Árvores de decisão como técnica para classificar a resposta quanto à atividade celular in vitro para diferentes tratamentos superficiais em titânio

• Ano de defesa: 2016
• Autor(a) principal: Gamba, Mateus Luiz
• Orientador(a): Malfatti, Célia de Fraga
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Tratamento de superfícies; Titânio; Atividade celular
• Palavras-chave em Inglês: Surface treatments; Cellular activity; MC3TEE1; Decision tree; TiO2; Titanium
• Link de acesso: http://hdl.handle.net/10183/185825

Diversos artigos têm sido publicados a fim de avaliar a influência de diferentes tratamentos de superfície de TiO2/Ti sobre atividade celular de osteoblastos, tentando estabelecer dessa forma a relação entre as propriedades de superfície e o processo de ossointegração. No entanto, ainda existem lacunas críticas na avaliação e compreensão do efeito das propriedades de superfície sobre atividade celular. Como muitos fatores podem influenciar na resposta celular, a avaliação da influência combinada dos diferentes parâmetros empregados dificulta a compreensão do efeito das propriedades superficiais no processo de osseointegração, bem como a comparação do desempenho de diferentes tratamentos de superfícies. Além disso, uma avaliação comparativa entre estudos realizados por diferentes autores é muito difícil pelo fato de que não seja adotada uma padronização dos experimentos, por exemplo quanto ao tipo de célula empregada no estudo, dentre outros. Nesse contexto, o presente trabalho propõe o uso de um método computacional objetivando classificar e prever a resposta da atividade celular in vitro sobre superfícies de TiO2/Ti. A partir de resultados obtidos em artigos publicados por diferentes autores, foi construído um dataset relacionando a influência das propriedades de superfície TiO2/Ti (rugosidade e molhabilidade) sobre atividade celular e viabilidade pelo ensaio 3-(4,5-dimetiltiazol-2-il)-2,5-difenil tetrazólio bromide (MTT), empregando-se células osteoblásticas MC3TE-E1 e os mesmos critérios de monitoramento. Posteriormente foram aplicados os algoritmos de árvores de decisão J48 e SimpleCart para obter regras capazes de classificar e prever resultados da atividade celular em função das propriedades superficiais. A ferramenta empregada para gerar a árvore de decisão foi Weka. Dentre os algoritmos testados, o algoritmo SimpleCart apresentou uma melhor classificação, resultando em um coeficiente de Kappa de 40,45% contra o J48 o qual obteve um coeficiente de Kappa de 26,51%. Esse coeficiente é uma métrica utilizada para avaliar a qualidade da classificação da árvore de decisão. Nesse sentido, a árvore de decisão gerada permitiu identificar regras de decisão que podem ser empregados como um modelo preditivo e de classificação para o dataset construído, relacionando o efeito das propriedades superficiais (rugosidade e molhabilidade) de TiO2/Ti com a atividade celular.