Jak poinformowało w piątek biuro prasowe UJ, badania związane z ustanowieniem wytycznych dotyczących lepszego wykorzystania danych mikrobiomu w diagnostyce chorób przeprowadził zespół z Sano - Centrum Medycyny Obliczeniowej, Małopolskiego Centrum Biotechnologii Uniwersytetu Jagiellońskiego i Uniwersytetu w Tartu. Ich wyniki zostały właśnie opublikowane w czasopiśmie Microbiome.

Autorzy zastosowali algorytmy uczenia maszynowego oraz różne techniki transformacji danych do analizy ponad 8,5 tys. próbek pochodzących z 24 różnych zestawów danych mikrobiomu jelit. Celem ich pracy było poprawienie precyzji w rozróżnianiu profili bakterii jelitowych między stanami zdrowia a chorobami, a także uzyskanie głębszego wglądu w to, jak wybór metod analitycznych wpływa na identyfikację kluczowych bakterii.

Zdaniem autorów badania mikrobioty jelitowej pokazują, że zmiany w jej składzie mogą działać jako naturalne biomarkery; np. określone wzorce w mikrobiomie - zwiększona obfitość niektórych bakterii lub brak innych - mogą wskazywać na wystąpienie poważnych schorzeń, zanim jeszcze pacjent zauważy jakiekolwiek objawy.

„To jak system wczesnego ostrzegania, który może wykryć problemy zdrowotne, zanim pojawią się jakiekolwiek objawy. Nowotwory jelita grubego i trzustki są godnymi uwagi przykładami, w których mikrobiom może poprawić diagnostykę chorób” - zaznaczyli naukowcy.

Metody oparte na diagnostyce mikrobiomu – wskazali w swojej pracy - są mniej inwazyjne i uciążliwe dla pacjentów, oferując nową jakość w medycynie prewencyjnej.

Eksperci wskazali także na pilną potrzebę standaryzacji metod analizy mikrobiomu, co w połączeniu z mocą sztucznej inteligencji może zmienić sposób, w jaki mikrobiom jest rozumiany i wykorzystywany w medycynie.(PAP)

Nauka w Polsce

rgr/ bar/