BB-Spectral

Resumo

O BB-SPECTRAL é uma tecnologia de inteligência artificial para a determinação e categorização dos compostos químicos através da informação espetral de amostras extremamente complexas (por exemplo: o sangue). Ao evitar a utilização de reagentes, o BB-SPECTRAL consegue fazer uma estimativa da concentração de compostos com uma exatidão da ordem dos 90%, quando comparado com os resultados laboratoriais (parâmetro de referência).

Para explicar em que consiste os dados espetrais que são extraídos de amostras, pode dizer-se que o BB-SPECTRAL é único em definir a sua própria base de conhecimentos, indicando a priori a previsibilidade, exatidão e precisão das novas avaliações. Esta tecnologia é aplicável a todas as regiões do espetro eletromagnético utilizada na análise espetroscópica ou em outro tipo de espetroscopia onde está presente uma interferência multiescalar e uma variabilidade química/biológica.

Desafio

As abordagens atuais sobre a análise espetral incluem as redes neuronais artificiais (RNA) e as máquinas de suporte vetorial não linear (SVM) que tentam criar modelos complexos que se adaptem a todos os dados. Esta estratégia não consegue analisar as amostras complexas, exigindo uma grande quantidade de dados, sendo incapaz de detetar outliers e englobando custos computacionais elevados.

O BB-SPECTRAL foi desenvolvido para ultrapassar estes problemas técnicos, utilizando uma abordagem local e global para fornecer uma exatidão e precisão na qualidade médica, determinando e identificando qualquer composto químico em amostras extremamente complexas.

Principais Vantagens

• Capacidade de autoaprendizagem;

• Funciona com uma grande variedade de dados espetrais (análise espetroscópica (raio-X, UV, vis, nIR, IR, far-IR e micro-ondas);

• Alarga as aplicações espetroscópicas não destrutivas e não invasivas a uma vasta gama de setores;

• Evita a utilização de reagentes.

Applicações

• Avaliação clínica dos objetivos biológicos em condições saudáveis e patológicas (Medicina e Medicina Veterinária);
• Controlo de qualidade na indústria agroalimentar;
• Caraterização dos materiais.