Diagnóstico de Periodontitis Asistido por IA Utilizando una Plataforma de Sensores Electroquímicos para la Detección en Saliva (SALIENCE) (SALIENCE)

Antecedentes y justificación La periodontitis es una enfermedad inflamatoria crónica que afecta a los tejidos de soporte de los dientes y es una de las enfermedades orales más prevalentes en todo el mundo. A pesar de su alta prevalencia, el diagnóstico precoz sigue siendo un gran desafío, ya que las herramientas diagnósticas actuales se basan en medidas retrospectivas como la profundidad de sondaje, el sangrado al sondaje y la pérdida ósea radiográfica. Estos indicadores reflejan la destrucción tisular pasada en lugar de la actividad actual de la enfermedad, lo que conduce a un diagnóstico y tratamiento tardíos.

La saliva es un fluido diagnóstico atractivo para el seguimiento no invasivo y en tiempo real de enfermedades porque contiene una mezcla compleja de biomarcadores que reflejan tanto la salud oral como la sistémica. Sin embargo, su variabilidad biológica, efectos de matriz y susceptibilidad a la contaminación han limitado su fiabilidad como medio diagnóstico. Para superar estos desafíos, este proyecto integra la detección electroquímica con la interpretación de datos impulsada por inteligencia artificial (IA) y la generación de datos sintéticos para permitir diagnósticos robustos basados en la saliva.

Objetivos del estudio

El objetivo general es desarrollar y validar una plataforma de sensores electroquímicos asistida por IA capaz de detectar patrones bioquímicos en la saliva asociados con la periodontitis. Los objetivos específicos son:

Diseñar y optimizar una plataforma de sensores modular y multielectrodo para el análisis de saliva.

Desarrollar y validar algoritmos de IA para la interpretación de señales en tiempo real y la clasificación de enfermedades.

Generar datos de viabilidad y prueba de concepto para la futura implementación clínica en atención dental.

Diseño del estudio y métodos Se trata de un estudio observacional que implica el muestreo de saliva de participantes adultos diagnosticados con periodontitis y sujetos de control sanos. Se reclutarán aproximadamente 25 pacientes con periodontitis y un grupo de control ampliado de una clínica dental colaboradora.

La plataforma de sensores electroquímicos incluirá múltiples tipos de electrodos (carbono, oro, platino, paladio), cada uno seleccionado por sus propiedades electroquímicas y bioquímicas específicas. Los electrodos detectarán un amplio espectro de biomarcadores salivales, incluidos metabolitos relacionados con la inflamación, el estrés oxidativo y la actividad microbiana. El sistema admite varios modos analíticos, como la voltamperometría de pulso diferencial (DPV), que proporciona alta sensibilidad y resolución en múltiples analitos.

Las muestras de saliva recolectadas se analizarán primero en condiciones de laboratorio controladas para establecer las respuestas basales del sensor. Las muestras seleccionadas también se someterán a análisis complementarios (por ejemplo, H-RMN, LC-EM) para calibración y validación. Las señales del sensor se procesarán y clasificarán utilizando modelos de aprendizaje automático supervisado y no supervisado, incluyendo máquinas de vectores de soporte y bosques aleatorios. La ampliación de datos sintéticos, basada en modelos generativos como los autoencoders variacionales, se utilizará para aumentar la diversidad del conjunto de datos y mejorar la generalización del modelo, especialmente en la fase inicial cuando el número de muestras es limitado.

Plan de implementación El proyecto está organizado a lo largo de 24 meses, comenzando en septiembre de 2025.

Meses 1-4: Selección y evaluación comparativa de materiales de electrodos en muestras de saliva artificial y sana.

Meses 5-8: Montaje del primer prototipo con adquisición de señales de IA integrada y transmisión de datos segura y conforme al RGPD.

Meses 9-12: Desarrollo de conjuntos de datos sintéticos y entrenamiento inicial de modelos de aprendizaje automático.

Meses 9-19: Muestreo clínico de saliva y refinamiento iterativo del modelo utilizando nuevos datos.

Meses 21-24: Prueba en el mundo real del sistema de prueba de concepto en un entorno clínico, análisis de datos y difusión de resultados.

Manejo y análisis de datos Todos los datos recolectados se anonimizarán y procesarán de acuerdo con el RGPD y los estándares éticos. Las salidas del sensor se vincularán a metadatos clínicos anonimizados. Los modelos de aprendizaje automático se evaluarán en función de la precisión de clasificación, sensibilidad, especificidad y robustez frente a la variabilidad biológica. Los análisis estadísticos incluirán validación cruzada y evaluación comparativa del rendimiento en diferentes configuraciones de electrodos y modelos de IA.

Resultados esperados y significado El estudio dará como resultado un prototipo funcional de prueba de concepto de un sistema de diagnóstico salival asistido por IA. La plataforma tiene como objetivo proporcionar una detección rápida y no invasiva de la periodontitis en el punto de atención. Si tiene éxito, representará un cambio de paradigma en el diagnóstico periodontal, permitiendo una detección más temprana, intervenciones mejor dirigidas y mejores resultados para los pacientes.

Más allá de la periodontitis, el diseño modular del sistema permite la adaptación para otras enfermedades, incluido el cáncer oral, la inflamación sistémica y los trastornos metabólicos. Esta flexibilidad aumenta su potencial a largo plazo como una tecnología de diagnóstico escalable para aplicaciones tanto dentales como médicas.

Consideraciones éticas y gestión de riesgos El estudio ha sido aprobado por la Autoridad Sueca de Revisión Ética (número de referencia: 2025-04853-01). Todos los participantes proporcionarán consentimiento informado por escrito antes de la recolección de muestras. El estudio implica un riesgo mínimo, limitado a las molestias asociadas con el muestreo de saliva. No se realizarán tratamientos experimentales ni procedimientos invasivos.

Los riesgos técnicos potenciales, como la variabilidad en las muestras de saliva o el rendimiento del dispositivo, se mitigarán mediante protocolos de muestreo estandarizados y el refinamiento iterativo del prototipo. El diseño modular del hardware garantiza que los componentes individuales puedan ajustarse o reemplazarse sin comprometer el sistema general.

Colaboración y experiencia Este proyecto interdisciplinario reúne a expertos en odontología clínica, ingeniería biomédica y ciencias de la computación. El estudio está dirigido por la Prof. Asoc. Shariel Sayardoust (Universidad de Linköping y Condado de Östergötland), con los colaboradores Prof. Asoc. Magnus Falk, Prof. Asoc. Julia Davies y Dr. Erdal Akin de la Universidad de Malmö. La colaboración industrial con Redoxme AB respalda la creación de prototipos de hardware y la integración.

Juntos, el consorcio tiene como objetivo sentar las bases para la próxima generación de diagnósticos salivales que combinen IA, detección electroquímica y atención centrada en el paciente en la práctica clínica diaria.