Uma nova abordagem para triagem da doença de Chagas, baseada em espectroscopia de infravermelho sérico e algoritmos de aprendizado de máquina, foi avaliada em uma pesquisa realizada por pesquisadores da Fiocruz Bahia. Com potencial para servir como uma alternativa econômica aos ensaios sorológicos convencionais, o trabalho foi publicado no periódico ACS Infectious Diseases e coordenado pelo pesquisador Fred Santos.

O diagnóstico da doença de Chagas crônica é desafiador devido à baixa presença de parasitas na corrente sanguínea e às limitações dos ensaios sorológicos existentes. Nesse sentido, a pesquisa buscou avaliar uma técnica mais rápida, precisa e acessível, unindo a espectroscopia no infravermelho com reflectância total atenuada (ATR) e o aprendizado de máquina.

Foram analisadas 100 amostras de soro, sendo 49 positivas e 51 negativas para Chagas, sob duas condições: na forma seca (amostras secas ao ar) e na forma úmida (análise direta do soro). Os dados espectrais foram processados por diferentes algoritmos de aprendizado de máquina, como Regressão Logística (LR), Análise Discriminante de Mínimos Quadrados Parciais (PLS-DA), Floresta Aleatória (RF) e Reforço de Gradiente Extremo (XGBoost).

Os modelos com melhor desempenho foram a LR para o conjunto de dados secos (acurácia e pontuação F1: 93%) e o XGBoost para o conjunto de dados úmidos (acurácia e pontuação F1: 87%). A área sob a curva ROC (AUC) foi de 0,99 e 0,92 para os conjuntos de dados secos e úmidos, respectivamente. A validação da qualidade por meio de testes de permutação confirmou que o desempenho de classificação observado não foi resultado do acaso. Além disso, o protocolo úmido oferece uma vantagem significativa em termos de velocidade.

Os resultados indicam que a espectroscopia ATR-FTIR combinada ao aprendizado de máquina é uma ferramenta diagnóstica promissora e de baixo custo, capaz de fornecer resultados em menos de cinco minutos, uma vantagem importante em regiões com poucos recursos laboratoriais. Se validada com amostras mais amplas e grupos de controle diversos, essa técnica poderá contribuir para o diagnóstico precoce e o tratamento oportuno da doença de Chagas.

Uma nova abordagem para triagem da doença de Chagas, baseada em espectroscopia de infravermelho sérico e algoritmos de aprendizado de máquina, foi avaliada em uma pesquisa realizada por pesquisadores da Fiocruz Bahia. Com potencial para servir como uma alternativa econômica aos ensaios sorológicos convencionais, o trabalho foi publicado no periódico ACS Infectious Diseases (https://pubs.acs.org/doi/10.1021/acsinfecdis.5c00377 ) e coordenado pelo pesquisador Fred Santos.

O diagnóstico da doença de Chagas crônica é desafiador devido à baixa presença de parasitas na corrente sanguínea e às limitações dos ensaios sorológicos existentes. Nesse sentido, a pesquisa buscou avaliar uma técnica mais rápida, precisa e acessível, unindo a espectroscopia no infravermelho com reflectância total atenuada (ATR) e o aprendizado de máquina.

Foram analisadas 100 amostras de soro, sendo 49 positivas e 51 negativas para Chagas, sob duas condições: na forma seca (amostras secas ao ar) e na forma úmida (análise direta do soro). Os dados espectrais foram processados por diferentes algoritmos de aprendizado de máquina, como Regressão Logística (LR), Análise Discriminante de Mínimos Quadrados Parciais (PLS-DA), Floresta Aleatória (RF) e Reforço de Gradiente Extremo (XGBoost).

Os modelos com melhor desempenho foram a LR para o conjunto de dados secos (acurácia e pontuação F1: 93%) e o XGBoost para o conjunto de dados úmidos (acurácia e pontuação F1: 87%). A área sob a curva ROC (AUC) foi de 0,99 e 0,92 para os conjuntos de dados secos e úmidos, respectivamente. A validação da qualidade por meio de testes de permutação confirmou que o desempenho de classificação observado não foi resultado do acaso. Além disso, o protocolo úmido oferece uma vantagem significativa em termos de velocidade.

Os resultados indicam que a espectroscopia ATR-FTIR combinada ao aprendizado de máquina é uma ferramenta diagnóstica promissora e de baixo custo, capaz de fornecer resultados em menos de cinco minutos, uma vantagem importante em regiões com poucos recursos laboratoriais. Se validada com amostras mais amplas e grupos de controle diversos, essa técnica poderá contribuir para o diagnóstico precoce e o tratamento oportuno da doença de Chagas.

[print-me]