I would like to express my deepest appreciation to:• Professor Denise Maria Zezell, my advisor, for her trust, knowledge, academic dedication, and friendship. She is a brave and intelligent woman and a role model for any researcher.• Professor Emerson Soares Bernardes, my co-advisor, for providing ideas and guidance on this important subject of breast cancer.• My parents, Sueli and Alfredo, for their unwavering support throughout this journey. This title is as much theirs as it is mine.• My family, friends, and especially my girlfriend, Marina, for their understanding in times of absence and for the motivational support to keep moving on.• My colleagues at the Laboratory of Biophotonics, especially Moises, Pedro, Ariane and Amanda for their teachings, partnership, and friendship.• My colleagues at the Lasers and Applications Center, for all the shared knowledge.• USP and IPEN for the opportunities and infrastructure provided, and for their contribution to science and education. • FAPESP (CEPID 05/51689-2, 17/50332-0), CAPES (Finance Code 001, PROCAD 88881.068505/2014-01) and CNPq (INCT-465763/2014-6, PQ-309902/2017-7, 142229/2019-9) for their financial support. • Colleagues from my former job at the Health Innovation Techcenter of Hospital Israelita Albert Einstein, for sharing with me their GPU workstation (a.k.a. Vivi) and supporting my academic activities.• Everyone who contributed to this research. Thank you! RESUMO DEL-VALLE, Matheus. Avaliação de subtipos moleculares de câncer de mama utilizando inteligência artificial em imagens hiperespectrais por micro-FTIR. 2023. 70 p. Tese (Doutorado em Tecnologia Nuclear) -Instituto de Pesquisas Energéticas e Nucleares -IPEN -CNEN/SP. São Paulo. O câncer de mama é o mais incidente no mundo. A avaliação do subtipo molecular e seus biomarcadores tem um papel fundamental para o prognóstico. Os biomarcadores utilizados são os Receptores de Estrogênio (ER), de Progesterona (PR), de tipo 2 do fator de Crescimento Epidérmico Humano (HER2), e Ki67. Com base nestes, os subtipos são classificados como Luminal A (LA), Luminal B (LB), subtipo HER2 e Triplo-Negativo (TNBC). O padrão-ouro desta análise é a histologia e imuno-histoquímica, técnicas semiquantitativas que apresentam variações inter-laboratorial e inter-observador. A técnica de micro-espectroscopia no Infravermelho por Transformada de Fourier (FTIR), que fornece imagens hiperspectrais com informações bioquímicas de tecidos biológicos, é aplicada em conjunto de inteligência artificial (IA) para avaliação de cânceres. Nesta tese, foram utilizadas vinte amostras de duas linhagens celulares de câncer de mama, BT-474 e SK-BR-3, para definição do número ótimo de varreduras co-adicionadas para técnicas de aprendizado de máquina (ML). Foram utilizados os modelos de Análise Discriminante Linear (LDA), Análise Discriminante por Mínimos Quadrados Parciais (PLS-DA), K-Vizinhos Mais Próximos (KNN), Máquinas de Vetores de Suporte (SVM), Floresta Aleatória (RF) e Aumento de Gradiente Extremo (XGB). Sessenta imagens hiperespectrais de...