Objetivo: El síndrome de apnea obstructiva del sueño (SAOS) constituye un grave problema de salud pública debido a la alta comorbilidad asociada. Desde la perspectiva clínica, existe un profundo interés en el desarrollo de herramientas que faciliten el diagnóstico del SAOS en pacientes con síntomas sugestivos del trastorno. Nuestro grupo ha demostrado cómo la combinación de machine learning y el análisis del perfil de microRNA (miRNA) en biopsias líquidas constituye un enfoque prometedor en la identificación de fenotipos clínicos, y con ello, en la mejora la detección de la patología. El objetivo del presente proyecto consiste en el desarrollo un modelo diagnóstico que integre información de la historia clínica del paciente, así como la firma molecular de miRNA plasmáticos. Para ello, consideraremos interacciones complejas entre predictores a través del uso de técnicas de machine learning. Metodología: Estudio observacional y multicéntrico. Utilizaremos una aproximación al contexto clínico real. Incluiremos muestras de plasma de dos cohortes de pacientes con sospecha de SAOS atendidos consecutivamente por Unidades del Sueño en 6 centros: i) se utilizará la cohorte bioSAOS (n=516) para construir los modelos diagnósticos; ii) se utilizará la cohorte Fenotipos (n=500) para la validación de los modelos. En primer lugar, realizaremos un análisis transcriptómico global en biopsias líquidas para detectar miRNA predictores de OSA. Tras ello, construiremos y validaremos los modelos para el diagnóstico de SAOS basados en variables clínicas y la firma de miRNA del paciente. Emplearemos decision tree learning además del enfoque tradicional de desarrollo de biomarcadores.
Apnea Obstructiva del Sueño
Machine Learning
Transcriptómica
Biomarcadores
microRNAs
Acción Estratégica en Salud (AES)
01/01/2021 - 31/12/2023
DAVID DE GONZALO CALVO
INSTITUTO INV. BIOMEDICA DE LLEIDA. FUNDACION DR. PIFARRE (IRBLLEIDA)
INSTITUTO INV. BIOMEDICA DE LLEIDA. FUNDACION DR. PIFARRE (IRBLLEIDA)
CATALUÑA
LERIDA
147,620 €