@misc{10902/37213,
year = {2025},
month = {9},
url = {https://hdl.handle.net/10902/37213},
abstract = {Las enfermedades pulmonares continúan representando un reto clínico relevante, especialmente cuando su diagnóstico depende del análisis morfológico del esputo mediante técnicas tradicionales como la tinción y la observación microscópica, que son procesos lentos, cualitativos y fuertemente dependientes del operador. Este trabajo de fin de grado explora una metodología alternativa basada en espectroscopía óptica y
técnicas de análisis multivariante, con el objetivo de clasificar muestras de esputo de
forma más rápida, reproducible y objetivamente cuantificable, evaluando su utilidad
como herramienta diagnóstica complementaria.
Se analizaron espectros de absorbancia en el rango visible correspondientes a doce
muestras de esputo clasificadas en cuatro categorías clínicas: positivas, negativas,
sin teñir y ambiguas. Los datos espectrales fueron sometidos a un preprocesamiento
estandarizado, seguido de un análisis de componentes principales (PCA), con el fin
de reducir la dimensionalidad y preservar las características más discriminantes. Posteriormente,
se aplicó agrupamiento no supervisado mediante k-means, obteniéndose una
segmentación en cuatro clústeres. La evaluación mediante el índice de silueta arrojó un
valor promedio de 0,8226, lo que refleja una separación robusta entre las agrupaciones
espectrales generadas.
Los resultados muestran una correlación clara entre las agrupaciones espectrales y
las categorías clínicas asignadas. Las muestras positivas y negativas exhiben patrones
espectrales bien diferenciados, presumiblemente relacionados con la retención diferencial
del colorante en función de la composición celular. Las muestras sin teñir y las
ambiguas forman agrupaciones distintas, lo que sugiere que el análisis espectroscópico
es sensible también a variaciones morfológicas o composicionales no detectables visualmente.
Este comportamiento reafirma la capacidad de la espectroscopía óptica para
captar diferencias bioquímicas significativas sin necesidad de marcadores externos.
En conjunto, los hallazgos obtenidos demuestran la viabilidad de esta técnica como
soporte diagnóstico automatizable, con potencial para integrarse en flujos clínicos
orientados a la evaluación rápida y no invasiva del esputo. La combinación de espectroscopía
con técnicas estadísticas de reducción de dimensionalidad y agrupamiento
constituye una herramienta prometedora para mejorar la sensibilidad y objetividad en
la detección temprana de alteraciones respiratorias.},
abstract = {Pulmonary diseases remain a diagnostic challenge, particularly when evaluation depends
on conventional techniques such as Ziehl-Neelsen staining and microscopy, which
are time-consuming, subjective, and require trained personnel. This undergraduate thesis
proposes an alternative methodology based on optical spectroscopy and multivariate
statistical analysis to enable faster, more reproducible, and objective classification of
sputum samples, assessing its potential for identifying clinically meaningful spectral
signatures.
Twelve sputum samples were categorized into four clinical types: positive, negative,
unstained, and ambiguous. Absorbance spectra in the visible range were processed and
analyzed using Principal Component Analysis (PCA), which allowed dimensionality
reduction while preserving the most discriminative spectral features. Subsequently, an
unsupervised k-means clustering algorithm was applied to the PCA-reduced data, revealing
natural groupings based on spectral similarity. Clustering validity was assessed
using the silhouette index, which achieved a high average score of 0.8226, indicating
well-separated and internally coherent clusters.
The spectral clustering results aligned with the clinical classifications: positive and
negative samples exhibited distinguishable absorbance profiles, likely related to the
differential retention of dye components. Unstained and ambiguous samples formed
distinct clusters, suggesting that the optical properties captured by spectroscopy reflect
intrinsic biochemical or morphological differences beyond simple visual assessment.
These findings underscore the sensitivity of optical methods in capturing subtle variations
in sample composition.
In summary, this work supports the feasibility of integrating optical spectroscopy
into biomedical workflows for non-invasive sputum analysis. When combined with statistical
learning techniques such as PCA and unsupervised clustering, this approach
enables robust and automated classification of clinical samples, potentially contributing
to earlier detection of respiratory pathologies and optimization of diagnostic protocols.},
title = {Caracterización espectral de muestras biológicas para el cribado de microorganismos mediante clasificación semiautomática},
author = {Tode Ceballos, Mateo},
}