Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/53507
Type: | Artigo de Periódico |
Title: | Rapid diagnosis of COVID-19 using FT-IR ATR spectroscopy and machine learning |
Other Titles: | Diagnóstico rápido de COVID-19 usando espectroscopia FT-IR ATR e aprendizado de máquina |
Authors: | Marcelo Saito Nogueira Leonardo Barbosa Leal Wena Dantas Marcarini Raquel Lemos Pimentel Matheus Muller Paula Frizera Vassallo Luciene Cristina Gastalho Campos Leonardo dos Santos Wilson Barros Luiz José Geraldo Mill Valerio Garrone Barauna Luis Felipe das Chagas e Silva de Carvalho |
Abstract: | Early diagnosis of COVID-19 in suspected patients is essential for contagion control and damage reduction strategies. We investigated the applicability of attenuated total refection (ATR) Fourier transform infrared (FTIR) spectroscopy associated with machine learning in oropharyngeal swab suspension fuid to predict COVID-19 positive samples. The study included samples of 243 patients from two Brazilian States. Samples were transported by using diferent viral transport mediums (liquid 1 or 2). Clinical COVID-19 diagnosis was performed by the RT-PCR. We built a classifcation model based on partial least squares (PLS) associated with cosine k-nearest neighbours (KNN). Our analysis led to 84% and 87% sensitivity, 66% and 64% specifcity, and 76.9% and 78.4% accuracy for samples of liquids 1 and 2, respectively. Based on this proof-of-concept study, we believe this method could ofer a simple, label-free, cost-efective solution for high-throughput screening of suspect patients for COVID-19 in health care centres and emergency departments. |
Abstract: | O diagnóstico precoce de COVID-19 em pacientes suspeitos é essencial para estratégias de controle de contágio e redução de danos. Investigamos a aplicabilidade da espectroscopia de infravermelho por transformada de Fourier atenuada (ATR) associada ao aprendizado de máquina em fluido de suspensão de swab orofaríngeo para prever amostras positivas de COVID-19. O estudo incluiu amostras de 243 pacientes de dois estados brasileiros. As amostras foram transportadas usando diferentes meios de transporte viral (líquido 1 ou 2). O diagnóstico clínico de COVID-19 foi realizado por RT-PCR. Construímos um modelo de classificação baseado em mínimos quadrados parciais (PLS) associados ao cosseno k-vizinhos mais próximos (KNN). Nossa análise levou a 84% e 87% de sensibilidade, 66% e 64% de especificidade e 76,9% e 78,4% de precisão para as amostras dos líquidos 1 e 2, respectivamente. Com base neste estudo de prova de conceito, acreditamos que este método pode oferecer uma solução simples, sem rótulo e econômica para triagem de alto rendimento de pacientes suspeitos para COVID-19 em centros de saúde e departamentos de emergência. |
Subject: | COVID-19 (Doença) Espectroscopia de infravermelho com transformada de Fourier Amostragem (Estatística) Aprendizado do computador |
language: | eng |
metadata.dc.publisher.country: | Brasil |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
metadata.dc.publisher.department: | HCL - HOSPITAL DAS CLINICAS |
Rights: | Acesso Aberto |
metadata.dc.identifier.doi: | https://doi.org/10.1038/s41598-021-93511-2 |
URI: | http://hdl.handle.net/1843/53507 |
Issue Date: | 11-Oct-2021 |
metadata.dc.url.externa: | https://www.nature.com/articles/s41598-021-93511-2 |
metadata.dc.relation.ispartof: | Scientific Reports |
Appears in Collections: | Artigo de Periódico |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Rapid diagnosis of COVID-19 using FT-IR ATR spectroscopy and machine learning.pdf | 1.42 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.