High-level classification using complex networks for Autism Spectrum Disorder detection

• Lucas G. T. Araújo UFU
• Robinson Sabino-Silva UFU
• Murillo G. Carneiro UFU

DOI: https://doi.org/10.5753/sbcas.2024.2218

Resumo

O diagnóstico do Transtorno do Espectro Autista (TEA) se dá por observação comportamental, em um processo demorado, subjetivo e dependente de um profissional qualificado. Este trabalho investiga biomarcadores salivares no desenvolvimento de uma ferramenta capaz de adicionar objetividade nesse processo. Para isso foi utilizado um classificador de alto nível baseado em redes complexas com diferentes métodos de formação da rede a partir de dados de espectroscopia de infravermelho (ATR-FTIR) de amostras de saliva. Os resultados apontam o uso de classificadores de alto nível como técnica promissora para a detecção do TEA.

Referências

Abdelwahab, M. M., Al-Karawi, K. A., Hasanin, E., and Semary, H. (2024). Autism spectrum disorder prediction in children using machine learning. Journal of Disability Research, 3(1):20230064.

American Psychiatric Association (2014). DSM-5: Manual diagnóstico e estatístico de transtornos mentais. Artmed Editora.

Baker, M. J., Trevisan, J., Bassan, P., Bhargava, R., Butler, H. J., Dorling, K. M., Fielden, P. R., Fogarty, S. W., Fullwood, N. J., Heys, K. A., et al. (2014). Using fourier transform ir spectroscopy to analyze biological materials. Nature protocols, 9(8):1771–1791.

Caixeta, D. C., Carneiro, M. G., Rodrigues, R., Alves, D. C. T., Goulart, L. R., Cunha, T. M., Espindola, F. S., Vitorino, R., and Sabino-Silva, R. (2023). Salivary ATR-FTIR spectroscopy coupled with support vector machine classification for screening of type 2 diabetes mellitus. Diagnostics, 13(8):1396.

Carneiro, M. G. (2016). Redes complexas para classificação de dados via conformidade de padrão, caracterização de importância e otimização estrutural. PhD thesis, Universidade de São Paulo.

Carneiro, M. G. and Zhao, L. (2018a). Analysis of graph construction methods in supervised data classification. In 2018 7th Brazilian Conference on Intelligent Systems (BRACIS), pages 390–395. IEEE.

Carneiro, M. G. and Zhao, L. (2018b). Organizational data classification based on the importance concept of complex networks. IEEE transactions on neural networks and learning systems, 29(8):3361–3373.

Dawes, C. and Wong, D. (2019). Role of saliva and salivary diagnostics in the advancement of oral health. Journal of dental research, 98(2):133–141.

Freitas, L. M. and Carneiro, M. G. (2019). Community detection to invariant pattern clustering in images. In 2019 8th Brazilian Conference on Intelligent Systems (BRACIS), pages 610–615. IEEE.

Lima-Filho, R. B. and Carneiro, M. G. (2023). Diagnóstico do câncer oral através da classificação de alto nível. In Anais Estendidos do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde, pages 54–59. SBC.

Michelassi, G. C., Bortoletti, H. S., Pinheiro, T. D., Nobayashi, T., de Barros, F. R., Testa, R. L., Silva, A. F., Revers, M. C., Portolese, J., Pedrini, H., et al. (2023). Classification of facial images to assist in the diagnosis of autism spectrum disorder: A study on the effect of face detection and landmark identification algorithms. In Brazilian Conference on Intelligent Systems, pages 261–275. Springer.

Ministério da Saúde do Brasil (2021). Definição Transtorno do Espectro Autista (TEA) na criança. Acessado em: 18/01/2022.

Morais, C. L., Paraskevaidi, M., Cui, L., Fullwood, N. J., Isabelle, M., Lima, K. M., Martin-Hirsch, P. L., Sreedhar, H., Trevisan, J., Walsh, M. J., et al. (2019). Standardization of complex biologically derived spectrochemical datasets. Nature protocols, 14(5):1546–1577.

Oliveira, S. W., Cardoso-Sousa, L., Georjutti, R. P., Shimizu, J. F., Silva, S., Caixeta, D. C., Guevara-Vega, M., Cunha, T. M., Carneiro, M. G., Goulart, L. R., et al. (2023). Salivary detection of zika virus infection using ATR-FTIR spectroscopy coupled with machine learning algorithms and univariate analysis: A proof-of-concept animal study. Diagnostics, 13(8):1443.

Silva, S. F. d. P. (2020). Avaliação de biomarcadores salivares para diagnóstico de transtorno de espectro autista por espectroscopia ATR-FTIR.

Simeoli, R., Rega, A., Cerasuolo, M., Nappo, R., and Marocco, D. (2024). Using machine learning for motion analysis to early detect autism spectrum disorder: A systematic review. Review Journal of Autism and Developmental Disorders, pages 1–20.

Zhang, L., Xiao, M., Wang, Y., Peng, S., Chen, Y., Zhang, D., Zhang, D., Guo, Y., Wang, X., Luo, H., et al. (2021). Fast screening and primary diagnosis of covid-19 by ATR-FTIR. Analytical chemistry, 93(4):2191–2199.