O desenvolvimento de métodos simples, acessíveis e não invasivos para o diagnóstico do câncer é um dos maiores desafios científicos do século XXI. Atualmente, uma das técnicas mais promissoras é a análise de compostos orgânicos voláteis (VOCs) em amostras biológicas. Os VOCs são metabólitos gerados naturalmente no organismo, ao passo que, em um quadro patológico, como no câncer, alterações metabólicas levam à formação de novos VOCs e/ou modificam a concentração dos VOCs normalmente presentes. Desta maneira, foi levantada a hipótese de que os VOCs podem ser avaliados com o objetivo de determinar uma "impressão digital química" do câncer. Ainda, diagnósticos mais confiáveis seriam obtidos através da análise de duas amostras biológicas de um mesmo paciente (abordagem híbrida). Deste modo, o objetivo deste trabalho é avaliar os VOCs presentes no fluido oral e na urina de pessoas saudáveis e pacientes com câncer com o intuito de discriminar os dois grupos através do perfil de substâncias voláteis. Para tal, foi desenvolvido e otimizado um método baseado na extração por headspace estático (SHS) e posterior análise por cromatografia em fase gasosa com detector de ionização por chama (GC-FID). Esse método foi aplicado na análise de amostras de pessoas saudáveis (n = 37), pacientes com câncer de cabeça e pescoço (CCP, n = 15) e com câncer gastrointestinal (CG, n = 19). A análise discriminante por mínimos quadrados parciais ortogonais (OPLS-DA) foi utilizada para a classificação, onde o desempenho foi avaliado através do ajuste do modelo (R2Y), da capacidade de predição (Q2Y), e dos valores de sensibilidade e especificidade. Os melhores modelos individuais em termos de sensibilidade e especificidade foram o CCP urina (84,8 e 82,3%, respectivamente) e o CG fluido oral (78,6 e 87,5%). Ambos apresentaram R2Y satisfatórios, próximos a 0,9, e valores aceitáveis (acima de 0,50) de Q2Y (0,560 e 0,525, respectivamente) Já o modelo CCP fluido oral apresentou valor de sensibilidade mais baixo (70,2%) e o CG urina não foi adequado em nenhuma métrica avaliada. Posteriormente, a abordagem híbrida foi aplicada e observou-se um aumento dos valores de Q2Y (0,623 para CCP e 0,562 para CG). Contudo, a sensibilidade foi maior para o modelo individual CCP urina (84,8%) do que para o modelo CCP híbrido (75,6%), e também foi maior para CG fluido oral (78,6%) do que para CG híbrido (69,8%). Esses resultados sugerem duas conclusões principais. Primeiro: a abordagem híbrida realmente tende a elevar a capacidade de predição do método. Contudo, para que isso aconteça, é preciso que os modelos individuais apresentem métricas adequadas de qualidade. Segundo: o método desenvolvido mostrou potencial para ser empregado como diagnóstico, porém estudos contando um tamanho amostral maior são essenciais para avaliar se uma técnica tão simples e prática pode, de fato, ser utilizada na rotina clínica como um método auxiliar no screening do câncer.

The development of simple, cost-effective and non-invasive methods for cancer diagnosis is one of the greatest scientific challenges of the 21st century. In this context, one of the most promising techniques is the analysis of volatile organic compounds (VOCs). VOCs are metabolites naturally generated in the body and exhaled in various biological matrices. In a pathological condition, such as cancer, metabolic alterations lead to the generation of new VOCs and/or change the concentrations of naturally present VOCs. Thus, two hypotheses were raised in this study. First, VOCs profile differences establishes a fingerprint that can be explored in the context of cancer diagnosis. Second: the data fusion from two biological samples (hybrid approach) leads to more accurate diagnoses. Thus, the objective of this work is to evaluate the VOCs present in oral fluid and urine of healthy people and cancer patients in order to discriminate these two groups through the VOCs profile. To this end, a method based on static headspace extraction (SHS) and subsequent analysis by gas chromatography with flame ionization detector (GC-FID) was developed and optimized. This method was applied in the analysis of samples from healthy people (n = 37), patients with head and neck cancer (HNC, n = 15) and with gastrointestinal cancer (GIC, n = 19). Orthogonal partial least squares discriminant analysis (OPLS-DA) was used for classification and the performance was evaluated through goodness of fit (R2Y), predictive ability (Q2Y), and sensitivity and specificity values. The best individual models in terms of sensitivity and specificity were HNC urine (84.8 and 82.3%, respectively) and GIC oral fluid (78.6 and 87.5%). Both methods showed satisfactory R2Y values (close to 0.9), but lower Q2Y values (0.560 and 0.525, respectively), thus showing evidence of overfitting. The HNC oral fluid model, on the other hand, had a lower sensitivity value (70.2%), and the urine GC was not adequate in any of the evaluated metrics. Then, the hybrid approach was applied and an increase in Q2Y values was observed (0.623 for HNC and 0.562 for GIC). However, sensitivity was higher for the HNC urine model (84.8%) than for the hybrid CCP model (75.6%), and it was also higher for the GIC oral fluid (78.6%) than for the hybrid GC (69.8%). These results suggest two main conclusions. First: the hybrid approach really tends to increase the predictive capacity of the method; however, for this to happen, the individual models must present adequate quality metrics. Second: the SHS-GC-FID method showed interesting potential to be used to diagnose cancer; however, further studies with larger sample sizes are essential to assess whether such a practical technique can, in fact, be used in clinical routine as an auxiliary method in cancer screening.