Defesa de dissertação - Maria Clara da Cruz Pires
Título do trabalho:
“Detecção e Quantificação de Cafeína em Suplementos de Creatina por Espectroscopia no Infravermelho Médio e Algoritmos de Inteligência Artificial.”
Resumo:
Devido à importância econômica e popularidade dos suplementos alimentares (SA), aliadas à fragilidade da fiscalização, os SA tornam-se suscetíveis a fraudes, sobretudo adulterações, o que reforça a necessidade de métodos alternativos para avaliar sua qualidade e segurança. Este estudo teve como objetivo desenvolver algoritmos de aprendizado de máquina para a detecção e quantificação de Cafeína (CAF) em suplementos de Creatina (CRE), utilizando Espectroscopia no Infravermelho Médio associada a modelos de Inteligência Artificial (IA). Cinco marcas comerciais de CRE foram adulteradas com CAF (2–20%), totalizando 50 amostras. As misturas foram analisadas em espectrômetro Bruker® ALPHA II FTIR (4 cm-1, 32 varreduras, 4.000–400 cm-1) em triplicata, totalizando 168 espectros, os quais foram processados no software Orange Data Mining® (v.3.38.1). Os dados foram divididos em calibração (CAL = 70%) e predição (PRED = 30%), e atribuídos às classes 0 (n = 18) para amostras puras e 1 (n = 150) para adulteradas. Foram aplicadas as análises multivariadas: Análise de Componentes Principais (PCA), Support Vector Machine (SVM) e Partial Least Squares (PLS). Dois testes de predição às cegas adicionais foram realizados: um com três marcas de CRE conhecidas (18 níveis de adulteração, 0–20%) e outro com uma marca de CRE desconhecida pelos modelos (seis adulterações), ambas preparadas por pesquisadores independentes. A PCA das amostras puras de CRE e CAF apresentou variância explicada (VE) de 98,5% (PC1 = 97,4%; PC2 = 1,1%), enquanto a das amostras totais mostrou VE = 86,75% (PC1 = 68,61; PC2 = 18,14%). No teste, o SVM obteve Sensibilidade (SEN) = 100% e Especificidade (ESPEC) = 75%. O PLS apresentou Coeficiente de Determinação (R2) = 0,75 e Raiz do Erro Quadrático Médio de Predição (RMSEp) = 3,06%. Os limites de detecção (LoD) e de quantificação (LoQ) foram 0,55% e 1,82%, respectivamente. No primeiro teste cego, o SVM atingiu 100% de SEN a partir de 1,71% de adulteração; o PLS, para amostras acima do LoQ, obteve R2 = 0,67 e RMSE = 2,84%. No segundo, a SEN foi de 80% e o PLS alcançou R2 = 0,73 e RMSE = 2,11%. O estudo demonstrou que os algoritmos de IA foram eficazes na detecção e quantificação de CAF em suplementos de CRE, representando uma ferramenta aplicável e escalável para a verificação de sua qualidade e autenticidade.
Discente:
Maria Clara da Cruz Pires
Orientador:
Fabiano Kenji Haraguchi
Valério Garrone Barauna
Data da defesa:
03/12/2025.
Horário:
09h30.
Webconferência:
https://meet.google.com/ywq-jvvq-apa
