Un nuevo enfoque para la detección de la enfermedad de Chagas utilizando espectroscopia de suero infrarrojo y
Matthews Martins1, Ângelo Antônio Oliveira Silva2,3, Felipe Silva Santos de Jesus2,3
1Department of Physiological Sciences, Federal University of Espírito Santo, Av. Mal. Campos, 1468-Maruípe, Vitória, Espírito Santo 29047-105, Brazil.
ACS infectious diseases
|August 28, 2025
Resumen
Este estudio muestra que la combinación de la espectroscopia infrarroja de la transformada de Fourier (FTIR) con el aprendizaje automático (ML) ofrece un nuevo método prometedor para el diagnóstico de la enfermedad de Chagas (CD). Este enfoque podría proporcionar una alternativa rentable a las pruebas de diagnóstico actuales, especialmente en áreas con recursos limitados.
Área de la Ciencia:
- Espectroscopia y Química Analítica
- Biología computacional y bioinformática
- Enfermedades infecciosas y epidemiología
Sus antecedentes:
- La enfermedad de Chagas (CD) afecta a millones de personas en todo el mundo, con un diagnóstico difícil debido a los bajos niveles de parásitos y las limitaciones de las pruebas serológicas actuales.
- La propagación geográfica de la EC está aumentando debido a la migración humana.
- Existe una necesidad crítica de herramientas de diagnóstico mejoradas y accesibles para la enfermedad de Chagas.
Objetivo del estudio:
- Evaluar la capacidad de diagnóstico de la espectroscopia de reflectancia total atenuada de la transformada de Fourier en el infrarrojo (ATR-FTIR) combinada con el aprendizaje automático (ML) para la enfermedad de Chagas.
- Para comparar el rendimiento de ATR-FTIR/ML en condiciones de análisis de muestras de suero en seco y húmedo.
- Evaluar el potencial de este nuevo enfoque como alternativa de diagnóstico rentable.
Principales métodos:
- Se analizaron muestras de suero de 100 individuos (49 CD positivos, 51 controles) utilizando la espectroscopia ATR-FTIR tanto en formato seco como húmedo.
- Los datos espectrales se procesaron utilizando varios algoritmos de aprendizaje automático (regresión logística, PLS-DA, bosque aleatorio, XGBoost) para la clasificación.
- El rendimiento del modelo se evaluó utilizando la precisión, la puntuación F1 y el área bajo la curva de características de funcionamiento del receptor (AUC).
Principales resultados:
- La regresión logística logró una precisión del 93% y una puntuación F1 en muestras secas, mientras que XGBoost obtuvo una precisión del 87% y una puntuación F1 en muestras húmedas.
- El área bajo la curva ROC fue notablemente alta: 0,99 para análisis en seco y 0,92 para análisis en húmedo.
- Las pruebas de permutación confirmaron la solidez y fiabilidad de los modelos de clasificación desarrollados.
Conclusiones:
- La espectroscopia ATR-FTIR junto con ML presenta una estrategia de diagnóstico muy prometedora para la enfermedad de Chagas.
- Este método demuestra el potencial como una alternativa eficiente y rentable a los ensayos serológicos convencionales, especialmente para entornos con recursos limitados.
- Es necesaria una validación adicional con cohortes más grandes para confirmar la aplicabilidad clínica y la especificidad para una adopción generalizada en el tratamiento de la enfermedad de Chagas.
