Candidemia nosocomial : diagnóstico com proteômica aplicada na identificação e resistência das leveduras e uso da inteligência artificial

• Autor(a) principal: CASTRO, Maria da Conceição Alexandre
• Data de Publicação: 2021
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/0013000006rnw
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/42765
• topic: Candidemia; Unidades de Terapia Intensiva; Resistência Antifúngica; Rio Grande do Norte; Nariz Eletrônico

O controle e diagnóstico das infecções por Candida ainda é um desafio clínico mundial. A candidemia apresenta índices de mortalidade hospitalar cada vez mais crescente, com distribuição de espécies de Candida não-albicans apresentando perfil de suscetibilidade antifúngica diferenciadas, afetando principalmente pacientes em UTI. O objetivo desse estudo foi identificar e caracterizar a epidemiologia das candidemias nosocomiais, determinar a sensibilidade antifúngica dos isolados e propor a metodologia proteômica MALDI-TOF e de inteligência artificial para identificação rápida das espécies de Candida. Trata-se de um estudo transversal analítico descritivo, realizado no período de 2018 a 2020, com 50 pacientes internados em UTIs de três hospitais terciários, na cidade de Natal no Estado do Rio Grande do Norte. Além disso, foram obtidas leveduras de C. krusei e C. parapsilosis sensu stricto pertencentes à Coleção de Culturas Micoteca URM da Universidade Federal de Pernambuco. A identificação das espécies de Candida nas 50 amostras dos pacientes foi realizada através das técnicas de MALDI-TOF e PCR, onde foram identificadas principalmente as espécies Candida albicans (48%), C. tropicalis (32%) e C. pelliculosa (6%). Os principais fatores de risco para candidemia, entre os pacientes dos três hospitais, foi o uso de sondagem vesical (94%), nutrição parenteral (84%), cateter venoso central (48%), corticoterapia (44%) e imunossupressão (44%). Quando comparados os casos de candidemia nos diferentes hospitais e a apresentação das espécies de Candida, não houve diferença significativa na distribuição dos óbitos. O percentual de mortes foi de 16,67% no Hospital B e 25% no Hospital C. Entretanto, não obtivemos dados de óbito para os pacientes do Hospital A. Os isolados foram submetidos a testes de susceptibilidade antifúngica, observando-se o fenômeno de resistência por C. albicans a anidulafungina, micafungina, voriconazol e anfotericina B, bem como de C. tropicalis a estes dois últimos antifúngicos. C. pelliculosa também foi resistente ao voriconazol. Enquanto que C. parapsilosis e C. krusei apresentaram resistência à anidulafungina. A tecnologia do nariz eletrônico associada à inteligência artificial foi utilizada para identificar amostras de C. albicans (10), C. krusei (10) e C. parapsilosis sensu stricto (10). Como não foram encontrados estudos que realizam a identificação das espécies de Candida utilizando essa metodologia, construímos três bases de dados a partir das ATCC de C. albicans, C. krusei e C. parapsilosis sensu stricto. Métodos de inteligência artificial foram avaliados e os testes estatísticos foram aplicados para validação dos resultados. Nas três bases de teste utilizadas conseguimos resultados de acurácias consideravelmente altas, todas acima de 90%. A distribuição de espécies e susceptibilidade antifúngica de isolados de Candida provenientes de casos de candidemia trazem novas perspectivas ao entendimento desse grave panorama. Assim, fornece informações úteis sobre a epidemiologia, fatores de risco e padrão de susceptibilidade úteis para a seleção de agentes antifúngicos empíricos para pacientes com candidemia.