A carregar...
Publicação
Evaluation of spectroscopic-based methodologies for early detection of urinary tract infection
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 44.67 MB | Adobe PDF |
Orientador(es)
Resumo(s)
Despite all the remarkable advances in healthcare, healthcare-associated infections (HCAI) are
still a critical public health problem, with 30 to 40% of infections related to the urinary tract system.
These urinary tract infections (UTIs) are considered one of the most common bacterial infections
in hospital settings and everyday community context, where about 80% are highly correlated with
urinary catheter insertion - Catheter-associated urinary tract infection (CAUTI). Considering that 15
to 25% of hospitalised patients need to be catheterised during their treatments and most CAUTIs are
asymptomatic, it results in a tremendous challenge to early diagnosis CAUTI, therefore, to initiate its
treatment. The present work aimed at exploring the potential of absorption and fluorescence spectroscopic methodologies to detect UTIs. The urine samples were used without any previous treatment to
target the most straightforward testing protocol possible. The emission spectrum with excitation fixed at
280 nm, when combined with the transmittance value at 600 nm, was found to be a valid and powerful
methodology to distinguish healthy from unhealthy (with UTI) samples. In addition, it was developed an
interactive application based on machine learning algorithms capable of evaluating the data to identify,
autonomously, if the sample is healthy or not. Multiple classifiers were optimised and trained with a
previously selected ideal subset of features to achieve this goal. The best classifier performance was the
K-Nearest Neighbour (KNN) with a confusion matrix accuracy and area under curve (AUC) value of
0.902 and 0.750, respectively, indicating a good capability of discriminating the two defined groups of
samples. In conclusion, the results presented in this work indicate the potential of urine’s fluorescence
and transmittance spectra to be developed as a simple and rapid diagnostic tool. However, further
exploration must be given to improve the studied methodology and the ML classifier accuracy from the
input data.
Apesar de todos os avanços notáveis na área da saúde realizados ao longo dos anos, as infeções associadas aos cuidados de saúde (IACS) continuam a ser um problema de saúde pública bastante crítico. Cerca de 30 a 40% das IACS correspondem a infeções do trato urinário (ITU), que, por sua vez, são as infeções bacterianas que ocorrem com mais frequência tanto em contexto hospitalar como quotidiano. Destas ITU, aproximadamente 80% estão fortemente relacionadas ao processo de algaliação de pacientes hospitalizados. A algaliação é um procedimento médico comum que consiste na inserção de um cateter no interior da bexiga, utilizado em cerca de 15 a 20% das hospitalizações. O elevado número de infeções do trato urinário associadas ao cateter vesical (ITUaCV), deve-se, na sua maioria, ao seu caráter assintomático, acabando desta forma por se desenvolverem silenciosamente sem que o paciente apresente qualquer tipo de sintoma. Efeito este, mais notório e impactante, quando se tratam de algaliações por curtos períodos de tempo. Este tipo de infeções, ITUaCV, desenvolvem-se comumente no trato urinário inferior, nomeadamente a nível da bexiga e uretra. Contudo, a sua forte componente assintomática e consequentes diagnóstico e tratamento tardios, permitem a progressão da infeção podendo vir a atingir órgãos de maior risco, como por exemplo os rins. De facto, considerando que a taxa de mortalidade associada à ITUaCV situa-se entre os 10% e 13%, é possível afirmar que existe um risco considerável no agravamento silencioso do estado de saúde do paciente. Tendo em conta que existe de facto um problema no diagnóstico e tratamento atempado de ITUaCV, a presente dissertação teve como principal objetivo explorar uma metodologia rápida e eficaz de monitorização da urina, que possa ser implementada futuramente como ferramenta preventiva de ITUaCV no equipamento médico, Ar-ur-Ine, conceptualizado também neste trabalho. Para tal, este projeto foi conduzido por três fases distintas: uma primeira em que se pretendeu compreender a prática clínica atual em diferentes instituições Portuguesas, uma segunda fase em que se avaliaram diferentes metodologias para análise de amostras de urina, tendo sido desenvolvido um processo para identificação de amostras saudáveis e não saudáveis através de espetrocopia de fluorescência e de absorção; e, por fim, uma fase de desenvolvimento de uma aplicação interativa com base em algoritmos de aprendizagem automática. Na primeira fase deste trabalho foi realizado um questionário destinado apenas aos profissionais de saúde que visou compreender as suas rotinas com pacientes algaliados e quais os métodos de monitorização da urina que são utilizados para um posterior diagnóstico de ITU. Os resultados adquiridos mostram que tanto os métodos utilizados para monitorizar estes pacientes, como a frequência com que são efetuados está altamente dependente do profissional de saúde, não existindo nenhum protocolo estabelecido ou prática clínica definida para tal. Dos trinta profissionais de saúde que participaram neste questionário, todos consideraram que uma solução médica para monitorizar a urina seria útil, especialmente em pacientes algaliados. Na segunda fase deste trabalho, explorou-se a possibilidade de usufruir de metodologias espetroscópicas de fluorescência e de absorção para a identificação de parâmetros que pudessem auxiliar na distinção de amostras de urina saudáveis e não saudáveis (com ITU). A rápida distinção de amostras é um objetivo para combater o diagnóstico e tratamento tardio que ocorre nos dias de hoje, por esta razão, neste trabalho foram apenas utilizadas amostras de urina sem qualquer tipo de processamento prévio à análise, de modo a seguir o protocolo mais simples e rápido possível. Respetivamente às metodologias exploradas, na espetroscopia de fluorescência foi possível explorar a dispersão do sinal da amostra e espetros de emissão, excitação e síncronos. No que diz respeito à espectroscopia de absorção, foram explorados espetros de absorção e de transmitância. A primeira análise espetral teve como principal objetivo comparar os espetros dos dois grupos de amostras biológicas para encontrar diferenças visíveis entre os mesmos. De todos os métodos explorados, apenas os espetros de emissão (com o comprimento de excitação fixo aos 280 nm) e de transmitância demonstraram ser métricas relevantes para distinguir amostras saudáveis das de com infeção. Destes espetros foram retirados cinco parâmetros principais: V- valor da intensidade de fluorescência aos 305 nm; M – intensidade de fluorescência no pico máximo; R – razão entre V e M; T – valor da transmitância aos 600 nm; S – valor do sinal de dispersão de luz, com os valores de excitação e de emissão fixos aos 600 nm. A análise estatística de cada parâmetro foi realizada pelo software SigmaStat. Para um intervalo de 99% de confiança, apenas três parâmetros mostram ser estatisticamente significativos no que diz respeito à distinção dos dois grupos de amostras: M, R e T. Contudo, apenas os dois últimos parâmetros foram selecionados como métricas relevantes para distinguir amostras saudáveis das não saudáveis. Através da estatística descritiva também adquirida pelo software SigmaStat, foram estabelecidos intervalos de 99% confiança para os parâmetros R e T relativamente aos dois grupos de amostras. Após uma análise cuidada dos mesmos, os intervalos de confiança foram otimizados e consequentemente foi possível elaborar uma classificação das amostras de urina. Para as amostras que apresentaram valores de R e T, ambos dentro dos intervalos de confiança considerados, foram classificadas com uma ‘’Grande probabilidade de ser uma amostra positiva (com infeção)” ou ‘’Grande probabilidade de ser uma amostra negativa (saudável)”. Para as amostras que apresentaram apenas um dos parâmetros (T ou R) dentro do intervalo de confiança, foram classificadas com uma menor probabilidade se serem positivas (com infeção) ou negativas (saudáveis): ‘’Probabilidade de ser uma amostra positiva (com infeção)” ou ‘’Probabilidade de ser uma amostra negativa (saudável)”. Adicionalmente algumas limitações da metodologia foram testadas, como a influência do tempo e o material do saco coletor de urina. Algumas amostras de urina foram analisadas com um intervalo de tempo de t = [0, 24, 48, 72] horas, com o intuito de se estudar a precisão da metodologia na identificação das amostras ao longo do tempo. Através desta análise, foi possível concluir que há uma maior precisão relativamente aos parâmetros R e T, quando t = 0 horas, o que implica que a análise da urina deve ser sempre realizada com a urina mais recente do paciente algaliado. Os espetros de absorção e de transmitância do saco coletor de urina foram analisados e permitiram testar a configuração inicial do equipamento médico, proposto nesta dissertação. Os resultados obtidos da análise espectroscópica de absorção do material do saco coletor de urina, não foram satisfatórios, consequentemente, foi possível concluir que a configuração inicial do equipamento médico, Ar-Ur-Ine, tem de ser reajustada. Na terceira parte deste trabalho, foi desenvolvida uma aplicação interativa com base em algoritmos de aprendizagem automática (AA) com o intuito de ser desenvolvido o primeiro software do equipamento Ar-Ur-Ine. Este tem como objetivo ser rápido, intuitivo e o mais autónomo possível para que possa ser facilmente utilizado pelos profissionais de saúde. Esta aplicação tem a capacidade de avaliar autonomamente os dados adquiridos dos espetros de fluorescência e de transmitância e identificar se a amostra é saudável ou não (com infeção). O utilizador é apenas responsável por inserir o código de identificação do paciente, seguidamente é gerado um código único da análise da amostra, sendo o segundo e último passo do utilizador dar início à análise propriamente dita através do botão ‘’Start” apresentado no ecrã. O resultado é apresentado de forma intuitiva, segundo a classificação definida na parte laboratorial deste trabalho. Esta aplicação interativa tem como base métodos de AA, em para tal, foi necessário otimizar e treinar vários classificadores, juntamente com os parâmetros ideais, previamente selecionados. O classificador que se destacou com um melhor desempenho foi K-Nearest Neighbour (KNN), que obteve uma precisão da matriz de confusão e um valor de AUC de 0.902 e de 0.750, respetivamente. Este revelou ser um ótimo algoritmo para discriminar os dois grupos de amostras definidos. A partir dos resultados apresentados ao longo deste trabalho, foi possível concluir que a autofluorescência da urina e sua transmitância indicaram ser ótimos parâmetros para desenvolver um instrumento de diagnóstico simples e rápido para identificar ITU. Contudo, apela-se à necessidade de continuar o desenvolvimento do estudo da metodologia, com a obtenção de mais amostras biológicas de modo a melhorar a precisão do algoritmo baseado em AA.
Apesar de todos os avanços notáveis na área da saúde realizados ao longo dos anos, as infeções associadas aos cuidados de saúde (IACS) continuam a ser um problema de saúde pública bastante crítico. Cerca de 30 a 40% das IACS correspondem a infeções do trato urinário (ITU), que, por sua vez, são as infeções bacterianas que ocorrem com mais frequência tanto em contexto hospitalar como quotidiano. Destas ITU, aproximadamente 80% estão fortemente relacionadas ao processo de algaliação de pacientes hospitalizados. A algaliação é um procedimento médico comum que consiste na inserção de um cateter no interior da bexiga, utilizado em cerca de 15 a 20% das hospitalizações. O elevado número de infeções do trato urinário associadas ao cateter vesical (ITUaCV), deve-se, na sua maioria, ao seu caráter assintomático, acabando desta forma por se desenvolverem silenciosamente sem que o paciente apresente qualquer tipo de sintoma. Efeito este, mais notório e impactante, quando se tratam de algaliações por curtos períodos de tempo. Este tipo de infeções, ITUaCV, desenvolvem-se comumente no trato urinário inferior, nomeadamente a nível da bexiga e uretra. Contudo, a sua forte componente assintomática e consequentes diagnóstico e tratamento tardios, permitem a progressão da infeção podendo vir a atingir órgãos de maior risco, como por exemplo os rins. De facto, considerando que a taxa de mortalidade associada à ITUaCV situa-se entre os 10% e 13%, é possível afirmar que existe um risco considerável no agravamento silencioso do estado de saúde do paciente. Tendo em conta que existe de facto um problema no diagnóstico e tratamento atempado de ITUaCV, a presente dissertação teve como principal objetivo explorar uma metodologia rápida e eficaz de monitorização da urina, que possa ser implementada futuramente como ferramenta preventiva de ITUaCV no equipamento médico, Ar-ur-Ine, conceptualizado também neste trabalho. Para tal, este projeto foi conduzido por três fases distintas: uma primeira em que se pretendeu compreender a prática clínica atual em diferentes instituições Portuguesas, uma segunda fase em que se avaliaram diferentes metodologias para análise de amostras de urina, tendo sido desenvolvido um processo para identificação de amostras saudáveis e não saudáveis através de espetrocopia de fluorescência e de absorção; e, por fim, uma fase de desenvolvimento de uma aplicação interativa com base em algoritmos de aprendizagem automática. Na primeira fase deste trabalho foi realizado um questionário destinado apenas aos profissionais de saúde que visou compreender as suas rotinas com pacientes algaliados e quais os métodos de monitorização da urina que são utilizados para um posterior diagnóstico de ITU. Os resultados adquiridos mostram que tanto os métodos utilizados para monitorizar estes pacientes, como a frequência com que são efetuados está altamente dependente do profissional de saúde, não existindo nenhum protocolo estabelecido ou prática clínica definida para tal. Dos trinta profissionais de saúde que participaram neste questionário, todos consideraram que uma solução médica para monitorizar a urina seria útil, especialmente em pacientes algaliados. Na segunda fase deste trabalho, explorou-se a possibilidade de usufruir de metodologias espetroscópicas de fluorescência e de absorção para a identificação de parâmetros que pudessem auxiliar na distinção de amostras de urina saudáveis e não saudáveis (com ITU). A rápida distinção de amostras é um objetivo para combater o diagnóstico e tratamento tardio que ocorre nos dias de hoje, por esta razão, neste trabalho foram apenas utilizadas amostras de urina sem qualquer tipo de processamento prévio à análise, de modo a seguir o protocolo mais simples e rápido possível. Respetivamente às metodologias exploradas, na espetroscopia de fluorescência foi possível explorar a dispersão do sinal da amostra e espetros de emissão, excitação e síncronos. No que diz respeito à espectroscopia de absorção, foram explorados espetros de absorção e de transmitância. A primeira análise espetral teve como principal objetivo comparar os espetros dos dois grupos de amostras biológicas para encontrar diferenças visíveis entre os mesmos. De todos os métodos explorados, apenas os espetros de emissão (com o comprimento de excitação fixo aos 280 nm) e de transmitância demonstraram ser métricas relevantes para distinguir amostras saudáveis das de com infeção. Destes espetros foram retirados cinco parâmetros principais: V- valor da intensidade de fluorescência aos 305 nm; M – intensidade de fluorescência no pico máximo; R – razão entre V e M; T – valor da transmitância aos 600 nm; S – valor do sinal de dispersão de luz, com os valores de excitação e de emissão fixos aos 600 nm. A análise estatística de cada parâmetro foi realizada pelo software SigmaStat. Para um intervalo de 99% de confiança, apenas três parâmetros mostram ser estatisticamente significativos no que diz respeito à distinção dos dois grupos de amostras: M, R e T. Contudo, apenas os dois últimos parâmetros foram selecionados como métricas relevantes para distinguir amostras saudáveis das não saudáveis. Através da estatística descritiva também adquirida pelo software SigmaStat, foram estabelecidos intervalos de 99% confiança para os parâmetros R e T relativamente aos dois grupos de amostras. Após uma análise cuidada dos mesmos, os intervalos de confiança foram otimizados e consequentemente foi possível elaborar uma classificação das amostras de urina. Para as amostras que apresentaram valores de R e T, ambos dentro dos intervalos de confiança considerados, foram classificadas com uma ‘’Grande probabilidade de ser uma amostra positiva (com infeção)” ou ‘’Grande probabilidade de ser uma amostra negativa (saudável)”. Para as amostras que apresentaram apenas um dos parâmetros (T ou R) dentro do intervalo de confiança, foram classificadas com uma menor probabilidade se serem positivas (com infeção) ou negativas (saudáveis): ‘’Probabilidade de ser uma amostra positiva (com infeção)” ou ‘’Probabilidade de ser uma amostra negativa (saudável)”. Adicionalmente algumas limitações da metodologia foram testadas, como a influência do tempo e o material do saco coletor de urina. Algumas amostras de urina foram analisadas com um intervalo de tempo de t = [0, 24, 48, 72] horas, com o intuito de se estudar a precisão da metodologia na identificação das amostras ao longo do tempo. Através desta análise, foi possível concluir que há uma maior precisão relativamente aos parâmetros R e T, quando t = 0 horas, o que implica que a análise da urina deve ser sempre realizada com a urina mais recente do paciente algaliado. Os espetros de absorção e de transmitância do saco coletor de urina foram analisados e permitiram testar a configuração inicial do equipamento médico, proposto nesta dissertação. Os resultados obtidos da análise espectroscópica de absorção do material do saco coletor de urina, não foram satisfatórios, consequentemente, foi possível concluir que a configuração inicial do equipamento médico, Ar-Ur-Ine, tem de ser reajustada. Na terceira parte deste trabalho, foi desenvolvida uma aplicação interativa com base em algoritmos de aprendizagem automática (AA) com o intuito de ser desenvolvido o primeiro software do equipamento Ar-Ur-Ine. Este tem como objetivo ser rápido, intuitivo e o mais autónomo possível para que possa ser facilmente utilizado pelos profissionais de saúde. Esta aplicação tem a capacidade de avaliar autonomamente os dados adquiridos dos espetros de fluorescência e de transmitância e identificar se a amostra é saudável ou não (com infeção). O utilizador é apenas responsável por inserir o código de identificação do paciente, seguidamente é gerado um código único da análise da amostra, sendo o segundo e último passo do utilizador dar início à análise propriamente dita através do botão ‘’Start” apresentado no ecrã. O resultado é apresentado de forma intuitiva, segundo a classificação definida na parte laboratorial deste trabalho. Esta aplicação interativa tem como base métodos de AA, em para tal, foi necessário otimizar e treinar vários classificadores, juntamente com os parâmetros ideais, previamente selecionados. O classificador que se destacou com um melhor desempenho foi K-Nearest Neighbour (KNN), que obteve uma precisão da matriz de confusão e um valor de AUC de 0.902 e de 0.750, respetivamente. Este revelou ser um ótimo algoritmo para discriminar os dois grupos de amostras definidos. A partir dos resultados apresentados ao longo deste trabalho, foi possível concluir que a autofluorescência da urina e sua transmitância indicaram ser ótimos parâmetros para desenvolver um instrumento de diagnóstico simples e rápido para identificar ITU. Contudo, apela-se à necessidade de continuar o desenvolvimento do estudo da metodologia, com a obtenção de mais amostras biológicas de modo a melhorar a precisão do algoritmo baseado em AA.
Descrição
Tese de Mestrado, Engenharia Biomédica e Biofísica, 2022, Universidade de Lisboa, Faculdade de Ciências
Palavras-chave
Infeções do trato urinário Testes de diagnóstico Espectroscopia de Fluorescência Transmitância Aprendizagem automática Teses de mestrado - 2023