MozBioMed.AI

Sobre Nós

Conheça a MozBioMed.AI e nossa missão de transformar a saúde em África

Quem Somos

A MozBioMed.AI é uma empresa moçambicana pioneira na aplicação de inteligência artificial (IA) na área da saúde. Desenvolvemos soluções inovadoras para acelerar pesquisas biomédicas, melhorar diagnósticos, e promover o acesso à saúde de qualidade com o uso de tecnologia de ponta.

Nossa História

Fundada em 2023 por um grupo de jovens moçambicanos apaixonados por ciência, saúde e tecnologia, a MozBioMed.AI surgiu da necessidade de integrar a revolução digital às necessidades locais da população africana.

Missão

Utilizar a inteligência artificial como ferramenta para transformar a saúde em África, promovendo soluções acessíveis, eficazes e baseadas em evidências.

Visão

Ser referência continental em inovação tecnológica na área da saúde até 2030.

Valores

Inovação com propósito
Ética e responsabilidade científica
Inclusão e diversidade
Ciência aberta e colaborativa

Nossa Equipe

Profissionais dedicados combinando conhecimento local com expertise global

Dra. Amina Moiane

Diretora Científica
PhD em Bioinformática

Dr. Carlos Macuácua

Chefe de Pesquisa
Especialista em IA

Dra. Sofia Nhampossa

Diretora Médica
Infectologista

Eng. José Manhiça

CTO
Engenheiro de Software

Áreas de Atuação

Nossas especialidades e competências técnicas

Drug Discovery com IA e QSAR

Aplicamos modelos de aprendizado de máquina, como Random Forest, SVM e redes neurais, em bases de dados de compostos bioativos (DrugBank, ChEMBL, etc.) para prever atividades farmacológicas, otimizar propriedades ADME-Tox, e acelerar a descoberta de novos fármacos — especialmente contra doenças negligenciadas.

Diagnóstico Assistido por IA

Desenvolvemos sistemas inteligentes capazes de prever doenças com base em sintomas, exames laboratoriais e imagens médicas. Utilizamos algoritmos de deep learning para análise de raio-X, ECGs, e outros sinais clínicos.

Bioinformática e Análise de Dados

Tratamento e análise de grandes volumes de dados genômicos, transcriptômicos e moleculares para entender mecanismos de doenças e potenciais alvos terapêuticos.

Aplicativos para Saúde Digital

Criamos apps móveis e web para auxiliar estudantes e profissionais da saúde, com funcionalidades como cálculo de doses e interações medicamentosas, acesso à literatura científica, suporte à decisão clínica e treinamentos com IA generativa.

Modelagem Molecular e QSAR

Construção de modelos 2D/3D-QSAR, docking molecular e simulações para prever a eficácia e segurança de novos compostos.

Sistemas de Apoio à Decisão

Desenvolvimento de plataformas inteligentes para auxiliar profissionais de saúde na tomada de decisões clínicas baseadas em evidências e dados locais.

Nossos Projetos

Soluções inovadoras com impacto real na saúde moçambicana

Predição de Inibidores de Plasmepsina II

Objetivo: Encontrar candidatos promissores contra a malária

Ferramentas: Python, RDKit, Scikit-learn, AutoDock Vina

Status: Em fase de modelagem e validação cruzada

Impacto: Potencial para acelerar descoberta de novos antimaláricos em até 40%

MozAI Health Assistant

Objetivo: App que oferece assistência clínica automatizada para farmacêuticos

Funcionalidades: Predição de interações medicamentosas, monitoramento de adesão ao tratamento e sugestões terapêuticas

Status: Em fase de testes em 5 farmácias de Maputo

Diagnóstico Precoce de Tuberculose

Objetivo: Análise de dados de clínicas locais e modelagem preditiva com algoritmos de IA

Resultados preliminares: 85% de precisão na identificação de casos de risco

Parceiros: INS e Ministério da Saúde

Classificador de Fármacos

Objetivo: Classifica medicamentos com base em imagem da cápsula/comprimido

Dataset: Próprio, construído com colaboração de farmácias locais

Aplicação: Auxílio no controle de estoque e identificação de medicamentos

Impacto dos Nossos Projetos

Projetos de pesquisa em andamento

Parcerias com universidades e centros de pesquisa

100%

Foco na realidade africana

Publicações e Recursos

Nossa produção científica e ferramentas disponíveis

Artigos Científicos

Machine Learning Approaches for Predicting Anti-Malarial Compounds

Journal of African Health Sciences, 2024

Análise comparativa de algoritmos para predição de atividade antiplasmódica.

PDF DOI

Deep Learning for TB Diagnosis in Low-Resource Settings

African Journal of Biomedical Research, 2023

Modelo de CNN para análise de radiografias torácicas em populações moçambicanas.