IA prevê a estrutura de complexos formados por duas proteínas
O algoritmo consegue predizer os pontos de contato mais eficientes para a ligação entre duas proteínas, ajudando a estabelecer os complexos que terão melhor desempenho biológico.
O algoritmo consegue predizer os pontos de contato mais eficientes para a ligação entre duas proteínas, ajudando a estabelecer os complexos que terão melhor desempenho biológico.
Utilizando exames de imagem da retina e técnicas de análise preditiva, o estudo revelou quais variantes de um gene mutado são responsáveis pelo aparecimento dos sintomas e pelo perfil de progressão da doença.
O sistema usa imagens com dados de profundidade para identificar os tipos de alimentos e estimar os volumes ingeridos em uma refeição, permitindo o registro automático dos ingredientes consumidos.
O sistema usa as imagens para prever o tamanho de uma câmara do coração cujo crescimento está associado a episódios de ataque cardíaco.
O estudo demonstrou quais os fatores de maior impacto nos quadros de mortalidade, mas também revelou que a importância desses fatores variava em função da localidade, o que deve permitir desenvolver programas de prevenção mais adequados para cada local.
A inteligência artificial ajudou a desenvolver as novas lentes a partir de um material inédito, assim como a realizar o pós-processamento das imagens capturadas, alcançando resultados comparáveis ao das câmeras tradicionais mesmo com um tamanho minúsculo.
Os pesquisadores utilizaram ferramentas de machine learning para desvendar quais são os fatores demográficos, profissionais e ambientais que estimulam enfermeiros a não reportar erros de medicação, o que atrapalha a elaboração de planos preventivos eficazes.
O sistema foi treinado para identificar regiões de interesse em imagens de raios-X, ajudando os técnicos a identificar fraturas, o que melhorou a qualidade dos exames sem comprometer o tempo de análise.
O algoritmo utiliza os dados capturados pelo equipamento para reconstruir informações adicionais sobre o material analisado, permitindo gerar imagens com ainda maior detalhamento.
O algoritmo usa dados de atividade celular, que são produzidos em cerca de duas horas, para identificar precocemente um quadro inicial de sepse, o que antes demorava até 2 dias e ocasionava alta taxa de mortalidade.