Banca de DEFESA: Jose William Araujo do Nascimento

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : Jose William Araujo do Nascimento
DATA : 22/08/2022
HORA: 09:00
LOCAL: Virtual
TÍTULO:

Identificação de bactérias comuns em feridas infectadas 
(Staphylococcus aureus e Pseudomonas aeruginosa) através de um nariz 
eletrônico e modelos de Inteligência Artificial

PALAVRAS-CHAVES:

Bactérias. Feridas. Nariz Eletrônico. Aprendizado de 
Máquina.

PÁGINAS: 95
RESUMO:

As infecções em feridas são umas das complicações mais comuns que atrasam a 
sua cicatrização. As principais bactérias que causam esta infecção são 
Staphylococcus aureus e Pseudomonas aeruginosa, elevando a morbidade e 
mortalidade dos pacientes. Os principais métodos atuais para auxiliar no 
diagnóstico de infecções em feridas causadas por estas bactérias são a 
cultura e o método molecular, que possuem elevado período para 
identificação das espécies e elevado custo financeiro, respectivamente. 
Neste sentido, um excelente recurso tecnológico em informática é o nariz 
eletrônico, uma técnica de amostragem não invasiva, indolor e barata, com 
elevada taxa de precisão. Na literatura científica são abordados poucos 
estudos acerca do uso do nariz eletrônico no campo de feridas infectadas 
por bactérias, desta forma, este estudo justifica-se por apresentar uma 
nova metodologia que torne a identificação de bactérias de forma mais 
precisa e rápida, podendo ser um recurso que auxiliará profissionais de 
saúde em um breve futuro. Neste sentido, este estudo objetivou identificar 
bactérias comuns em feridas infectadas (Staphylococcus aureus e Pseudomonas 
aeruginosa) através de um nariz eletrônico e modelos de Inteligência 
Artificial. A metodologia deste estudo experimental utilizou um nariz 
eletrônico com controle automático e quatro culturas bacterianas, sendo 
duas da espécie Staphylococcus aureus e duas culturas da espécie 
Pseudomonas aeruginosa foram utilizadas no experimento. Após o processo de 
coleta das amostras no nariz eletrônico, foi desenvolvido um banco de dados 
composto por 4249 amostras, onde 2719 foram utilizadas para o treinamento 
dos modelos (60%), 850 para validação (20%) e 680 para testes dos modelos 
de Inteligência Artificial utilizados (20%). Quatro algoritmos de 
classificação supervisionados com base em séries temporais foram utilizados 
no processamento de dados. Após os experimentos envolvendo os modelos de 
Inteligência Artificial, verificou-se que no conjunto de teste (os modelos 
são colocados em contato com amostras desconhecidas), o classificador 
InceptionTime obteve o melhor desempenho para a identificação das bactérias 
Staphylococcus aureus e Pseudomonas aeruginosa, com uma acurácia de 99,50% 
(desvio padrão: 0,00074) e uma precisão de 99,51%. O desempenho médio dos 
modelos no conjunto de teste apresentou resultados satisfatórios, com uma 
acurácia de 97,70% e uma precisão de 97,73%. Constatou-se que a metodologia 
proposta utilizando um nariz eletrônico e modelos de aprendizado de máquina 
baseado em séries temporais pode ajudar a identificar espécies bacterianas 
presentes em feridas infectadas de forma mais precisa, rápida e eficiente 
do que os métodos de identificação existentes.

MEMBROS DA BANCA:
Externa à Instituição - ISABEL CRISTINA RAMOS VIEIRA SANTOS - UPE
Interno - 2886196 - LEANDRO MACIEL ALMEIDA
Presidente - 2766820 - SERGIO RICARDO DE MELO QUEIROZ