Publicação: Aplicação da espectroscopia ATR-FTIR combinada a algoritmos de aprendizado de máquina para identificação da doença renal crônica em amostras de saliva
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::CIENCIAS DA SAUDE
Título da Revista
ISSN da Revista
Título de Volume
Autores
Coorientador
Resumo
Introdução: A Doença Renal Crônica (DRC) é uma condição progressiva que apresenta sintomas inespecíficos nos estágios iniciais, dificultando sua identificação. Isso evidencia a necessidade de métodos diagnósticos não invasivos, acessíveis e eficazes para detecção da DRC. : Este estudo teve como objetivo investigar o potencial da espectroscopia de infravermelho por reflexão total atenuada-transformação de Fourier (ATR-FTIR) da saliva, combinada com algoritmos de aprendizado de máquina, para discriminar pacientes com DRC de indivíduos saudáveis. Materiais e Métodos: As amostras foram coletadas na Unidade de Hemodiálise do Hospital das Clínicas da UFU. Os participantes seguiram restrições prévias quanto à alimentação, bebida, fumo e uso de produtos bucais. A saliva total não estimulada foi coletada em tubos estéreis sob condições padronizadas, conforme protocolos internacionais para estudos de biomarcadores salivares. Os espectros foram adquiridos por ATR-FTIR e submetidos a pré-processamento espectral. Para a análise estatística e preditiva, foram utilizados algoritmos de aprendizado de máquina, incluindo Análise de Componentes Principais (ACP), Máquina de Vetores de Suporte (SVM), Floresta Aleatória, AdaBoost e Redes Neurais. Resultados: Foram incluídos 29 pacientes com DRC, diagnosticados segundo critérios da NKF, e 24 controles saudáveis, pareados por idade e sexo, sem histórico de doenças renais, sistêmicas ou orais. O estudo identificou dez biomarcadores espectrais salivares associados à DRC, principalmente relacionados a proteínas, carboidratos, lipídios e ácidos nucleicos. Um dos marcadores proteicos destacou-se na região amida III, envolvendo vibrações das ligações N–H e C–N. A classificação dos espectros alcançou 98% de acurácia, 100% de sensibilidade e 96% de especificidade. Conclusão: Este estudo demonstrou o potencial da espectroscopia ATR-FTIR aplicada a amostras de saliva, combinada com algoritmos de aprendizado de máquina, como uma abordagem promissora para a identificação. não invasivo da DRC. Palavras-chave: Doença renal crônica, Espectroscopia de Infravermelho com Transformada de Fourier, Saliva
Abstract
Introduction: Chronic Kidney Disease (CKD) is a progressive condition that presents nonspecific symptoms in its early stages, making diagnosis difficult. This highlights the need for noninvasive, accessible, and effective diagnostic methods for CKD detection. Objectives: This study aimed to investigate the potential of attenuated total reflection- Fourier transform infrared (ATR-FTIR) spectroscopy of saliva, combined with machine learning algorithms, to discriminate patients with CKD from healthy individuals. Materials and Methods: Samples were collected at the Hemodialysis Unit of the Hospital das Clínicas at UFU. Participants followed prior restrictions on eating, drinking, smoking, and the use of oral products. Unstimulated whole saliva was collected in sterile tubes under standardized conditions, in accordance with international protocols for salivary biomarker studies. Spectra were acquired by ATR- FTIR and subjected to spectral preprocessing. Machine learning algorithms, including Principal Component Analysis (PCA), Support Vector Machine (SVM), Random Forest, AdaBoost, and Neural Networks, were used for statistical and predictive analysis. Results: Twenty-nine patients with CKD diagnosed according to the NKF criteria and 24 healthy controls, matched for age and sex, with no history of renal, systemic, or oral diseases, were included. The study identified ten salivary spectral biomarkers associated with CKD, mainly related to proteins, carbohydrates, lipids, and nucleic acids. One of the protein markers stood out in the amide III region, involving vibrations of the N–H and C–N bonds. Spectral classification achieved 98% accuracy, 100% sensitivity, and 96% specificity. Conclusion: This study demonstrated the potential of ATR-FTIR spectroscopy applied to saliva samples, combined with machine learning algorithms, as a promising approach for the non-invasive diagnosis of Chronic Kidney Disease (CKD). Keywords: Chronic kidney disease, Spectroscopy, Fourier Transform Infrared, Saliva
Palavras-chave
Doença renal crônica, Espectroscopia de Infravermelho com Transformada de Fourier, Saliva, Chronic kidney disease, Spectroscopy, Fourier Transform Infrared, Saliva
Citação
MARQUEZ, Claudia Oliveira. Aplicação da espectroscopia ATR_FTIR combinada a algoritmos de aprendizado de máquina para identificação da doença renal crônica em amostras de saliva. 2025, 48 f. Dissertação (Mestrado em Ciências da Saúde) - Universidade Federal de Uberlândia, 2025. DOI http://doi.org/10.14393/ufu.di.2025.5232.