Tekoälyavusteinen syljidiagnostiikka sähkökemiallisen anturialustan avulla parodontiitin havaitsemiseksi (SALIENCE) (SALIENCE)

Tausta ja perustelu Parodontiitti on krooninen tulehduksellinen sairaus, joka vaikuttaa hampaiden tukikudoksiin ja on yksi maailmanlaajuisesti yleisimpiä suusairauksia. Huolimatta sen korkeasta esiintyvyydestä, varhainen diagnosointi on edelleen suuri haaste, sillä nykyiset diagnostiikkatyökalut perustuvat retrospektiivisiin mittauksiin, kuten taskusyvyyteen, vuotoon koettaessa ja röntgenluukadon. Nämä indikaattorit heijastavat menneiden kudostuhoja pikemminkin kuin nykyistä sairauden aktiivisuutta, mikä johtaa viivästyneeseen diagnosointiin ja hoitoon.

Sylki on houkutteleva diagnostinen neste kajoamattomaan, reaaliaikaiseen sairauden seurantaan, koska se sisältää monimutkaisen seoksen biomarkkereita, jotka heijastavat sekä suun että systemaattista terveyttä. Kuitenkin sen biologinen vaihtelu, matriisivaikutukset ja altius saastumiselle ovat rajoittaneet sen luotettavuutta diagnostisena välineenä. Näiden haasteiden voittamiseksi tämä projekti yhdistää sähkökemiallisen anturoinnin tekoälyllä (AI) ohjattuun datan tulkintaan ja synteettisen datan tuottamiseen mahdollistaakseen robustin sylkipohjaisen diagnostiikan.

Tutkimuksen tavoitteet

Yleisenä tavoitteena on kehittää ja validoida tekoälyavusteinen sähkökemiallinen anturialusta, joka pystyy havaitsemaan parodontiittiin liittyviä biokemiallisia kuvioita syljessä. Erityiset tavoitteet ovat:

Suunnitella ja optimoida modulaarinen, monielektrodinen anturialusta syljen analysointiin.

Kehittää ja validoida tekoälyalgoritmit reaaliaikaiseen signaalin tulkintaan ja sairausluokitukseen.

Tuottaa toteuttamiskelpoisuus- ja konseptin todistusdataa tulevaa kliinistä implementointia varten hammashoidossa.

Tutkimussuunnittelu ja menetelmät Tämä on observaatiotutkimus, jossa otetaan sylkinäytteitä aikuisilta osallistujilta, joilla on diagnosoitu parodontiitti, ja terveiltä vertailuryhmän osallistujilta. Noin 25 parodontiittipotilasta ja laajennettu vertailuryhmä rekrytoidaan yhteistyössä olevasta hammaslääkäriklinikalta.

Sähkökemiallinen anturialusta sisältää useita elektrodityyppejä (hiili, kulta, platina, palladium), joista kukin on valittu tietyille sähkökemiallisille ja biokemiallisille ominaisuuksille. Elektrodit havaitsevat laajan kirjon syljessä olevia biomarkkereita, mukaan lukien tulehdukseen, oksidatiiviseen stressiin ja mikrobitoimintaan liittyviä metabolitteja. Järjestelmä tukee useita analyyttisiä tiloja, kuten differentiaalipulssivolttametriaa (DPV), joka tarjoaa korkean herkkyyden ja resoluution useiden analyyttien yli.

Kerätyt sylkinäytteet testataan ensin kontrolloiduissa laboratorio-olosuhteissa perustason anturivasteiden määrittämiseksi. Valitut näytteet käyvät läpi myös täydentäviä analyysejä (esim. H-NMR, LC-MS) kalibrointia ja validointia varten. Anturisignaalit käsitellään ja luokitellaan käyttäen ohjattuja ja ohjaamattomia koneoppimismalleja, mukaan lukien tukivektorikoneet ja satunnaismetsät. Synteettistä data-augmentaatiota, joka perustuu generatiivisiin malleihin kuten variaatioautokoodereihin, käytetään datasetin monipuolistamiseen ja mallin yleistyksen parantamiseen, erityisesti varhaisessa vaiheessa, kun näytemäärät ovat rajalliset.

Toteutussuunnitelma Projekti on järjestetty 24 kuukauden ajalle, alkaen syyskuusta 2025.

Kuukaudet 1-4: Elektrodimateriaalien valinta ja vertailu keinotekoisissa ja terveissä sylkinäytteissä.

Kuukaudet 5-8: Ensimmäisen prototyypin kokoaminen integroidulla tekoälysignaalin keräyksellä ja turvallisella, GDPR-yhteensopivalla datansiirrolla.

Kuukaudet 9-12: Synteettisten datasetien kehittäminen ja koneoppimismallien alustava koulutus.

Kuukaudet 9-19: Kliininen syljinäytteenotto ja iteratiivinen mallin hienosäätö uutta dataa käyttäen.

Kuukaudet 21-24: Konseptin todistusjärjestelmän testaus todellisessa kliinisessä ympäristössä, data-analyysi ja tulosten levittäminen.

Datan käsittely ja analyysi Kaikki kerätty data anonymisoidaan ja käsitellään GDPR:n ja eettisten standardien mukaisesti. Anturilähtöjä yhdistetään anonymisoituihin kliinisiin metatietoihin. Koneoppimismalleja arvioidaan luokitus-tarkkuuden, herkkyyden, spesifisyyden ja robustsiuden perusteella biologisten vaihteluiden suhteen. Tilastolliset analyysit sisältävät ristiinvalidointin ja suorituskykyvertailun eri elektrodikonfiguraatioiden ja tekoälymallien välillä.

Odotetut tulokset ja merkitys Tutkimus tuottaa toimivan konseptin todistusprototyypin tekoälyavusteisesta syljidiagnostiikkajärjestelmästä. Alustan tavoitteena on tarjota nopea, kajoamaton parodontiitin havaitseminen hoitopaikalla. Jos menestyy, se edustaa paradigman muutosta parodontaalisessa diagnostiikassa, mahdollistaen aiemman havaitsemisen, paremmin kohdennetut interventiot ja parantuneet potilastulokset.

Parodontiitin lisäksi järjestelmän modulaarinen suunnittelu sallii mukautumisen muihin sairauksiin, mukaan lukien suusyöpä, systemaattinen tulehdus ja metaboliset häiriöt. Tämä joustavuus parantaa sen pitkän aikavälin potentiaalia skaalautuvana diagnostiikkateknologiana sekä hammaslääketieteellisiin että lääketieteellisiin sovelluksiin.

Eettiset näkökohdat ja riskien hallinta Tutkimus on saanut hyväksynnän Ruotsin eettiseltä tarkastusviranomaiselta (viitenumero: 2025-04853-01). Kaikki osallistujat antavat kirjallisen tietoisuuden perusteella annetun suostumuksen ennen näytteenottoa. Tutkimus sisältää minimaalisen riskin, rajoittuen syljinäytteenottoon liittyvään epämukavuuteen. Kokeellista hoitoa tai invasiivisia toimenpiteitä ei suoriteta.

Mahdolliset tekniset riskit, kuten vaihtelu sylkinäytteissä tai laitteen suorituskyvyssä, lievennetään standardoitujen näytteenottoprotokollien ja iteratiivisen prototyypin hienosäätöjen kautta. Modulaarinen laitesuunnittelu varmistaa, että yksittäisiä komponentteja voidaan säätää tai korvata vaarantamatta koko järjestelmää.

Yhteistyö ja asiantuntemus Tämä tieteenalojen välinen projekti tuo yhteen asiantuntijoita kliinisestä hammaslääketieteestä, biolääketieteellisestä tekniikasta ja tietojenkäsittelytieteestä. Tutkimusta johtaa apul.prof. Shariel Sayardoust (Linköpingin yliopisto ja Östergötlandin lääni), yhteistyökumppaneina apul.prof. Magnus Falk, apul.prof. Julia Davies ja tohtori Erdal Akin Malmön yliopistosta. Teollinen yhteistyö Redoxme AB:n kanssa tukee laitteiston prototyyppien valmistusta ja integrointia.

Yhdessä konsortio pyrkii luomaan perustan seuraavan sukupolven syljidiagnostiikalle, joka yhdistää tekoälyn, sähkökemiallisen anturoinnin ja potilaskeskeisen hoidon arkipäiväisessä kliinisessä käytännössä.