🌿 ecology

COLLEMBOT: AI-Based Counting of Collembola for OECD 232 Tests

O artigo apresenta o COLLEMBOT, uma ferramenta de contagem automatizada baseada em IA que utiliza YOLOv11, a qual reduz significativamente o tempo e o trabalho exigidos pelos testes de toxicidade do solo OECD 232, mantendo uma alta precisão e confiabilidade regulatória em comparação com a contagem manual.

Autores originais: Wehrli, M., Meyer, A. F., Souza da Silva, E., van Loon, S., van Hall, B. G., van Gestel, C. A. M., Natal-da-Luz, T., Doering, M. V. R., Feldhaar, H., Mair, M., Jordan, D., Langer, M.

Publicado 2026-01-20

📖 3 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Wehrli, M., Meyer, A. F., Souza da Silva, E., van Loon, S., van Hall, B. G., van Gestel, C. A. M., Natal-da-Luz, T., Doering, M. V. R., Feldhaar, H., Mair, M., Jordan, D., Langer, M.

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo

Imagine que você é um cientista tentando verificar se um novo produto químico é seguro para o solo. Para fazer isso, você precisa contar milhares de pequenos insetos com uma espécie de mola natural chamados Collembola (especificamente Folsomia candida). Esses insetos são como os "canáriosizes na mina de carvão" para a saúde do solo; se eles sobreviverem a um teste químico, o solo provavelmente estará seguro para outras formas de vida.

Por décadas, os cientistas tiveram que fazer essa contagem manualmente. É como tentar contar cada grão de areia em uma praia usando luvas grossas. Isso leva uma eternidade, é exaustivo e, como os humanos cansam, às vezes cometem erros ou contam de forma diferente da pessoa ao lado. Esse processo lento e propenso a erros significa que não temos dados suficientes para tomar boas decisões sobre a segurança química.

Apresentamos o COLLEMBOT.

Pense no COLLEMBOT como um assistente digital superpoderoso e incansável que atua como um olho de águia altamente treinado. Em vez de um humano espremendo os olhos para olhar uma placa de Petri, esta ferramenta usa um tipo especial de inteligência artificial (chamada rede neural YOLOv11) para "ver" os insetos em fotos.

Veja como funciona em termos simples:

O Treinamento: A IA não apenas adivinhou. Ela foi ensinada observando mais de 3.200 fotos de alta qualidade desses insetos, tiradas em cinco países diferentes (da Holanda à Dinamarca). Ela aprendeu a reconhecer os insetos, quer estivessem em misturas de solo padrão ou em diferentes tipos de terra.
A Prova: Os cientistas testaram este assistente digital contra humanos reais. Os resultados foram como comparar dois gêmeos idênticos: as contagens da IA coincidiram quase perfeitamente com as contagens humanas (com uma pontuação de correspondência entre 88% e 99%). Quando usaram os números da IA para calcular se um produto químico era prejudicial, os resultados foram quase idênticos aos cálculos humanos.
O Impulso de Velocidade: É aqui que a mágica acontece. Imagine uma tarefa que leva uma equipe humana cerca de 137 horas (quase duas semanas completas de trabalho ininterrupto) para terminar. O COLLEMBOT pode fazer exatamente o mesmo trabalho em menos de 3 horas. Isso é uma economia de tempo de 97%. É a diferença entre caminhar por um país e pegar um trem de alta velocidade.

O Resultado Final
O COLLEMBOT não muda as regras do jogo; ele apenas joga o jogo muito mais rápido e de forma mais consistente. Ao automatizar a contagem, ele remove a fadiga e o viés humano, permitindo que os cientistas gerem muito mais dados sobre a segurança do solo. Os criadores até tornaram a "receita" (o código) pública, para que qualquer pessoa possa usá-la para ajudar a proteger nossos ecossistemas.

Nota: Esta ferramenta foi projetada especificamente para contar estes insetos do solo específicos em testes de segurança química. O artigo não afirma que ela possa ser usada para diagnósticos médicos, contagem de outros tipos de animais ou previsão de cenários climáticos futuros.

Resumo Técnico: COLLEMBOT – Contagem de Collembola baseada em IA para Testes OECD 232

Definição do Problema
A avaliação de riscos químicos em ecossistemas terrestres depende fortemente de testes ecotoxicológicos utilizando organismos do solo, especificamente o colêmbolo Folsomia candida sob as diretrizes do teste de reprodução OECD 232 da Organização para a Cooperação e Desenvolvimento Econômico. Atualmente, estes protocolos dependem da contagem manual de juvenis e adultos de Collembola. Esta abordagem tradicional apresenta gargalos significativos: é dispendiosa, exige muita mão de obra e é demorada. Além disso, a contagem manual é suscetível ao viés do operador, o que restringe a disponibilidade de dados e prejudica a robustez das avaliações de risco.

Metodologia
Para abordar estas limitações, os autores desenvolveram o COLLEMBOT, uma ferramenta de contagem automatizada projetada para se integrar perfeitamente aos fluxos de trabalho existentes da OECD sem exigir modificações no protocolo padrão. O núcleo do sistema é uma rede neural convolucional YOLOv11.

Dados de Treino: O modelo foi treinado com um conjunto de dados de 3.207 imagens de alta resolução.
Validação: O sistema foi rigorosamente validado utilizando 22 conjuntos de dados independentes compostos por 1.704 imagens. Estes conjuntos de dados foram provenientes de cinco laboratórios distintos na Europa: Amesterdão (Países Baixos), Basileia (Suíça), Bayreuth (Alemanha), Coimbra (Portugal) e Aarhus (Dinamarca).
Condições Experimentais: A validação abrangeu solos padrão relevantes, incluindo solos artificiais OECD com concentrações variáveis de turfa de sphagnum (2,5%, 5% e 10%) e solo LUFA 2.2, focando-se na deteção de Folsomia candida.

Principais Resultados
O desempenho do COLLEMBOT foi avaliado face às contagens manuais através de diversas métricas:

Precisão de Contagem: As contagens automatizadas demonstraram uma forte concordância com as contagens manuais, atingindo valores de coeficiente de determinação ( $R^2$ ) entre 0,88 e 0,99.
Relevância Toxicológica: As curvas dose-resposta derivadas das contagens automatizadas sobrepõem-se fortemente às das contagens manuais. As concentrações de efeito (valores EC) mostraram um desvio mínimo, com uma diferença percentual mediana ( $\% \Delta$ ) de 6,2 ± 23. A correlação para os valores de EC10 a EC90 resultou num $R^2 \geq 0,977$ . Estes resultados indicam que o método automatizado permanece dentro dos limites aceitáveis para a avaliação de risco regulatória.
Ganhos de Eficiência: A melhoria operacional mais significativa foi no tempo de processamento. Um teste envolvendo aproximadamente 300 imagens e até 1.500 indivíduos por imagem foi processado em menos de 3 horas. Em contraste, a contagem manual para o mesmo volume exigiu aproximadamente 137 horas, representando uma redução de 97% no tempo de mão de obra.

Significado e Alegações
O artigo posiciona o COLLEMBOT como uma ferramenta crítica para a modernização dos testes ecotoxicológicos. Ao reduzir significativamente os requisitos de mão de obra e melhorar a reprodutibilidade, o sistema permite a geração de dados de perigo mais amplos para Collembola. Os autores afirmam que este avanço apoia diretamente avaliações de risco químico mais robustas e baseadas na ciência.

Para facilitar a adoção e promover o desenvolvimento impulsionado pela comunidade, os autores disponibilizaram o código e o fluxo de trabalho publicamente. O estudo conclui que o COLLEMBOT supera com sucesso as limitações da contagem manual, mantendo a integridade necessária para a conformidade regulatória.

Mais como este