Há mais de setenta anos que a análise hematológica tem vindo a evoluir graças a sucessivos avanços tecnológicos. Desde a contagem automatizada de células até à citometria de fluxo multiparamétrica e à morfologia digital, cada geração de inovações tem alargado a forma como os laboratórios observam e compreendem o sangue.

No entanto, uma das dimensões mais ricas em informação da hematologia tem-se mantido difícil de ampliar: a morfologia celular. Durante décadas, a identificação de células anormais tem dependido do olhar treinado de especialistas experientes. A análise microscópica oferece uma visão diagnóstica aprofundada, mas é intrinsecamente difícil de padronizar e alargar aos sistemas de saúde modernos.

Atualmente, o panorama dos cuidados de saúde está a mudar. O diagnóstico já não se limita aos laboratórios centralizados. Em hospitais, clínicas e redes de cuidados de saúde distribuídas, os exames de diagnóstico estão a tornar-se uma infraestrutura clínica de elevada frequência que apoia as decisões médicas do dia a dia. Neste contexto, os sistemas de diagnóstico têm de funcionar de forma fiável em diferentes contextos clínicos, com vários níveis de experiência dos operadores e com cargas de trabalho reais.

A precisão, por si só, já não é suficiente. As tecnologias de diagnóstico têm também de garantir consistência, estabilidade operacional e escalabilidade em todas as redes de cuidados de saúde. Esta mudança está a redefinir o que a tecnologia de diagnóstico deve vir a ser. Ao mesmo tempo, tem vindo a ocorrer outra transformação: a evolução da inteligência artificial.

Desenvolvido a par da evolução da inteligência artificial

Ozelle foi fundada em 2014 num laboratório do Vale do Silício, durante a primeira vaga do deep learning. Desde o início, a Ozelle centrou-se na aplicação da inteligência artificial a um dos desafios mais complexos do diagnóstico laboratorial: a análise da morfologia celular.

Entre 2014 e 2019, Ozelle foi pioneiro na integração da aprendizagem profunda com a imagiologia celular de alta resolução, alcançando avanços iniciais no reconhecimento morfológico automatizado. Este esforço reuniu uma equipa interdisciplinar que abrangeu a biologia estrutural, a ciência da imagiologia e a visão computacional. Entre os principais colaboradores destacaram-se John Wu, PhD, cuja especialização em biologia estrutural computacional ajudou a traduzir estruturas biológicas complexas e padrões celulares em representações interpretáveis por máquinas, e G. Cong, PhD, inventor de várias patentes norte-americanas na área da análise de imagens celulares, cujo trabalho contribuiu para o avanço dos fundamentos algorítmicos da classificação celular automatizada.

À medida que a inteligência artificial evoluiu para a era dos modelos de base e da aprendizagem por transferência, a Ozelle alargou a sua investigação para além do desenvolvimento de algoritmos, rumo a aplicações de diagnóstico no mundo real. A partir de 2020, sob a liderança técnica de Jie Du — cujo trabalho faz a ponte entre hardware inteligente, visão computacional e sistemas de sensores —, a equipa desenvolveu o AI × Complete Blood Morphology (IA × CBM), um quadro concebido para padronizar a análise morfológica entre instrumentos, ambientes e utilizadores clínicos. Esta abordagem permite uma interpretação morfológica consistente e de alta precisão, validada em contextos clínicos reais.

Ao longo da última década, a Ozelle cresceu a par das sucessivas ondas de desenvolvimento da inteligência artificial, transformando os avanços na perceção computacional em capacidades de diagnóstico práticas. Atualmente, a Ozelle opera a nível global, com instalações em Frankfurt, na Alemanha, combinando técnicas avançadas de imagiologia, inteligência computacional e engenharia de sistemas de diagnóstico. Os sistemas da Ozelle estão agora implementados em todo o mundo, tanto em médico e veterinária mercados.

Transformar a morfologia em inteligência escalável

Os diagnósticos hematológicos tradicionais fornecem parâmetros numéricos altamente fiáveis, mas a interpretação morfológica tem continuado, em grande medida, a depender da experiência manual. A Ozelle dá resposta a este desafio através da IA × CBM. A CBM garante que a morfologia celular é captada com uma qualidade de imagem consistente em todas as amostras e instrumentos. A IA analisa, então, estas características morfológicas para produzir interpretações padronizadas dos padrões celulares.

Em conjunto, a IA e a CBM transformam a análise morfológica de uma competência individual de especialistas numa capacidade de diagnóstico consistente que pode ser aplicada em laboratórios, clínicas e redes de cuidados de saúde. Esta transformação marca o início da quarta geração de análises hematológicas.

Diagnóstico concebido como um sistema

Os ambientes clínicos reais raramente se assemelham às condições controladas de laboratório. As cargas de trabalho variam, os operadores têm níveis de experiência diferentes e nem sempre é possível contar imediatamente com a opinião de um especialista. Por esta razão, a Ozelle encara os diagnósticos não como instrumentos isolados, mas como sistemas integrados concebidos para os ambientes clínicos do dia a dia.

Na base estão analisadores concebidos para um funcionamento estável em ambientes de cuidados de saúde distribuídos. Para além do desempenho analítico, os sistemas foram concebidos para garantir a consistência das medições a longo prazo, uma manutenção mínima e uma menor dependência do operador.

É sobre esta base que se assenta o AI × CBM, que converte a morfologia celular em informação estruturada e interpretável por máquinas. Ao combinar imagens padronizadas com uma interpretação baseada em IA, é possível obter informações sobre a morfologia de forma consistente entre diferentes instrumentos e centros clínicos.

A apoiar o fluxo de trabalho está o AI Workbench, uma plataforma integrada que organiza os dados de diagnóstico, destaca achados celulares anormais e apresenta evidências morfológicas claras aos médicos e aos profissionais de laboratório. À medida que os exames de diagnóstico se expandem para além dos laboratórios especializados, os médicos têm de interpretar volumes crescentes de dados de diagnóstico, enquanto o acesso a especialistas em morfologia continua a ser limitado. Padrões celulares raros ou atípicos podem surgir apenas ocasionalmente na prática de rotina, dificultando o seu reconhecimento consistente em diferentes contextos clínicos.

O AI Workbench responde a este desafio ao integrar a análise inteligente diretamente no fluxo de trabalho de diagnóstico. Em vez de substituir a experiência clínica, o sistema ajuda a identificar padrões atípicos, a reduzir o risco de resultados serem ignorados e a promover uma avaliação diagnóstica mais consistente. Através desta arquitetura, os exames de diagnóstico evoluem de medições isoladas para uma inteligência clínica estruturada, integrada nos fluxos de trabalho de rotina.

Concebido para a prática clínica quotidiana

Os sistemas Ozelle foram concebidos para se integrarem perfeitamente em ambientes clínicos de rotina. Através de um design de sistema que facilita a manutenção, da elaboração de relatórios assistida por IA e da integração inteligente de dados, os profissionais de saúde podem obter tempos de resposta diagnósticos mais rápidos, uma interpretação mais clara de dados biológicos complexos e resultados mais consistentes entre utilizadores e locais.

O objetivo é simples: integrar inteligência diagnóstica avançada na prática clínica quotidiana — sem aumentar a complexidade operacional.

O Futuro do Diagnóstico

A missão da Ozelle é simples, mas ambiciosa: garantir que os diagnósticos inteligentes funcionem de forma fiável no mundo real. Ao transformar fluxos de trabalho laboratoriais complexos em sistemas integrados baseados em IA, assentes na combinação de IA × CBM, a Ozelle permite que a análise hematológica ao nível dos especialistas se torne acessível, escalável e fiável em ambientes clínicos do dia a dia em todo o mundo.