Este proyecto se adecua a la prioridad científico-técnica de la AES 2021-2023 titulada “Herramientas, tecnologías y soluciones digitales para la salud y cuidados, promocionando el desarrollo y uso de técnicas, tecnologías y herramientas innovadoras para mejorar la calidad de vida”, englobándose en la línea prioritaria: “Mejoras en los procesos de prevención, predicción, diagnóstico y seguimiento de enfermedades y monitorización de la respuesta terapéutica”. Se plantean la siguiente hipótesis y objetivos: Pretendemos demostrar la capacidad predictiva del microbioma salival para discriminar con elevada precisión diagnóstica la presencia de enfermedades orales (gingivitis, periodontitis y caries) y enfermedades sistémicas (cáncer oral y cáncer colorrectal). Para ello, partir de los datos obtenidos de secuenciación masiva del gen ARNr 16S sobre muestras salivales y aplicando técnicas de Machine Learning (ML) tradicionales y avanzadas, y de Deep Learning (DL), proponemos el desarrollo de modelos predictivos que permitirán clasificar las patologías orales o sistémicas de estudio y modelos que puedan clasificar al mismo tiempo más de una patología en una muestra. Se establecen cinco fases metodológicas: Obtención de muestras salivales en controles y pacientes; metabarcoding 16S de las muestras; análisis bioinformático de los datos metagenómicos; análisis bioestadístico de modelización predictiva diagnóstica (ML y DL) e interpretación biológica/clínica de los resultados obtenidos.

gingivitis
periodontitis
caries
cáncer oral
cáncer colorrectal
microbioma
saliva
modelado predictivo
aprendizaje automático
aprendizaje profundo

Acción Estratégica en Salud (AES)