Utilização de inteligência artificial (redes neurais artificiais) para a classificação do comportamento bioquímico de amostras de Escherichia coli isoladas de frangos de corte

Ano: 2010 | Volume: 38 | Número: 1

Autores: Felipe de Oliveira Salle, Flávia Bonarcini Borges Fortes, Ana Cristina Gonçalves Pinto da Rocha, Silvio Luis da Silveira Rocha, Guilherme Fonseca de Souza, Hamilton Luiz de Souza Moraes, Lucas Brunelli de Moraes, Carlos Tadeu Pippi Salle

Palavras-chave: escherichia coli, bioquimismo, redes neurais artificiais

Resumo Português:

A Escherichia coli é comumente encontrada na avicultura e muitas vezes sua presença no organismo dos animais
e/ou contaminando as camas de aviários não causa estranheza. Por outro lado, a utilização de inteligência artificial, especificamente
redes neurais artificiais, está sendo crescentemente empregada como ferramenta para medir relações não lineares entre
variáveis. Neste trabalho foram usados os dados disponíveis referentes a 261 amostras da bactéria oriundas de camas de
aviários, lesões de celulite e quadros respiratórios de frangos de corte. O diagnóstico laboratorial envolveu o isolamento do
agente, a caracterização dos genes associados à virulência, as lesões provocadas pela inoculação em pintos, o Índice de
Patogenicidade das amostras e a resistência antimicrobiana a 14 antibióticos que foram as entradas das redes neurais e sete
provas bioquímicas as saídas. A principal conclusão deste artigo foi de que as redes neurais foram capazes de realizar a
classificação correta do comportamento das amostras com amplitude de 87,80% a 98,37%. A sensibilidade e a especificidade
das classificações obtidas variaram de 59,32% a 99,47% e de 80,00% a 98,54%, respectivamente.

Resumo Inglês:

The Escherichia coli is often found in the poultry industry and, many times, its presence in the organism of the
animals and/or contaminating the litter of poultry houses don’t cause surprise. On the other hand, the use of artificial intelligence,
specifically, artificial neural network, is being increasingly used as tool to measure not linear relations between variables. In
this work we used available data from 261 samples of the bacterium isolated of poultry litter, lesions of cellulitis and respiratory
problems of broilers. The laboratory diagnosis involved the isolation of the agent, the characterization of the genes associates
with the virulence, the lesions provoked by the inoculation in day-old-chicks, the Pathogenicity Index of the samples and the
antimicrobial resistance against 14 antibiotics. Those variables were the inputs of the neural network and the outputs were
seven biochemical tests. The main conclusion of this paper was that the neural network were capable to make correct classification
of the biochemical reactions of all the samples with amplitude from 87.80% to 98.37%. The sensitivity and the specificity of
the classifications varied from 59.32% to 99.47% and from 80.00% to 98.54%, respectively.