Científicas galegas crean un modelo de IA que diagnostica con alta precisión a periodontite

Unha investigación da USC avanza cara á detección de doenzas dentais con métodos menos invasivos para mellorar a calidade de vida dos pacientes

Un equipo de investigadoras da Universidade de Santiago (USC) e do Instituto de Investigación Sanitaria de Santiago (IDIS) conseguiu obter modelos preditivos moi precisos para diagnosticar a periodontite. Fixérono a partir da aplicación de algoritmos de intelixencia artificial na análise dos grandes volumes de datos obtidos dunha secuenciación concreta dos microbiomas da placa dental supraxinxival, subxinxival e a saliva.

A investigación, que representa un importante avance cara a odontoloxía personalizada e de precisión, foi promovida pola coordinadora do grupo de investigación en Ciencias Odontolóxicas (OSRG) da USC e do IDIS e da Unidade Clínica e de Investigación en Odontoloxía para Pacientes con Necesidades Especiais, a catedrática da USC Inmaculada Tomás. As autoras do estudo son as contratadas predoutorais Berta Suárez Rodríguez, Alba Sánchez Barco e Iryna Kuz e as doutoras Alba Regueira Iglesias e Triana Blanco Pintos.

Publicidade

O estudo enmárcase nunha das liñas de investigación máis consolidadas con financiamento público do Instituto Carlos III e a Xunta de Galicia e con maior traxectoria do grupo liderado pola profesora Tomás, quen dende hai máis dunha década se enfocou nos obxectivos relacionados coa identificación de biomarcadores bacterianos e moleculares para o diagnóstico de enfermidades orais mediante tecnoloxías ómicas, aquelas que analizan un gran número de partículas mediante unha mostra biolóxica.

Métodos diagnósticos non invasivos e altamente eficaces

Para Inmaculada Tomás, os resultados desta investigación “confirman a capacidade do microbioma oral para servir como biomarcador no diagnóstico da periodontite, unha enfermidade con unha alta presencia e repercusións importantes para a saúde pública”. “Grazas ás ferramentas de intelixencia artificial como os algoritmos de aprendizaxe automática supervisada estamos cada vez máis preto de obter métodos diagnósticos non invasivos e altamente eficaces que melloren a calidade de vida dos pacientes”, engade.

Publicidade

Neste senso, as investigadoras do OSRG Alba Regueira e Berta Suárez apuntan que están ampliando o seu foco de xeito que agora “estamos avaliando tamén o potencial do microbioma oral como ferramenta preditiva para diagnosticar outras enfermidades orais moi relevantes no noso campo como a caries e a periimplantite”. Esta última trátase de unha infección dos tecidos que rodean o dente e que pode derivar na perda do oso que soporta a peza dental. “E os resultados que obtivemos ata o momento son moi prometedores”, explica Regueira.

Investigación da USC premiada

A investigación, titulada ‘Microbioma oral e aprendizaxe automática: un enfoque innovador para o diagnóstico de precisión da periodontite’, presentouna Berta Suárez no Congreso da Sociedade Española de Epidemioloxía e Saúde Pública Oral (SESPO) 2024, onde acadou o premio á Mellor Comunicación Oral.

DEIXAR UNHA RESPOSTA

Please enter your comment!
Please enter your name here

Este sitio emprega Akismet para reducir o spam. Aprende como se procesan os datos dos teus comentarios.

Relacionadas

Un estudo galego revela o papel clave dos adultos na repoboación do percebe

O 90% dos ocos deixados nas rochas polos mariscadores inician a súa recuperación en menos de seis meses cando se deixan grandes exemplares

Galicia emprega IA e venda en farmacias para anticiparse aos virus respiratorios

Una rede de estabelecementos e un modelo matemático servirán para predicir este inverno as necesidades asistenciais derivadas das infeccións

A USC participa no deseño dun sistema de alerta temperá de toxinas na auga

O obxectivo é predicir a aparición e a propagación dos tóxicos usando intelixencia artificial, modelización matemática, nanosensores e teledetección

Cal é o mellor fármaco para o TOC? O algoritmo galego que personaliza o tratamento

Un equipo da USC proba un sistema de recomendación de medicamentos segundo as características de cada paciente