Unha simple mostra de saliva podería converterse no futuro nunha ferramenta para identificar as persoas con maior risco de padecer periodontite. Así o apunta unha investigación desenvolvida por científicos da Universidade de Santiago de Compostela (USC) e do Instituto de Investigación Sanitaria de Santiago de Compostela (IDIS), que combinou o estudo do microbioma oral con técnicas de intelixencia artificial.
O traballo analizou máis de 2.300 mostras procedentes de 33 bioproxectos e comparou diferentes zonas da cavidade oral para determinar cal delas ofrecía máis información sobre a enfermidade. Os resultados sitúan a saliva como a mostra con maior potencial para diferenciar entre persoas sas e pacientes con periodontite.
Unha enfermidade que afecta a máis de 1.000 millóns de persoas
A periodontite é unha enfermidade inflamatoria crónica que pode danar os tecidos encargados de manter os dentes e que afecta a máis de 1.000 millóns de persoas no mundo.
A investigación está liderada por Inmaculada Tomás, catedrática da USC e responsable do Oral Sciences Research Group (OSRG). No estudo tamén participaron María José Carreira, catedrática da USC e investigadora do CiTIUS, e Manuela Alonso-Sampedro, investigadora do IDIS.
O obxectivo foi comprobar se a composición bacteriana da boca podía ofrecer información suficiente para identificar a presenza da enfermidade sen necesidade de recorrer directamente á zona periodontal afectada.
A saliva ofrece os mellores resultados
Os investigadores estudaron tres tipos de mostras: saliva, placa bacteriana acumulada sobre os dentes e placa situada no interior do suco periodontal.
Os resultados foron especialmente relevantes no caso da saliva. O modelo con mellor comportamento conseguiu unha sensibilidade do 92,4 % e unha especificidade do 85,3 %, cunha área baixo a curva de 0,928, un indicador utilizado para medir a capacidade dun modelo á hora de distinguir entre diferentes condicións.
A placa supragingival tamén mostrou un elevado potencial, mentres que as mostras obtidas directamente do suco periodontal presentaron un rendemento inferior ao esperado.
A intelixencia artificial reduce a análise a poucos marcadores
Outro dos achados do estudo é que non sería necesario analizar centos de microorganismos: os modelos lograron bos resultados con sinaturas de só entre 6 e 12 marcadores bacterianos. Tras comparar diferentes métodos de aprendizaxe automática, os modelos aditivos xeneralizados ofreceron o equilibrio máis favorable entre detección da enfermidade e identificación de persoas sas.
En total, a análise permitiu localizar 48 variantes bacterianas con valor predictivo, entre elas especies relacionadas coa periodontite como Porphyromonas gingivalis, Filifactor alocis, Treponema denticola e Fusobacterium nucleatum.
Estes resultados permitiron identificar tanto os microorganismos que contribúen á clasificación das mostras como aqueles que poderían ter interese como futuros marcadores da enfermidade.
Un posible futuro cribado a partir da saliva
Os resultados abren a porta ao desenvolvemento futuro dunha ferramenta de cribado baseada na saliva, unha mostra sinxela, indolora e non invasiva que podería axudar a identificar as persoas que necesitan unha revisión periodontal máis completa.
Porén, aínda non se trata dunha proba dispoñible para o diagnóstico clínico: os modelos deberán validarse en novas poboacións e en condicións reais antes de chegar á práctica odontolóxica.
O traballo, publicado no Journal of Dental Research, supón así un paso cara a unha periodoncia máis personalizada e ao uso combinado do microbioma e a intelixencia artificial para avanzar na detección precoz da enfermidade.