A Academia Galega de Ciencias recoñece o estudo dos microplásticos

Os premios Ernesto Viéitez Cortizo valoran tamén investigacións sobre a glicosa e o uso médico da intelixencia artificial

Este 14 de marzo a Real Academia Galega de Ciencias daba a coñecer o fallo dos Premios de Investigación Ernesto Viéitez Cortizo correspondentes a 2023. O equipo liderado por Soledad Muniategui, do Grupo de Química Analítica Aplicada do Instituto Universitario de Medio Ambiente da Universidade da Coruña fíxose co primeiro premio desta edición, dotado con 6.000 euros.

Este grupo traballa nun método para recoñecer microplásticos no medio natural, e está a desenvolver con outros centros europeos patróns certificados que permitan validar métodos analíticos neste campo. Segundo sinala a Academia de Ciencias, o equipo "tras xerar a capacidade de identificar e caracterizar microplásticos, están a abordar investigacións centradas en como determinalos na cadea trófica". Nesta liña, "desenvolveron novos métodos para determinalos en fitoplancto e zooplancto, algas de consumo humano e peixe (en particular en xarda e salmón)". Tamén están en marcha probas "para detectar a súa presenza nun campo novo e relevante como é o aire".

Canda a este galardón, a RAGC outorgoulle un accésit ao equipo coordinado por María Jesús González, do Centro Singular de Investigación en Medicina Molecular e Enfermidades Crónicas (CiMUS) da Universidade de Santiago. O control do metabolismo da glicosa centra o labor deste grupo, que descubriu os mecanismos que regulan a actividade enzimática da proteína PCK1, fundamental á hora de coordinar a nivelación de glicosa no corpo. A descuberta abre novas posibilidades para o tratamento de doenzas como a diabetes.

Outro accésit foi para o equipo dirixido por Marcos Ortega, do Grupo de Investigación en Visión Artificial e Recoñecemento de Patróns da Facultade de Informática da Universidade da Coruña. O traballo premiado desenvolve novos paradigmas de aprendizaxe automática para facilitar a aplicación da intelixencia artificial na análise das imaxes médicas. Coa súa metodoloxía é posible adestrar esta tecnoloxía con cantidades menores de datos e incrementar a súa fiabilidade, o que facilita o traballo do persoal clínico e mellora os diagnósticos.