Presentación

Sustentación Trabajo de Grado “Desarrollo de un modelo predictivo a partir de espectros de masas MALDI-TOF de sueros sanguíneos como método de diagnóstico de preeclampsia”

El Grupo de Investigación en Procesos Electroquímicos GIPEL, adscrito al Departamento de Química de la Universidad del Cauca invita a la comunidad universitaria a la sustentación del Trabajo de Grado titulado: “Desarrollo de un modelo predictivo a partir de espectros de masas MALDI-TOF de sueros sanguíneos como método de diagnóstico de preeclampsia”.

El trabajo fue realizado en el marco de la Convocatoria + Mujer + Ciencias + Equidad del año 2021, promulgada por el Ministerio de Ciencia Tecnología e Innovación con el apoyo de la Vicepresidencia de la República a través de la Consejería Presidencial para la Mujer que se implementó en alianza con la Organización de Estados Iberoamericanos (OEI). En esta oportunidad la estudiante del programa de Química Laura Camila Maca fue una de las ganadoras de esta importante convocatoria a nivel nacional, la cual le permitió realizar una pasantía en la Fundación Cardiovascular de Colombia, la Universidad Industrial de Santander (UIS) y la Universidad del Cauca.

La relevancia de la investigación desarrollada radica en la implementación de técnicas de Inteligencia Artificial (IA) en el análisis de datos para futuras predicciones de enfermedades, como la preeclampsia, uno de los síndromes hipertensivos con principales causas de morbilidad en el mundo, actualmente existe un interés por diagnosticarla en tempranas etapas del embarazo. Bajo estas consideraciones, en este trabajo se desarrolló un modelo predictivo a partir de datos obtenidos por la técnica analítica de ionización-desorción por láser asistida por matriz con analizador de tiempo de vuelo (MALDI-TOF-MS) a 164 muestras de sueros sanguíneos, 67 casos de mujeres con preeclampsia y 97 controles de mujeres gestantes sanas, que fueron tratadas con el fin de estudiar diferencias significativas para el diagnóstico oportuno. Los datos recolectados se trataron con herramientas de Machine Learning encontrando un porcentaje de exactitud del 88% para uno de los modelos ensayados.

La fecha de sustentación es el viernes 17 de mayo de 2024, a las 9:00 de la mañana en el salón 222 de posgrado, corredor antiguo Contacto 55 Facultad de Ciencias Naturales, Exactas y de la Educación.

Enlace de reunión: https://qr.link/k2IK9C [1]