A inovação inclui modelos de inteligência artificial. Foto: Divulgação
Pesquisadores da USP estão finalizando um projeto inovador que pode minimizar perdas na produção de etanol causadas por contaminação microbiana. A iniciativa, liderada pelo professor Carlos Alberto Labate (Esalq-Usp) dentro do programa Nature Based Solutions (Nbs) do Rcgi, combina espectrometria de massas e inteligência artificial para identificar contaminantes com maior rapidez e precisão.
De acordo com Labate, “em ambientes hospitalares, o Maldi-Tof identifica rapidamente o microrganismo responsável pela infecção do paciente, permitindo que a equipe médica aja de forma rápida e eficaz. Estamos expandindo este conceito para a indústria, desenvolvendo métodos que permitam ao Maldi-Tof identificar microrganismos presentes em ambientes industriais com rapidez a precisão similares”.
O projeto, financiado pela Shell Brasil via cláusula de P,D&I da Anp, utiliza a técnica Maldi-Tof, amplamente empregada na área da saúde para diagnóstico microbiológico. A adaptação desse método permitirá que usinas de etanol detectem bactérias contaminantes com mais eficiência, reduzindo o tempo de resposta e otimizando o uso de antimicrobianos.
Além da identificação rápida, a inovação inclui modelos de inteligência artificial capazes de analisar múltiplos microrganismos em uma única amostra, reduzindo custos e complexidade do processo. No futuro, espera-se que a Ia também sugira medidas corretivas, tornando o controle da fermentação mais automatizado e eficiente.
A tecnologia desenvolvida pelo Rcgi poderá ser aplicada a outros setores, como indústrias de alimentos e bebidas, que também enfrentam desafios com contaminação microbiana. O projeto, que conta com apoio da Shell Brasil e Raízen, tem conclusão prevista para maio de 2025.
