está acontecendo dentro de nossos centros de dados … mas está acontecendo na web e a capacidade e o potencial que vem dessas capacidades de computação em nuvem podem realmente transformar nossa capacidade de lidar com grandes volumes de dados. “Christian Marcazzo, vice-presidente, Informática, EMEA & Índia, PerkinElmer, Inc.

As capacidades tecnológicas estão em constante evolução, afetando fundamentalmente a forma como a pesquisa é conduzida. A computação em nuvem tornou a colaboração mais fácil do que nunca. A necessidade de sistemas de tratamento de dados mais eficientes traduziu-se em um aumento no desenvolvimento da aprendizagem de máquinas e das soluções de AI. Atualmente, forte esforço colaborativo e investimentos estão sendo aplicados na pesquisa da AI.

“O campo da inteligência artificial experimentou um incrível crescimento e progresso na última década. No entanto, os sistemas atuais de AI, tão notáveis como eles são, exigirão novas inovações para enfrentar problemas cada vez mais difíceis do mundo real para melhorar nosso trabalho e vidas “, John Kelly III, vice-presidente sênior de soluções e soluções cognitivas da IBM.

A aprendizagem de máquinas permite interrogar mais completamente os dados não estruturados e estruturados através de algoritmos auto-aprendidos. A chave é acessar o máximo de dados possível. Ao incorporar análise de texto e aprendizagem de máquinas em fluxos de trabalho de pesquisa, agora é muito mais fácil examinar os dados, impulsionar as hipóteses e estabelecer orientações de pesquisa futuras.

As tecnologias microfluídicas transformaram a forma como os experimentos são conduzidos, reduzindo a escala e o custo. A computação em nuvem, a AI e a aprendizagem de máquinas tornaram ainda mais fácil acessar, compartilhar e analisar dados. No que diz respeito à evolução laboratorial, grandes progressos foram feitos na última década, e os avanços tecnológicos adicionais certamente nos aproximarão de um “laboratório inteligente do futuro” totalmente automatizado.

(Laura Mason, The Lab of the Future: Artificial Intelligence, Machine Learning, and Microfluidics)

Nota: Ótima reflexão sobre o futuro dos laboratórios. Eu acrescento o uso das impressoras 3D no desenvolvimento desses novos laboratórios, como pode ser conferido em outra postagem do blog (confira aqui).

Nós também já conversamos sobre como a microfluídica pode estar presente no futuro das plantas químicas (disponível aqui) e também como ela já está mudando a indústria de cosméticos (clique aqui e leia mais).


Conheça e curta a nossa página no Facebook

Já segue a gente no Instagram?

Siga-nos no Twitter, Facebook ou Instagram

Ou nos envie um e-mail para: harrison.santana@gmail.com

Harrson S. Santana obteve seu doutorado em Engenharia Química pela Universidade de Campinas em 2016. Sua tese de doutorado foi a investigação da síntese de biodiesel em microcanais, utilizando simulações numéricas e ensaios experimentais.
Em 2015, ele passou vários meses na Universidade de Glasgow (Reino Unido) desenvolvendo pesquisas na área de impressão 3D.
Atualmente, ele é pesquisador associado e professor colaborador da Faculdade de Engenharia Química da Unicamp, trabalhando no desenvolvimento de microplantas químicas e uso de impressoras 3D em processos químicos. Ele publicou vários artigos explorando desde simulações numéricas no desenvolvimento de microdispositivos até o uso de microfluídica em reações químicas e operações unitárias.
Seu interesse científico se concentra em fenômenos de transporte em sistemas microfluídicos, impressoras 3D e sistemas robóticos aplicados a processos químicos em microescala.

Tags , , .Adicionar aos favoritos o Link permanente.

Sobre Harrson S. Santana

Harrson S. Santana obteve seu doutorado em Engenharia Química pela Universidade de Campinas em 2016. Sua tese de doutorado foi a investigação da síntese de biodiesel em microcanais, utilizando simulações numéricas e ensaios experimentais. Em 2015, ele passou vários meses na Universidade de Glasgow (Reino Unido) desenvolvendo pesquisas na área de impressão 3D. Atualmente, ele é pesquisador associado e professor colaborador da Faculdade de Engenharia Química da Unicamp, trabalhando no desenvolvimento de microplantas químicas e uso de impressoras 3D em processos químicos. Ele publicou vários artigos explorando desde simulações numéricas no desenvolvimento de microdispositivos até o uso de microfluídica em reações químicas e operações unitárias. Seu interesse científico se concentra em fenômenos de transporte em sistemas microfluídicos, impressoras 3D e sistemas robóticos aplicados a processos químicos em microescala.

Uma resposta para O Laboratório do Futuro: Inteligência Artificial, Aprendizado de Máquinas e Microfluídica

  1. Pingback:Microdispositivos vestíveis ajudam atletas e melhoram a reabilitação física - Microfluídica & Engenharia Química

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *