Resumen

Antecedentes: 

La metabolómica basada en sangre es cada vez más reconocida como una herramienta poderosa para la detección de enfermedades en la medicina humana. Sin embargo, su aplicación en la ciencia veterinaria sigue siendo limitada.

Objetivo: 

Evaluar la capacidad de una plataforma de metabolómica basada en RMN, combinada con aprendizaje automático, para detectar cáncer, enfermedades cardiovasculares (ECV) y el estado de salud general de los perros.

Animales: 

Se reclutaron perros propiedad de clientes en dos centros. De los 156 animales inscritos, 139 permanecieron tras las exclusiones y se utilizaron para el adiestramiento y la validación cruzada de modelos de clasificación.

Métodos: 

Se obtuvieron muestras de sangre de perros clínicamente sanos y de perros con diversas enfermedades. Se realizó un hemograma completo y se generaron datos de metabolómica sérica y perfilado de lipoproteínas mediante espectroscopía RMN. Se entrenaron clasificadores de aprendizaje automático para distinguir perros sanos de no sanos, y para identificar mejor los casos de cáncer y ECV. El rendimiento del modelo se evaluó mediante validación cruzada y frente a modelos nulos con etiquetas de clase permutadas.