AI-podporovaná diagnostika slin pomocí elektrochemické senzorové platformy pro detekci parodontitidy (SALIENCE) (SALIENCE)

Pozadí a odůvodnění Parodontitida je chronické zánětlivé onemocnění, které postihuje podpůrné tkáně zubů a je jedním z nejčastějších orálních onemocnění na světě. Přes její vysokou prevalenci zůstává včasná diagnóza hlavní výzvou, protože současné diagnostické nástroje se spoléhají na retrospektivní měření, jako je hloubka chobotu, krvácení při sondování a radiografická ztráta kosti. Tyto ukazatele odrážejí minulé poškození tkáně spíše než současnou aktivitu onemocnění, což vede ke zpožděné diagnóze a léčbě.

Sliny jsou atraktivní diagnostickou tekutinou pro neinvazivní monitorování onemocnění v reálném čase, protože obsahují komplexní směs biomarkerů, které odrážejí jak orální, tak systémové zdraví. Její biologická variabilita, matriční efekty a náchylnost ke kontaminaci však omezily její spolehlivost jako diagnostického média. K překonání těchto výzev tento projekt integruje elektrochemické snímání s interpretací dat řízenou umělou inteligencí (AI) a generováním syntetických dat, aby umožnil robustní diagnostiku založenou na slinách.

Cíle studie

Celkovým cílem je vyvinout a ověřit platformu elektrochemických senzorů s asistencí AI schopnou detekovat biochemické vzorce ve slinách spojené s parodontitidou. Konkrétní cíle jsou:

Navrhnout a optimalizovat modulární platformu senzorů s více elektrodami pro analýzu slin.

Vyvinout a ověřit algoritmy AI pro interpretaci signálů v reálném čase a klasifikaci onemocnění.

Generovat data o proveditelnosti a proof-of-concept pro budoucí klinickou implementaci v zubní péči.

Design studie a metody Jedná se o observační studii zahrnující odběr vzorků slin od dospělých účastníků diagnostikovaných s parodontitidou a zdravých kontrolních subjektů. Přibližně 25 pacientů s parodontitidou a rozšířená kontrolní skupina budou rekrutováni ze spolupracující zubní kliniky.

Platforma elektrochemických senzorů bude zahrnovat více typů elektrod (uhlíkové, zlaté, platinové, palladiové), z nichž každá je vybrána pro specifické elektrochemické a biochemické vlastnosti. Elektrody budou detekovat široké spektrum slinných biomarkerů, včetně metabolitů souvisejících se zánětem, oxidačním stresem a mikrobiální aktivitou. Systém podporuje několik analytických režimů, jako je diferenciální pulzní voltametrie (DPV), která poskytuje vysokou citlivost a rozlišení napříč více analyty.

Sebrané vzorky slin budou nejprve testovány za kontrolovaných laboratorních podmínek, aby bylo stanoveno základní odezvy senzorů. Vybrané vzorky také podstoupí doplňkové analýzy (např. H-NMR, LC-MS) pro kalibraci a validaci. Signály senzorů budou zpracovány a klasifikovány pomocí supervizovaných a nesupervizovaných modelů strojového učení, včetně support vector machines a random forests. Syntetická augmentace dat, založená na generativních modelech, jako jsou variační autoenkodéry, bude použita ke zvýšení diverzity datové sady a zlepšení generalizace modelu, zejména v rané fázi, kdy je počet vzorků omezený.

Plán implementace Projekt je organizován na 24 měsíců, počínaje zářím 2025.

Měsíce 1-4: Výběr a benchmarkování elektrodových materiálů v umělých a zdravých vzorcích slin.

Měsíce 5-8: Sestavení prvního prototypu s integrovaným sběrem signálů AI a bezpečným přenosem dat v souladu s GDPR.

Měsíce 9-12: Vývoj syntetických datových sad a počáteční trénink modelů strojového učení.

Měsíce 9-19: Klinický odběr vzorků slin a iterační zdokonalování modelu pomocí nových dat.

Měsíce 21-24: Testování proof-of-concept systému v reálném světě v klinickém prostředí, analýza dat a šíření výsledků.

Zpracování a analýza dat Všechna sebraná data budou anonymizována a zpracována podle standardů GDPR a etiky. Výstupy senzorů budou spojeny s anonymizovanými klinickými metadaty. Modely strojového učení budou hodnoceny na základě přesnosti klasifikace, senzitivity, specificity a robustness vůči biologické variabilitě. Statistické analýzy budou zahrnovat křížovou validaci a benchmarkování výkonu napříč konfiguracemi elektrod a modely AI.

Očekávané výsledky a význam Studie povede k funkčnímu proof-of-concept prototypu diagnostického systému pro sliny s asistencí AI. Platforma si klade za cíl poskytnout rychlou, neinvazivní detekci parodontitidy v místě péče. Pokud bude úspěšná, představuje paradigm shift v parodontální diagnostice, umožňující dřívější detekci, lépe cílené zásahy a zlepšené výsledky pro pacienty.

Mimo parodontitidu modulární design systému umožňuje adaptaci pro jiná onemocnění, včetně orálního karcinomu, systémového zánětu a metabolických poruch. Tato flexibilita zvyšuje jeho dlouhodobý potenciál jako škálovatelné diagnostické technologie jak pro zubní, tak pro lékařské aplikace.

Etické aspekty a řízení rizik Studie byla schválena Švédským etickým posuzovacím úřadem (referenční číslo: 2025-04853-01). Všichni účastníci poskytnou písemný informovaný souhlas před odběrem vzorků. Studie zahrnuje minimální riziko, omezené na nepohodlí spojené s odběrem slin. Nebudou prováděny žádné experimentální léčby nebo invazivní procedury.

Potenciální technická rizika, jako je variabilita ve vzorcích slin nebo výkon zařízení, budou zmírněna standardizovanými protokoly odběru a iteračním zdokonalováním prototypu. Modulární hardwarový design zajišťuje, že jednotlivé komponenty lze upravit nebo vyměnit bez ohrožení celého systému.

Spolupráce a odbornost Tento interdisciplinární projekt spojuje odborníky z klinické stomatologie, biomedicínského inženýrství a informatiky. Studii vede doc. Shariel Sayardoust (Linköpingská univerzita a kraj Östergötland), s spolupracovníky doc. Magnusem Falkem, doc. Julií Daviesovou a Dr. Erdalem Akinem z Malmöské univerzity. Průmyslová spolupráce s Redoxme AB podporuje prototypování a integraci hardwaru.

Společně konsorcium usiluje o vytvoření základu pro diagnostiku slin nové generace, která kombinuje AI, elektrochemické snímání a pacienty orientovanou péči v každodenní klinické praxi.