Un equipo de la Universidade de Santiago de Compostela (USC) y del Instituto de Investigación Sanitaria de Santiago de Compostela (IDIS) ha demostrado 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.

Tal y como ha destacado la USC, 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.

Así, 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 ubicada sobre los dientes y placa obtenida del interior del surco periodontal.

A través de 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.

En este caso, los resultados sitúan la saliva como la muestra con mayor potencial diagnóstico. De hecho, 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.

Mientras, 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 sólo 6 la 12 marcadores bacterianos, según ha destacado la USC.

«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 microbiológicos 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», ha explicado Inmaculada Tomás, investigadora principal del trabajo.

«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 que 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», ha celebrado la profesora Tomás.