Inteligência artificial para diagnóstico da malária é o foco do Malar.IA, projeto desenvolvido pelo Hospital Israelita Albert Einstein em parceria com a Fundação de Medicina Tropical Doutor Heitor Vieira Dourado (FMT-HVD), referência mundial em doenças tropicais. A iniciativa conta ainda com apoio da Positivo Tecnologia e da Hilab e busca acelerar a identificação do parasito Plasmodium, causador da malária, especialmente em regiões de difícil acesso da Amazônia, onde se concentram mais de 99% dos casos da doença no Brasil, segundo dados do Ministério da Saúde.

Com duração prevista de 24 meses, o projeto teve início em outubro e seguirá até setembro de 2027. As atividades são conduzidas pelo Centro de Inovação do Einstein em Manaus e envolvem a coleta de aproximadamente 1.400 amostras biológicas nos municípios de Manaus e São Gabriel da Cachoeira, no Amazonas — áreas com maior incidência dos dois principais tipos do parasita no país: Plasmodium vivax e Plasmodium falciparum.

IA será treinada com 30 mil imagens microscópicas

A partir das amostras coletadas, serão geradas cerca de 30 mil imagens microscópicas, utilizadas para treinar o algoritmo de inteligência artificial. A tecnologia será embarcada no Hilab Lens, equipamento portátil desenvolvido no Brasil pela Hilab, capaz de capturar e interpretar imagens de lâminas de sangue sem a necessidade de um laboratório estruturado.

Integrado a um microscópio digital compacto, o sistema permite a realização de diagnósticos em trânsito e em diferentes unidades de atenção à saúde, ampliando a capacidade de resposta em territórios isolados da Amazônia.

Diagnóstico pode cair de até cinco dias para 15 minutos

Atualmente, o diagnóstico da malária em regiões remotas pode levar de três a cinco dias, devido à distância das unidades especializadas e à dependência de microscopistas experientes para análise manual das lâminas. Com o Malar.IA, a expectativa é reduzir esse tempo para cerca de 15 minutos, possibilitando o início imediato do tratamento e diminuindo os riscos de agravamento da doença.

Além de agilizar o diagnóstico, a automação da análise atua como ferramenta de apoio à decisão clínica, aumentando a precisão e podendo substituir processos de controle de qualidade que hoje dependem de profissionais cada vez mais escassos na região amazônica.

Mudanças climáticas ampliam desafios no combate à malária

As mudanças climáticas têm impacto direto na dinâmica de doenças infecciosas como a malária. O aumento das temperaturas e do volume de chuvas altera o ciclo de vida do mosquito transmissor e amplia sua área de dispersão, exigindo respostas mais rápidas e eficazes do sistema de saúde.

Nesse contexto, iniciativas como o Malar.IA representam uma integração entre ciência, tecnologia e sustentabilidade, contribuindo para antecipar riscos e proteger populações vulneráveis.

Projeto prevê validação clínica e apoio ao SUS

O projeto inclui uma etapa de validação clínica com cerca de 320 participantes. Os resultados gerados pela inteligência artificial serão comparados aos métodos laboratoriais tradicionais, com o objetivo de avaliar a acurácia do algoritmo.

Segundo o diretor executivo de inovação do Einstein, Rodrigo Demarch, a iniciativa traduz o uso da inovação como ferramenta prática para enfrentar desafios reais da saúde pública. Ele destaca que o algoritmo foi treinado com dados reais da Amazônia e integrado a uma plataforma portátil, fortalecendo a vigilância em saúde e apoiando o Sistema Único de Saúde (SUS).

Representantes da Positivo Tecnologia e da Hilab também ressaltam o impacto social do projeto e o potencial de escalabilidade da tecnologia para o diagnóstico rápido de outras doenças infecciosas, como tuberculose pulmonar, leishmaniose visceral e doença de Chagas.

Incentivo à inovação na Amazônia

O Malar.IA é o primeiro projeto desenvolvido pelo Einstein e pela Positivo Tecnologia no âmbito da Lei de Informática na Amazônia, que incentiva investimentos privados em pesquisa, desenvolvimento e inovação. A iniciativa reforça o compromisso das instituições com a ciência aplicada ao fortalecimento do sistema público de saúde e amplia as possibilidades de diagnóstico à beira do leito, em unidades básicas ou diretamente no campo.