Pesquisadores do Departamento de Química da Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP) da USP criaram uma ferramenta revolucionária que utiliza Inteligência Artificial (IA), química computacional e aprendizagem de máquina para analisar e identificar novas drogas psicoativas (NPS).
Liderado por Christiano dos Santos, o estudo desenvolveu algoritmos a partir de espectros de infravermelho de 75 substâncias de cinco categorias de NPS. Esses algoritmos, aplicados via aprendizado de máquina, mostraram uma precisão acima de 90% na classificação das substâncias testadas. Os resultados da pesquisa foram publicados na revista Psychoactives em maio.
Segundo a professora Aline Thais Bruni, orientadora da pesquisa, esta ferramenta é um avanço significativo na análise de substâncias químicas, permitindo que profissionais enfrentem o surgimento acelerado das NPS com maior eficácia.
A tecnologia poderá ajudar no monitoramento e na investigação de casos complexos de tráfico de drogas, disponibilizando uma biblioteca de dados espectroscópicos para uso forense.
A ferramenta foi treinada com métodos de aprendizagem não supervisionada e supervisionada, identificando padrões e fornecendo diagnósticos iniciais dos compostos. Além disso, a pesquisa utilizou a Teoria do Funcional da Densidade para obter dados de espectroscopia de infravermelho, oferecendo informações valiosas sobre substâncias pouco conhecidas.
Com a popularização das NPS, que imitam drogas tradicionais mas com estruturas químicas diferentes, esta inovação representa um importante recurso para os métodos de análise forense e controle do tráfico. As NPS, frequentemente detectadas em operações policiais, representam um desafio contínuo para a legislação e os métodos experimentais.
Este estudo é parte do doutorado de Santos, intitulado “Métodos Computacionais e Machine Learning aplicados ao estudo de propriedades espectroscópicas de Novas Substâncias Psicoativas”, apresentado à FFCLRP em março de 2024.
*Com informações de Felipe Faustino da USP
Leia mais:
