Desarrollo de modelos predictivos de aprendizaje automático basados en datos multiómicos salivale...

Desarrollo de modelos predictivos de aprendizaje automático basados en datos multiómicos salivales para el diagnóstico del cáncer oral

El cáncer oral representa un desafío relevante en salud pública en España, con una incidencia de 6,7 casos por cada 100.000 habitantes y una mortalidad anual que supera las 1.500 muertes, especialmente en varones mayores de 50 años. La supervivencia a cinco años se sitúa entre el 50% y el 60%, mejorando significativamente en casos detectados en estadios tempranos. Sin embargo, el diagnóstico suele realizarse en fases avanzadas, lo que compromete el pronóstico y eleva los costes sanitarios.

El carcinoma oral de células escamosas constituye el 90% de los casos y está estrechamente relacionado con el consumo de tabaco y alcohol. Actualmente, la biopsia es el método diagnóstico de referencia, pero su carácter invasivo y limitado seguimiento dificultan su uso rutinario.

En este contexto, la salivaómica clínica emerge como una alternativa prometedora dentro de la medicina de precisión. Esta disciplina analiza de forma integral los componentes moleculares de la saliva —incluidos genoma, proteoma, metaboloma y microbioma— mediante tecnologías ómicas avanzadas. Su carácter no invasivo, accesibilidad y estabilidad convierten a la saliva en un fluido ideal para el diagnóstico precoz, seguimiento y monitorización del cáncer oral.

Objetivos

Este proyecto tiene como objetivo desarrollar modelos predictivos basados en el análisis del microbioma y del proteoma salival —mediante secuenciación del ARNr 16S y tecnología proteómica SWATH— aplicando técnicas de aprendizeje automático para el diagnóstico del cáncer oral. Se diseñarán herramientas multiómicas precisas y generalizables que permitan clasificar la enfermedad, estimar el riesgo individual, validar el rendimiento con datos externos y considerar variables clínicas clave como edad, sexo y hábitos tóxicos.

El cáncer oral representa un desafío relevante en salud pública en España, con una incidencia de 6,7 casos por cada 100.000 habitantes y una mortalidad anual que supera las 1.500 muertes, especialmente en varones mayores de 50 años. La supervivencia a cinco años se sitúa entre el 50% y el 60%, mejorando significativamente en casos detectados en estadios tempranos. Sin embargo, el diagnóstico suele realizarse en fases avanzadas, lo que compromete el pronóstico y eleva los costes sanitarios.El carcinoma oral de células escamosas constituye el 90% de los casos y está estrechamente relacionado con el consumo de tabaco y alcohol. Actualmente, la biopsia es el método diagnóstico de referencia, pero su carácter invasivo y limitado seguimiento dificultan su uso rutinario.En este contexto, la salivaómica clínica emerge como una alternativa prometedora dentro de la medicina de precisión. Esta disciplina analiza de forma integral los componentes moleculares de la saliva —incluidos genoma, proteoma, metaboloma y microbioma— mediante tecnologías ómicas avanzadas. Su carácter no invasivo, accesibilidad y estabilidad convierten a la saliva en un fluido ideal para el diagnóstico precoz, seguimiento y monitorización del cáncer oral. Este proyecto tiene como objetivo desarrollar modelos predictivos basados en el análisis del microbioma y del proteoma salival —mediante secuenciación del ARNr 16S y tecnología proteómica SWATH— aplicando técnicas de aprendizeje automático para el diagnóstico del cáncer oral. Se diseñarán herramientas multiómicas precisas y generalizables que permitan clasificar la enfermedad, estimar el riesgo individual, validar el rendimiento con datos externos y considerar variables clínicas clave como edad, sexo y hábitos tóxicos. - AP-22017/2025 - Inmaculada Tomás Carmona - María José Carreira Nouche, Carlos Balsa Castro