Aprendizado de máquina aplicado à elipsometria espectroscópica para o diagnóstico sorológico de malária
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Machine learning applied to spectroscopic ellipsometry for serological diagnosis of malaria
Primeiro orientador
Membros da banca
Luis Eugenio Fernandez Outon
Raphael Rocha Wenceslau
Eduardo Nery Duarte de Araújo
Raphael Rocha Wenceslau
Eduardo Nery Duarte de Araújo
Resumo
A malária é uma doença grave que afeta principalmente regiões tropicais e menos desenvolvidas do planeta. Pacientes infectados precisam ser diagnosticados e tratados rapidamente para prevenir a progressão da doença para quadros potencialmente fatais. Contudo, diversos entraves técnicos e econômicos dificultam o acesso e a adoção dos métodos diagnósticos atualmente disponíveis. Este estudo apresenta um novo método de diagnóstico da malária que é simples, eficaz, de baixo custo, rápido e que não requer o uso de biomarcadores. Para isso, foi desenvolvido um código baseado em inteligência artificial, capaz de diferenciar indivíduos saudáveis de reativos para malária por meio do processamento de dados de espectroscopia da Matriz de Mueller em amostras de soro sanguíneo. Os modelos desenvolvidos demonstraram desempenhos com valores de AUC acima de 0.9 na classificação entre indivíduos negativos e reativos para malária, além de fornecerem resultados fisicamente consistentes na região do infravermelho próximo. Além disso, os modelos permitem distinguir pacientes provenientes de áreas endêmicas e não endêmicas, oferecendo uma abordagem promissora para diagnósticos em diferentes contextos epidemiológicos.
Abstract
Malaria is a serious disease that primarily affects tropical and less developed regions of the world. Infected patients need to be diagnosed and treated quickly to prevent the progression of the disease to potentially fatal stages. However, various technical and economic barriers hinder access to and adoption of currently available diagnostic methods. This study presents a new malaria diagnostic method that is simple, effective, low-cost, rapid, and does not require the use of biomarkers. To achieve this, an artificial intelligence-based code was developed, capable of differentiating healthy individuals from those reactive to malaria by processing Mueller Matrix spectroscopy data from blood serum samples. The developed models demonstrated performance with AUC values above 0.9 in classifying negative and malaria-reactive individuals, in addition to providing physically consistent results in the near-infrared region. Furthermore, the models can distinguish patients from endemic and non-endemic areas, offering a promising approach for diagnostics in different epidemiological contexts.
Assunto
Matriz de Mueller, Análise espectral, Aprendizado do computador, Malária
Palavras-chave
Matriz de Mueller, Espectroscopia, Aprendizado de máquina, Diagnóstico, Malária