Investigadores estudian la detección de la periodontitis mediante una muestra de saliva e inteligencia artificial
Un equipo de la USC y del Instituto de Investigación Sanitaria de Santiago de Compostela (IDIS) acaba de demostrar el potencial de combinar el análisis del microbioma oral y la inteligencia artificial para avanzar hacia nuevas herramientas no invasivas de detección de la periodontitis, una enfermedad inflamatoria crónica que afecta a más de 1.000 millones de personas en el mundo. El trabajo está liderado por el Oral Sciences Research Group (OSRG), dirigido por la profesora Inmaculada Tomás, catedrática de la USC, y cuenta con la participación de la también catedrática de la USC e investigadora del Centro Singular de Investigación en Tecnologías Inteligentes de la USC (CiTIUS) María José Carreira y la investigadora Manuela Alonso-Sampedro del IDIS.
La investigación, desarrollada íntegramente desde instituciones españolas a partir de bases de datos microbiológicas públicas internacionales, analizó 2.303 muestras procedentes de 33 bioproyectos y comparó tres tipos de muestras de la cavidad oral: saliva, placa situada sobre los dientes y placa obtenida del interior del surco periodontal. Mediante diferentes técnicas de inteligencia artificial, el equipo buscó pequeñas combinaciones de bacterias capaces de diferenciar a las personas con periodontitis de aquellas otras con salud periodontal.
Los resultados sitúan a la saliva como la muestra con mayor potencial diagnóstico. El mejor modelo alcanzó una sensibilidad del 92,4%, una especificidad del 85,3% y un Área Bajo la Curva (AUC) de 0,928, una medida global de capacidad discriminativa. La placa supragingival obtuvo también resultados muy elevados, mientras que la placa subgingival —tradicionalmente considerada el nicho microbiológico de referencia de la periodontitis— mostró un rendimiento inferior. Además, los modelos alcanzaron estas cifras utilizando firmas muy reducidas, formadas por tan solo 6 a 12 marcadores bacterianos.
“Uno de los resultados más relevantes es comprobar que no necesitamos necesariamente acceder al interior de la bolsa periodontal para obtener información diagnóstica muy potente. La saliva integra señales microbiológicas procedentes de toda la cavidad oral y nuestros resultados muestran que esa huella microbiana, interpretada mediante inteligencia artificial, permite discriminar con una elevada precisión entre salud y periodontitis”, explica Inmaculada Tomás, investigadora principal del trabajo.
El estudio va más allá de medir únicamente la precisión de los algoritmos, ya que incorpora una evaluación específica de su posible utilidad en la toma de decisiones clínicas. El equipo identificó además 48 variantes bacterianas con valor predictivo, entre ellas microorganismos bien conocidos por su asociación con la periodontitis, como Porphyromonas gingivalis, Filifactor alocis, Fusobacterium nucleatum o Tannerella forsythia.
“El objetivo a largo plazo es avanzar hacia una periodoncia de precisión en la que una muestra sencilla de obtener, como la saliva, pueda ayudarnos a identificar precozmente qué personas presentan una mayor probabilidad de enfermedad y necesitan una evaluación periodontal completa. Este trabajo proporciona una base científica sólida para avanzar hacia el desarrollo de herramientas de cribado accesibles, no invasivas y aplicables a gran escala”, señala la profesora Tomás.
Estos resultados representan un paso decisivo hacia el desarrollo de futuras herramientas clínicas de cribado de la periodontitis basadas en una muestra de saliva, una aproximación especialmente atractiva por su carácter sencillo, no invasivo y potencialmente escalable.
El trabajo, titulado ‘Comparative Diagnostic Performance of Oral Microbial Hábitats for Periodontitis’, fue publicado en el Journal of Dental Research. La investigación contó con financiación del Instituto de Salud Carlos III (PI24/00222), cofinanciado por la Unión Europea, la Xunta de Galicia (ED431B GPC2024/05), y Nova Galimplant S.L.U.