Resumen

La técnica de espectroscopia del infrarrojo cercano (NIR) ofrece muchas ventajas potenciales como herramienta de análisis biomédico, ya que permite detectar y extraer las sutiles firmas bioquímicas relacionadas con la patología. Junto con la quimiometría avanzada, la espectroscopia NIR abre la posibilidad de su uso en el diagnóstico del cáncer. El estudio se centra en la aplicación de la espectroscopia del infrarrojo cercano (NIR) y los modelos de clasificación para discriminar el cáncer colorrectal. Se preparó un total de 107 especímenes quirúrgicos y el correspondiente conjunto de datos espectrales de reflexión difusa NIR. Se probaron tres métodos de preprocesamiento y se utilizó una máquina de vectores de soporte de mínimos cuadrados (LS-SVM) para construir un modelo de clasificación. El preprocesamiento híbrido de la primera derivada y el análisis de componentes principales (ACP) dio como resultado el mejor modelo LS-SVM con una sensibilidad y especificidad de 0,96 y 0,96 para los conjuntos de entrenamiento y 0,94 y 0,96 para los conjuntos de prueba, respectivamente. El rendimiento similar en ambos subconjuntos indica que no se produjo sobreajuste, lo que garantiza la solidez y fiabilidad del modelo LS-SVM desarrollado. El área de la curva receiver operating characteristic (ROC) fue de 0,99, lo que demuestra una vez más el alto poder de predicción del modelo. El resultado confirma la aplicabilidad de la combinación de espectroscopia NIR, LS-SVM, PCA y preprocesamiento de la primera derivada para el diagnóstico del cáncer.

• Materias:Reacciones químicas Propiedades fisicoquímicas Química analítica Química de los alimentos Química sostenible
• Subjects:Chemical reactions Chemicophysical properties Analytical chemistry Food chemistry Sustainable chemistry
• Palabras claves:espectroscopia nir, modelo svm, diagnóstico del cáncer, máquina de vectores de apoyo cuadrada, preprocesamiento de la primera derivada, alto poder de predicción, muchas ventajas potenciales, análisis de componentes principales, firmas bioquímicas sutiles, nir
• Keywords:nir spectroscopy, svm model, cancer diagnosis, squares support vector machine, first derivative preprocessing, high prediction power, many potential advantages, principal component analysis, subtle biochemical signatures, nir