Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/41367
ORCID:  http://orcid.org/0000-0002-3835-6497
Document type: Dissertação
Access type: Acesso Embargado
Embargo Date: 2026-03-04
Title: Desenvolvimento de plataforma biofotônica sustentável, portátil, rápida e não invasiva associada à inteligência artificial para detecção salivar de helicobacter pylori
Alternate title (s): Development of a novel sustainable, portable, fast, and non-invasive platform based on ATR-FTIR technology coupled with machine learning algorithms for Helicobacter pylori detection in human saliva
Author: Silva, Ghabriel Honório da
First Advisor: Silva, Robinson Sabino da
First member of the Committee: Vitorino, Rui Miguel Pinheiro
Second member of the Committee: Caixeta, Douglas Carvalho
Summary: A infecção por Helicobacter pylori (H. pylori) pode aumentar o risco de úlceras pépticas e neoplasias gastrointestinais. A detecção do H. pylori no tecido epitelial gástrico coletado por Endoscopia Digestiva Alta (EDA) é um procedimento invasivo, caro e de execução complexa, o que reduz o acesso de populações isoladas. A detecção de H. pylori pelo teste de ar exalado (Urea Breath Test - UBT) apresenta alto custo e acesso limitado em países de baixo e médio Indice de Desenvolvimento Humano (IDH). Nesse contexto, é fundamental desenvolver novas plataformas alternativas não invasivas para a detecção portátil, rápida e sem reagentes do H. pylori. Nesse trabalho, foi usada a Espectroscopia de Infravermelho por Transformada de Fourier com Reflexão Total Atenuada (ATR-FTIR) acoplada a algoritmos de aprendizado de máquina, para identificar modos vibracionais de infravermelho exclusivos do H. pylori diluído na saliva humana. Para isso, a saliva foi diluída em 4 concentrações diferentes (108 UFC/mL, 107 UFC/mL, 106 UFC/mL e 105 UFC/mL) de H. pylori e aplicadas a espectroscopia ATR-FTIR para realizar uma análise sem reagentes, rápida e sustentável das assinaturas espectrais geradas, para identificar modos vibracionais exclusivos. Os espectros obtidos foram aplicados aos algoritmos de Análise Discriminante Linear (Linear Discriminant Analysis - LDA) e Máquina de Vetor de Suporte (Support Vector Machine - SVM) para realizar a detecção do H. pylori. Os melhores desempenhos de discriminação obtidos a partir das concentrações apresentaram acurácia entre 85% e 94%, especificamente 89% para 108 UFC/mL, 93% para 107 UFC/mL, 94% para 106 UFC/mL e 85% para 105 UFC/mL. Os resultados demonstram que este estudo de prova-de-conceito apresenta significativo potencial para detecção não-invasiva do H. pylori por meio de plataforma biofotônica apoiada por inteligência artificial sem uso de reagentes com amostras de saliva humana obtida por auto-coleta.
Abstract: Helicobacter pylori (H. pylori) infection can increase the risk of peptic ulcers and gastrointestinal neoplasms. H. pylori detection in gastric epithelial tissue collected by esophagogastroduodenoscopy (EGD) is an invasive, expensive, and a complex execution procedure, reducing access for isolated populations. H. pylori detection by Urea Breath Test (UBT) presents high-cost with limited access in low- and middle-income countries. In this context, it is critical to develop novel alternative non-invasive platforms for the portable, fast, and reagent-free detection of H. pylori. Here, we used attenuated total reflectance Fourier-transform infrared spectroscopy (ATR-FTIR) supported by Machine Learning algorithms to identify infrared vibrational modes of H. pylori diluted in human saliva. To perform it, saliva was diluted in 4 different H. pylori concentrations (108 CFU/mL, 107 CFU/mL, 106 CFU/mL, and 105 CFU/mL). Then, diluted saliva was applied to ATR-FTIR spectroscopy to perform a reagent-free, fast, and sustainable analysis of spectral signatures to identify unique vibrational modes. The obtained spectra were applied to Linear Discriminant Analysis (LDA) and Support Vector Machine (SVM) algorithms to perform the H. pylori detection. The best discrimination performances obtained from the concentrations ranged from 85% to 94% of accuracy, reaching 89% for 108 CFU/mL, 93% for 107 CFU/mL, 94% for 106 CFU/mL, and 85% for 105 CFU/mL. The data demonstrate that this proof-of-concept study has significant potential for the non-invasive detection of H. pylori using a biophotonic platform supported by artificial intelligence without the use of reagents with human saliva samples obtained by self-collection.
Keywords: ATR-FTIR
Helicobacter pylori
Infecção gastrointestinal
Teste de triagem
Diagnóstico salivar
Saliva
Testes não-invasivos
Algoritmos de aprendizado de máquina
Area (s) of CNPq: CNPQ::CIENCIAS BIOLOGICAS
Subject: Imunologia
Sistema gastrointestinal - Doenças
Glândulas salivares - Doenças
Algorítmos computacionais
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Imunologia e Parasitologia Aplicadas
Quote: SILVA, Ghabriel Honório da. Desenvolvimento de plataforma biofotônica sustentável, portátil, rápida e não invasiva associada à inteligência artificial para detecção salivar de helicobacter pylori. 2023. 56 f. Dissertação (Mestrado em Imunologia e Parasitologia Aplicadas) - Universidade Federal de Uberlândia, Uberlândia, 2013. DOI http://doi.org/10.14393/ufu.di.2023.368.
Document identifier: http://doi.org/10.14393/ufu.di.2023.368
URI: https://repositorio.ufu.br/handle/123456789/41367
Date of defense: 31-Jul-2023
Sustainable Development Goals SDGs: ODS::ODS 3. Saúde e bem-estar - Assegurar uma vida saudável e promover o bem-estar para todos, em todas as idades.
Appears in Collections:DISSERTAÇÃO - Imunologia e Parasitologia Aplicadas

Files in This Item:
File Description SizeFormat 
DesenvolvimentoPlataformaBiofotônica.pdf
  Until 2026-03-04
Dissertação3.26 MBAdobe PDFView/Open    Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.