Las enfermedades trasmitidas por las bebidas y alimentos es una de las preocupaciones de la salud pública con un alto impacto social y económico. Una de las infecciones más graves para el ser humano está provocada por la bacteria Listeria monocytogenes, infección conocida como listeriosis. A raíz de este problema muchos científicos han comenzado hacer uso de la microbiología predictiva y gracias al Data Mining, que proporciona herramientas de modelación y análisis de bases de datos, han podido predecir el comportamiento de los microorganismos a lo largo de la cadena de producción de un alimento.
Data Mining y la listeriosis
En un estudio desarrollado por Francisco J. Garcés y Bernadette Klotz de la Universidad de La Sabana, Bogotá, Colombia, aplica el Data Mining a partir del análisis de la base de datos ComBase, que reúne más de 50.000 datos experimentales sobre el crecimiento e inactivación microbiana generados en gran parte por el Institute of Food Research (IFR, UK), la Food Standars Agency (UK), el Agricultural Research Service (ARS, USA) y el Food Safety Center (Australia). Esta base de datos ha facilitado la determinación del comportamiento de la bactería Listeria monocytogenes, a partir de datos como la temperatura y el ph. Además, permite analizar la respuesta del microorganismo a una combinación determinada de factores intrínsecos y extrínsecos.
El Data Mining ha aportado a la ciencia y la microbiología predictiva un camino para extraer datos útiles y de gran interés científico, en especial, en el análisis de alimentos para garantizar la inocuidad de estos.
En el caso que tratamos centrado en la listeriosis, el Data Mining se aplico para predecir la inactividad la tasa de inactivación en función de la temperatura y el pH, con el fin de optimizar los procesos de pasteurización en alimentos.
La listeriosis tiene una mortalidad del 30%, incluso puede llegar al 70% en aquellos casos de infección. Por norma general, podemos adquirir esta enfermedad a partir del consumo de alimenots que contienen la bacteria, en concreto, productos como la leche cruda, queso elaborado con este tipo de leche, carne cruda o mal cocinada, así como en embutidos, verduras mal labavadas y patés. Es una enfermedad que preocupa especialmente durante el embarazo, ya que contraerla puede ser nefasto para el feto o durante el parto.
La conclusión de este estudio aporto como resultado una gran variabilidad asociada a factores relaciones con la inactividad térmica, la cepa bacteriana de estudio y su estado fisiológico. Pero gracias al Data Mining se pudo construir un modelo predictivo satisfactorio. Datos que son fundamentales para minorizar los riesgos en la salud y en estados de embarazo.
Modelos predictivos con Data Mining
No solo para los alimentos se aplica el Data Mining, sino que también se puede llegar a establecer patrones con Data Mining dirigidos a las cadenas de ADN.
El Data Mining ha permitido analizar, entre otras cosas, patrones de conducta y predicción de comportamiento del genoma humano ante una infección o patología. Con ello, se puede prevenir y frenar el desarrollo de una enfermedad. Todo ello se ha logrado a partir de los datos que vuelcan las modernas técnicas de secuenciación de ADN, que transforman su estructura química en secuencias informáticas de símbolos, estas se pueden integrar en logaritmos matemáticos para lograr un patrón de conducta del cuerpo humano ante una infección determinada.
Comments
comments