Una plataforma de diagnóstico no invasivo para la leishmaniasis canina utilizando análisis de COV y infraestructura...

Área de la Ciencia:

• Medicina Veterinaria
• Biología computacional
• Ciencias del medio ambiente

Sus antecedentes:

• La leishmaniasis canina representa un riesgo significativo para la salud de los perros y puede transmitirse a los seres humanos.
• Los métodos de diagnóstico actuales pueden ser invasivos y pueden no detectar la enfermedad en sus primeras etapas.
• La identificación de compuestos orgánicos volátiles (COV) específicos de la enfermedad ofrece un posible enfoque de diagnóstico no invasivo.

Objetivo del estudio:

• Desarrollar y describir una nueva arquitectura de software para la detección no invasiva de la leishmaniasis canina.
• Integrar tecnologías de detección de gases, inteligencia artificial (IA) y software basado en la nube para la identificación de enfermedades.
• Para permitir la detección temprana de parásitos en todas las etapas infecciosas.

Principales métodos:

• Se diseñó una arquitectura de software de varios niveles, que incorpora la recopilación de datos, el procesamiento previo y el análisis de aprendizaje automático (ML).
• Se emplearon tecnologías de detección de gases para detectar compuestos orgánicos volátiles en muestras de aliento y pelo canino.
• La plataforma se integró en un complemento de sitio web, con interfaces de usuario para veterinarios, investigadores y dueños de mascotas.

Principales resultados:

• La plataforma propuesta integra con éxito diversos componentes para la detección de la leishmaniasis canina.
• El sistema está diseñado para identificar los COV específicos de la enfermedad, facilitando el diagnóstico no invasivo.
• La arquitectura soporta varios roles de usuario, mejorando la accesibilidad y la utilidad.

Conclusiones:

• La arquitectura de software desarrollada proporciona un marco sólido para la detección no invasiva de la leishmaniasis canina.
• La identificación temprana de parásitos infecciosos es crucial para la gestión y el control efectivos de la enfermedad.
• Este enfoque basado en sensores impulsado por IA representa un avance significativo en el diagnóstico veterinario.