Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial

• Autor(a) principal: Bellorin Nuñez, Daniela Sarai
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFU
• Texto Completo: https://repositorio.ufu.br/handle/123456789/34309; http://doi.org/10.14393/ufu.di.2022.5306
• topic: CNPQ::CIENCIAS DA SAUDE::MEDICINA::CLINICA MEDICA::CANCEROLOGIA; Câncer oral; Oral cancer; carcinoma espinocelular; saliva; diagnostico; ATR-FTIR; biomarcador; squamous cell carcinoma; diagnosis; biomarker; Ciências Médicas; Oncologia; Carcinoma de células escamosas

Introdução: Os métodos diagnósticos para diversos tipos de câncer na atualidade continuam sendo os mesmos usados nos últimos anos, altamente invasivos e desconfortável para os pacientes. Uma série de inovadoras plataformas de diagnóstico salivar com menor produção de resíduos, menor custo, não-invasiva e sem utilização de reagentes tem potencial aplicação para doenças orais e sistêmicas. Objetivo: Neste estudo investigou-se a utilização da espectroscopia de reflexão total atenuada no infravermelho com transformada de Fourier (ATR-FTIR) acoplada a algoritmos da inteligência artificial em amostras de saliva de pacientes com câncer oral de células escamosas como método diagnostico. Materiais e métodos: O estudo incluiu 39 pacientes OCSS e 27 controles previamente saudáveis sem antecedentes de nenhum tipo de câncer, a saliva foi coletada diretamente da cavidade oral dos participantes, com coletores de polipropileno após higiene intraoral, sequentemente foram armazenadas e congeladas. O processamento em ATR-FTIR do perfil espectral infravermelho da saliva foi avaliado quanto à capacidade diagnóstica pela curva ROC. Resultados: As áreas da banda lipídica de 2894-2834 cm -1 e 2948-2896 cm-1 foram maiores na saliva de pacientes com OCSS em comparação com os controles. O desempenho diagnóstico desses marcadores potenciais foi avaliado posteriormente para a detecção de OCSS. A área sob a curva (AUC) de ambas as regiões 2894-2834 cm-1 e 2948-2896 cm-1 foi significativa, indicando esses parâmetros como potenciais biomarcadores para discriminar pacientes OCSS e não OCSS. Além disto, os algorítmos Random Forest e Support Vector Machine foram capazes de discriminar pacientes OSCC patients de sujeitos controles com moderada acurácia. Conclusão: O presente estudo indicou que algoritmos de inteligência artificial e os modos vibracionais lipídicos 2894-2834 cm-1 e 2948-2896 cm-1 da saliva podem ser usados para discriminar pacientes OCSS de pacientes controles usando plataformas biofotônicas em ambientes médicos e odontológicos.