Desenvolvemento de modelos predictivos de aprendizaxe automática baseados en datos multiómicos sa...

Desenvolvemento de modelos predictivos de aprendizaxe automática baseados en datos multiómicos salivais para o diagnóstico do cancro oral

O carcinoma oral de células escamosas constitúe o 90% dos casos e está estreitamente relacionado co consumo de tabaco e alcohol. Actualmente, a biopsia é o método diagnóstico de referencia, pero o seu carácter invasivo e limitado seguimento dificultan o seu uso rutineiro.

Neste contexto, a salivaómica clínica emerxe como unha alternativa prometedora dentro da medicina de precisión. Esta disciplina analiza de forma integral os compoñentes moleculares da saliva —incluídos xenoma, proteoma, metaboloma e microbioma— mediante tecnoloxías ómicas avanzadas. O seu carácter non invasivo, accesibilidade e estabilidade converten á saliva nun fluído ideal para o diagnóstico precoz, seguimento e monitorización do cancro oral.

Obxectivos

Este proxecto ten como obxectivo desenvolver modelos predictivos baseados na análise do microbioma e do proteoma salival —mediante secuenciación do ARNr 16S e tecnoloxía proteómica SWATH— aplicando técnicas de aprendizaxe automática para o diagnóstico do cancro oral. Deseñaranse ferramentas multiómicas precisas e xeneralizables que permitan clasificar a enfermidade, estimar o risco individual, validar o rendemento con datos externos e considerar variables clínicas clave como idade, sexo e hábitos tóxicos.