Dados do Trabalho

Título

ESPECTROSCOPIA SALIVAR ATR-FTIR ASSOCIADA À INTELIGÊNIA ARTIFICIAL PARA TRIAGEM DE TUBERCULOSE PULMONAR

Introdução

Estima-se que aproximadamente um quarto da população mundial tenha sido infectada pelo bacilo da Tuberculose (TB) e que 5 a 10% desses indivíduos irão apresentar sintomas da doença. Permanece como desafio o desenvolvimento de novas modalidades diagnósticas, capazes de diagnosticar precocemente a doença e romper sua cadeia de transmissão, em consonância com os esforços da Organização Mundial da Saúde para eliminar a doença como problema de saúde global até 2030.

Objetivo (s)

Esse estudo propôs o desenvolvimento de um teste com a matriz salivar para triagem de TB utilizando a tecnologia de espectroscopia de infravermelho com transformada de Fourier associada à reflectância total atenuada (ATR-FTIR) associado a inteligência artificial.

Material e Métodos

Foram coletadas amostras de saliva de pacientes com TB (n=48) e indivíduos controles (n=51). As amostras foram aplicadas em pastilhas (tecnologia protegida por patente própria) que foram secas e utilizadas na leitura do perfil químico pelo ATR-FTIR. Os perfis obtidos foram utilizados na confecção de algoritmos de inteligência artificial. O modelo de algoritmo adotado foi o Support Vector Machine (SVM) o qual utilizou as regiões dos espectros de 1800-900cm-1 e 3050-2800cm-1. No pré-processamento dos dados foi feita a correção da linha de base com a ferramenta Rubber Band, normalização com base fixa do sinal de amida I e método de treinamento por validação cruzada estratificada três vezes. Para analisar o desempenho do algoritmo foram adotados os parâmetros de sensibilidade, especificidade e acurácia.

Resultados e Conclusão

A melhor versão de algoritmo encontrada apresentou uma sensibilidade de 79%, especificidade de 84% e acurácia de 82%. Os resultados sugerem que a matriz salivar e a plataforma ATR-FTIR associada a inteligência artificial podem discriminar a infecção por TB com potencial para ser aplicada como uma ferramenta de detecção não invasiva, sustentável e econômica para esta doença.

Palavras-chave

Diagnóstico, ATR-FTIR, Inteligência Artificial, Tuberculose.

Agradecimentos

Esta pesquisa foi financiada pelo INCT em Teranóstica e Nanobiotecnologia – INCT-TeraNano (CNPq/CAPES/FAPEMIG, CNPq - 403193/2022-2 e FAPEMIG - APQ-03613-17).

Área

Eixo 13 | Tuberculose e Outras Micobactérias