Uma equipe internacional de pesquisa desenvolveu um algoritmo de IA particularmente leve que pode classificar e quantificar com precisão compostos orgânicos voláteis (VOCs) em misturas de gases respiratórios. A tecnologia deve fornecer a base para testes respiratórios não invasivos para a detecção precoce de câncer de pulmão no futuro.
O modelo combina uma Rede de Fusão de Características Locais-Globais Leve (LLGFN) com um modelo de previsão baseado em GBDT–GRU. Em experimentos com misturas de gases sintéticos de acetona, etanol e isopropanol, o sistema atingiu uma precisão média de classificação de 96,2% – com uma carga computacional muito baixa ao mesmo tempo.
O modelo é projetado para ser implantado em narizes eletrônicos portáteis (e-noses). Ele supera as limitações existentes na modelagem de dependências de longo prazo e correlações intercanal em sinais de sensores e reduz a necessidade de extração manual de características.
O estudo foi publicado na revista Frontiers in Bioengineering and Biotechnology. Os pesquisadores veem a tecnologia como um passo importante em direção a testes respiratórios não invasivos clinicamente aplicáveis para a detecção precoce de câncer.
Fonte:
Fang X et al. (2026). A lightweight intelligent model for VOC mixture analysis: toward preclinical breath biomarker analysis. Frontiers in Bioengineering and Biotechnology. DOI: 10.3389/fbioe.2026.1821312
