Pesquisa científica utiliza inteligência artificial para analisar gotas de sangue de bovinos, ovinos e caprinos, alcançando até 98,8% de acerto em testes experimentais e abrindo caminho para diagnósticos mais rápidos e acessíveis nas fazendas.
Uma pequena gota de sangue depositada sobre um papel especial, uma fotografia feita com a câmera de um celular e um sistema de inteligência artificial. Essa combinação, aparentemente simples, está no centro de uma pesquisa que pode abrir novos caminhos para o diagnóstico de anemia em animais de produção. O objetivo é desenvolver uma alternativa de triagem que, no futuro, permita identificar alterações sanguíneas com equipamentos mais acessíveis e menor dependência de estruturas laboratoriais.
O avanço foi apresentado em um estudo publicado em 23 de julho de 2026, na revista científica Scientific Reports, por pesquisadores de instituições norte-americanas, incluindo a Fort Valley State University e o Serviço de Pesquisa Agrícola do Departamento de Agricultura dos Estados Unidos (USDA-ARS).
A investigação envolveu 67 animais — 36 caprinos, 15 ovinos e 16 bovinos — e um conjunto de 6.877 imagens de padrões de dispersão sanguínea. Os modelos de inteligência artificial conseguiram distinguir categorias experimentais relacionadas à anemia, alcançando resultados particularmente elevados nos ovinos.
O melhor desempenho foi de 98,8% na classificação de imagens de ovinos, seguido de 91,8% em caprinos e 90,5% em bovinos. Embora os números sejam promissores, os próprios pesquisadores ressaltam que ainda são necessários testes independentes em animais e propriedades diferentes antes de considerar a tecnologia adequada para diagnósticos rotineiros.
Para a pecuária brasileira, a pesquisa chama atenção por um motivo prático: a anemia está associada a problemas sanitários capazes de comprometer crescimento, desempenho reprodutivo, produção de leite e sobrevivência dos animais. Identificar precocemente esses quadros pode fazer diferença na condução dos tratamentos e na redução das perdas.
Como uma gota de sangue pode revelar sinais de anemia?
O princípio da tecnologia está nas características físicas do sangue e na maneira como ele se espalha sobre uma superfície absorvente.
A anemia está associada à redução da capacidade do sangue de transportar oxigênio, geralmente relacionada à diminuição da concentração de hemoglobina ou da massa de glóbulos vermelhos. Uma das formas de avaliar essa condição é medir o hematócrito, também chamado de volume globular, que representa a proporção do sangue ocupada pelas hemácias.
Quando essa proporção muda, também podem ocorrer alterações nas propriedades físicas do sangue.
Foi justamente essa relação que os cientistas procuraram explorar.
No experimento, os pesquisadores utilizaram 30 microlitros de sangue integral, depositados sobre um papel-filtro previamente tratado com glicerol. O material ajuda a controlar a dispersão da amostra, permitindo a formação de manchas com características que podem variar conforme a composição sanguínea.
As fotografias foram capturadas com um smartphone Samsung Galaxy A54, em condições padronizadas de distância, iluminação e posicionamento da câmera.
Depois, algoritmos de aprendizado de máquina analisaram informações como:
- Diâmetro da mancha: extensão da dispersão do sangue sobre o papel.
- Concentração visual no centro: distribuição da intensidade da pigmentação.
- Bordas da gota: formato e regularidade dos limites da mancha.
- Textura interna: diferenças entre regiões da amostra e padrões de espalhamento.
Essas informações foram comparadas com os resultados laboratoriais de hematócrito utilizados como referência.
Na prática, o sistema procura reconhecer diferenças visuais que não seriam facilmente quantificadas a olho nu, transformando uma fotografia em dados para a classificação automatizada.
Há uma distinção importante: o celular não mede diretamente a quantidade de hemoglobina nem identifica a causa da anemia. A ferramenta experimental classifica padrões de imagem associados a categorias estabelecidas a partir de exames sanguíneos.
Pesquisa analisou quase 7 mil imagens de apenas 67 animais
Um dos aspectos mais relevantes da investigação está na quantidade de informações utilizadas para desenvolver os modelos.
Ao longo das coletas experimentais, foram reunidas 6.877 imagens, distribuídas entre as três espécies:
| Espécie | Animais avaliados | Imagens analisadas | Melhor acerto nas imagens |
|---|---|---|---|
| Ovinos | 15 | 2.236 | 98,8% |
| Caprinos | 36 | 2.424 | 91,8% |
| Bovinos | 16 | 2.217 | 90,5% |
Os percentuais correspondem aos melhores resultados obtidos com modelos de classificação do tipo Support Vector Machine (SVM), nas condições controladas do experimento.
O fato de o conjunto conter milhares de imagens não significa, entretanto, que milhares de animais diferentes tenham sido examinados.
As fotografias vieram de 67 animais acompanhados por coletas repetidas, circunstância que exige cuidado na interpretação dos resultados.
Como a identificação individual dos animais não foi preservada na base final de imagens, não foi possível garantir que as fotografias utilizadas para testar o algoritmo pertencessem exclusivamente a animais diferentes daqueles empregados no treinamento.
Essa limitação pode elevar artificialmente a capacidade aparente de acerto de sistemas de inteligência artificial.
Por isso, a precisão observada deve ser entendida como resultado experimental de classificação de imagens, e não como uma taxa de diagnóstico já comprovada para rebanhos comerciais.
Por que o sistema funcionou melhor em ovinos?
Uma das descobertas mais interessantes foi que o comportamento do sangue não se mostrou igual entre as espécies.
Nos ovinos, as manchas apresentaram padrões mais uniformes, com distribuição relativamente estável da pigmentação central e menor irregularidade nas regiões periféricas. Essas características facilitaram a separação das categorias avaliadas pelos algoritmos.
Nos caprinos, os pesquisadores observaram maior diversidade de texturas, formatos e padrões de dispersão. Isso dificultou a identificação de diferenças consistentes, especialmente nas categorias intermediárias.
Já os bovinos apresentaram comportamento intermediário, com padrões de borda e variações internas que exigiram a análise conjunta de diferentes características visuais.
A conclusão é relevante para a pecuária de precisão: um sistema de inteligência artificial desenvolvido para determinada espécie não deve ser automaticamente considerado confiável para outra.
Mesmo quando se utiliza o mesmo tipo de exame, diferenças fisiológicas entre os animais podem alterar a interpretação dos dados.
O estudo também mostrou que modelos computacionais relativamente leves foram capazes de apresentar desempenho competitivo. Isso é importante porque futuras soluções de campo poderão exigir processamento em dispositivos com recursos limitados, embora essa possibilidade ainda dependa de desenvolvimento e testes adicionais.
Anemia em animais: por que o diagnóstico precoce importa tanto?
Para entender o potencial da descoberta, é necessário olhar para os prejuízos que a anemia pode provocar dentro de uma propriedade.
Em caprinos e ovinos, uma das causas mais preocupantes é a infecção pelo parasita gastrointestinal Haemonchus contortus, conhecido pela capacidade de se alimentar do sangue do hospedeiro.
As infestações intensas podem provocar perda sanguínea, fraqueza, alterações no estado corporal, redução do desempenho e, nos casos mais graves, morte.
O problema assume importância especial em regiões de criação de pequenos ruminantes, incluindo o Semiárido brasileiro, onde os desafios sanitários precisam ser enfrentados com estratégias ajustadas às condições climáticas, à categoria animal e ao manejo das pastagens.
Como já abordado pelo Compre Rural em conteúdos sobre manejo sanitário de caprinos, o controle da verminose exige atenção permanente, especialmente porque tratamentos inadequados podem favorecer a resistência dos parasitas aos medicamentos disponíveis.
Uma ferramenta capaz de identificar sinais de anemia com maior agilidade poderia, caso validada, ajudar profissionais a selecionar animais que necessitam de avaliação complementar.
A possibilidade é particularmente interessante para propriedades distantes de laboratórios veterinários, onde o transporte de amostras e o tempo necessário para obtenção dos resultados podem dificultar o atendimento.
Entretanto, detectar anemia não é o mesmo que diagnosticar verminose. Problemas nutricionais, perdas sanguíneas e outras doenças também podem provocar alterações hematológicas, razão pela qual a investigação da causa continua indispensável.
Na bovinocultura, a tecnologia também desperta interesse
Embora os ovinos tenham apresentado os melhores resultados experimentais, a inclusão de bovinos amplia o interesse da pesquisa.
Na pecuária de corte e de leite, alterações hematológicas podem acompanhar enfermidades de grande importância sanitária e econômica.
Um exemplo é a tristeza parasitária bovina, complexo de doenças que envolve principalmente babesiose e anaplasmose e pode provocar anemia, febre, apatia, perda de apetite, queda no desempenho e, em situações graves, mortalidade.
A importância desse problema para a produção nacional já foi destacada pelo Compre Rural em uma reportagem sobre um caso de tristeza parasitária bovina registrado na Expointer.
Nesse cenário, uma tecnologia portátil de triagem sanguínea poderia se tornar útil para orientar a prioridade dos atendimentos, especialmente quando os animais apresentam sinais inespecíficos de doença.
Mas existe uma limitação clínica decisiva: o reconhecimento de anemia não permite diferenciar babesiose, anaplasmose ou outras causas da alteração sanguínea.
O diagnóstico etiológico, a avaliação clínica e a definição do tratamento permanecem sob responsabilidade do médico-veterinário, com apoio dos exames apropriados.
Portanto, o valor potencial do biossensor está em acrescentar informações ao manejo sanitário, e não em substituir uma investigação clínica completa.
Brasil também pesquisa o uso de celulares para reconhecer anemia em ovinos
O movimento de incorporar inteligência artificial à avaliação sanitária dos rebanhos não está restrito aos Estados Unidos.
No Brasil, a Embrapa Caprinos e Ovinos, em parceria com a Universidade Federal do Ceará (UFC), desenvolve uma linha de pesquisa voltada à identificação de anemia clínica em ovinos por meio de imagens obtidas com smartphones.
A proposta brasileira utiliza uma abordagem diferente da pesquisa norte-americana.
Em vez de analisar uma gota de sangue sobre papel, o sistema captura fotografias da mucosa ocular dos animais, procurando reconhecer alterações de coloração relacionadas à anemia.
Segundo registro científico disponibilizado pela Embrapa em 2026, o projeto já havia reunido informações de 201 ovinos, com resultados comparados a exames laboratoriais de hematócrito.
A investigação busca aprimorar a identificação de animais que podem necessitar de tratamento contra a hemoncose.
O projeto se relaciona ao método FAMACHA, ferramenta utilizada no manejo seletivo de verminoses em pequenos ruminantes.
Esse método avalia a coloração da mucosa ocular para auxiliar na identificação da anemia associada principalmente ao Haemonchus contortus. Sua aplicação adequada exige treinamento e conhecimento das condições sanitárias do rebanho.
As duas linhas de pesquisa mostram caminhos distintos para um desafio semelhante: levar instrumentos de avaliação sanitária mais acessíveis até o local onde os animais são criados.
Uma possibilidade envolve a interpretação de imagens da mucosa ocular, sem coleta de sangue. A outra utiliza uma pequena amostra sanguínea para extrair informações de seus padrões físicos.
Ainda não existem dados que permitam afirmar que uma dessas abordagens seja superior à outra em condições reais de criação.
A tecnologia pode reduzir os custos dos exames veterinários?
A perspectiva de utilizar materiais simples e a câmera de um celular é um dos fatores que tornam a pesquisa atraente.
Em princípio, equipamentos portáteis de triagem poderiam reduzir a necessidade de encaminhar todas as avaliações preliminares para estruturas laboratoriais mais complexas.
Também poderiam facilitar o acompanhamento de animais em propriedades com limitações de infraestrutura.
No entanto, o estudo não demonstrou uma economia financeira específica por exame, nem apresentou uma avaliação comercial que permita calcular quanto custaria utilizar o sistema em uma fazenda brasileira.
Outro aspecto é que a tecnologia ainda exige uma amostra de sangue.
No experimento, o material foi obtido por punção venosa, utilizando procedimentos apropriados de coleta e conservação. O papel empregado também recebeu preparação específica com glicerol, e as fotografias foram realizadas em ambiente controlado.
Portanto, não se trata simplesmente de pingar sangue em qualquer folha e apontar a câmera do celular.
Para chegar ao produtor, o método precisaria de protocolos padronizados, materiais apropriados, validação clínica, avaliação de biossegurança e uma solução operacional capaz de entregar resultados confiáveis.
O benefício econômico dependeria não apenas do preço do dispositivo, mas também da precisão alcançada, do treinamento necessário e da possibilidade real de melhorar decisões sanitárias.
O que ainda falta para a tecnologia chegar às fazendas?
Apesar do avanço, a pesquisa encontra-se na fase de comprovação experimental do conceito.
Entre os desafios estão a necessidade de avaliar um número maior de animais, testar rebanhos de diferentes origens e verificar como o sistema responde às variações de iluminação, temperatura, umidade e condições de coleta.
Também será necessário demonstrar que os resultados se mantêm quando a inteligência artificial recebe imagens de animais completamente desconhecidos, examinados por operadores diferentes.
Outra questão envolve os valores de referência utilizados para classificar a anemia.
As faixas de hematócrito variam entre espécies e conforme as condições clínicas e laboratoriais. Por isso, categorias experimentais utilizadas no treinamento de algoritmos não podem ser automaticamente transformadas em regras universais de diagnóstico veterinário.
Os pesquisadores reconhecem ainda que são necessários estudos comparativos com ferramentas tradicionais, incluindo avaliações laboratoriais e métodos de triagem já empregados na produção animal.
Somente depois dessas etapas será possível determinar a sensibilidade, a especificidade e a utilidade clínica do sistema em condições reais.
O estudo publicado não estabelece um prazo para disponibilização comercial da tecnologia.
O futuro dos exames na pecuária pode estar nas ferramentas mais simples
A pesquisa demonstra como recursos relativamente acessíveis podem ganhar novas aplicações quando associados à análise computacional.
A grande inovação não está apenas em utilizar um celular, mas em transformar características físicas de uma amostra sanguínea em informações que possam auxiliar no acompanhamento da saúde dos animais.
Para o agronegócio brasileiro, a perspectiva é relevante principalmente porque parte expressiva da produção acontece em propriedades distantes de grandes centros de diagnóstico, onde rapidez, simplicidade e confiabilidade são fatores decisivos para a adoção de novas tecnologias.
Os resultados ainda não autorizam substituir exames laboratoriais ou decisões veterinárias por uma fotografia. Entretanto, mostram que existem sinais mensuráveis no comportamento de uma gota de sangue que podem contribuir para o desenvolvimento de instrumentos de triagem.
Se os próximos estudos confirmarem a confiabilidade em campo, tecnologias como essa poderão ampliar o acesso ao monitoramento sanitário e ajudar produtores a agir antes que alterações de saúde comprometam o desempenho dos rebanhos.
Por enquanto, a principal contribuição da descoberta está em abrir uma nova possibilidade científica: utilizar materiais simples, imagens digitais e inteligência artificial para tornar a avaliação da saúde animal potencialmente mais próxima da rotina das fazendas.
Quer ficar por dentro do agronegócio brasileiro e receber as principais notícias do setor em primeira mão? Para isso é só entrar em nosso grupo do WhatsApp (clique aqui) ou Telegram (clique aqui). Você também pode assinar nosso feed pelo Google Notícias.
