Diagnostica della Salivazione Assistita dall'IA Utilizzando una Piattaforma di Sensori Elettrochimici per il Rilevamento della Parodontite (SALIENCE) (SALIENCE)

Contesto e Motivazione La parodontite è una malattia infiammatoria cronica che colpisce i tessuti di supporto dei denti ed è una delle malattie orali più diffuse al mondo. Nonostante la sua alta prevalenza, la diagnosi precoce rimane una sfida importante, poiché gli attuali strumenti diagnostici si basano su misure retrospettive come la profondità delle tasche, il sanguinamento al sondaggio e la perdita ossea radiografica. Questi indicatori riflettono la distruzione tissutale passata piuttosto che l'attività attuale della malattia, portando a diagnosi e trattamenti ritardati.

La saliva è un fluido diagnostico interessante per il monitoraggio non invasivo e in tempo reale delle malattie perché contiene una miscela complessa di biomarcatori che riflettono sia la salute orale che quella sistemica. Tuttavia, la sua variabilità biologica, gli effetti di matrice e la suscettibilità alla contaminazione ne hanno limitato l'affidabilità come mezzo diagnostico. Per superare queste sfide, questo progetto integra la rilevazione elettrochimica con l'interpretazione dei dati guidata dall'intelligenza artificiale (IA) e la generazione di dati sintetici per consentire una diagnostica robusta basata sulla saliva.

Obiettivi dello Studio

L'obiettivo generale è sviluppare e validare una piattaforma di sensori elettrochimici assistita dall'IA in grado di rilevare i pattern biochimici nella saliva associati alla parodontite. Gli obiettivi specifici sono:

Progettare e ottimizzare una piattaforma di sensori modulare a multi-elettrodo per l'analisi della saliva.

Sviluppare e validare algoritmi di IA per l'interpretazione del segnale in tempo reale e la classificazione della malattia.

Generare dati di fattibilità e proof-of-concept per la futura implementazione clinica nell'assistenza odontoiatrica.

Disegno dello Studio e Metodi Si tratta di uno studio osservazionale che coinvolge il campionamento della saliva da partecipanti adulti diagnosticati con parodontite e soggetti di controllo sani. Circa 25 pazienti con parodontite e un gruppo di controllo ampliato saranno reclutati da una clinica odontoiatrica collaborativa.

La piattaforma di sensori elettrochimici includerà diversi tipi di elettrodi (carbonio, oro, platino, palladio), ciascuno selezionato per specifiche proprietà elettrochimiche e biochimiche. Gli elettrodi rileveranno un ampio spettro di biomarcatori salivari, inclusi metaboliti correlati all'infiammazione, allo stress ossidativo e all'attività microbica. Il sistema supporta diverse modalità analitiche, come la voltammetria a impulsi differenziali (DPV), che fornisce alta sensibilità e risoluzione su più analiti.

I campioni di saliva raccolti saranno prima testati in condizioni di laboratorio controllate per stabilire le risposte di base del sensore. I campioni selezionati saranno anche sottoposti ad analisi complementari (ad esempio, H-NMR, LC-MS) per calibrazione e validazione. I segnali del sensore saranno elaborati e classificati utilizzando modelli di apprendimento automatico supervisionati e non supervisionati, inclusi le macchine a vettori di supporto e le foreste casuali. L'aumento dei dati sintetici, basato su modelli generativi come gli autoencoder variazionali, sarà utilizzato per aumentare la diversità del dataset e migliorare la generalizzazione del modello, specialmente nella fase iniziale quando il numero di campioni è limitato.

Piano di Implementazione Il progetto è organizzato in 24 mesi, a partire da settembre 2025.

Mesi 1-4: Selezione e benchmarking dei materiali degli elettrodi in campioni di saliva artificiale e sana.

Mesi 5-8: Assemblaggio del primo prototipo con acquisizione del segnale IA integrata e trasmissione dei dati sicura e conforme al GDPR.

Mesi 9-12: Sviluppo di dataset sintetici e addestramento iniziale dei modelli di apprendimento automatico.

Mesi 9-19: Campionamento clinico della saliva e perfezionamento iterativo del modello utilizzando nuovi dati.

Mesi 21-24: Test nel mondo reale del sistema proof-of-concept in un contesto clinico, analisi dei dati e diffusione dei risultati.

Gestione e Analisi dei Dati Tutti i dati raccolti saranno de-identificati ed elaborati secondo gli standard GDPR ed etici. Le uscite del sensore saranno collegate a metadati clinici anonimizzati. I modelli di apprendimento automatico saranno valutati in base all'accuratezza della classificazione, sensibilità, specificità e robustezza alla variabilità biologica. Le analisi statistiche includeranno la validazione incrociata e il benchmarking delle prestazioni tra le configurazioni degli elettrodi e i modelli di IA.

Risultati Attesi e Significatività Lo studio si tradurrà in un prototipo funzionale proof-of-concept di un sistema diagnostico salivare assistito dall'IA. La piattaforma mira a fornire una rilevazione rapida e non invasiva della parodontite al punto di cura. Se avrà successo, rappresenterà un cambiamento di paradigma nella diagnostica parodontale, consentendo una rilevazione più precoce, interventi meglio mirati e migliori risultati per i pazienti.

Oltre alla parodontite, il design modulare del sistema consente l'adattamento per altre malattie, inclusi il cancro orale, l'infiammazione sistemica e i disturbi metabolici. Questa flessibilità ne aumenta il potenziale a lungo termine come tecnologia diagnostica scalabile per applicazioni sia odontoiatriche che mediche.

Considerazioni Etiche e Gestione del Rischio Lo studio è stato approvato dall'Autorità Svedese per la Revisione Etica (numero di riferimento: 2025-04853-01). Tutti i partecipanti forniranno il consenso informato scritto prima del campionamento. Lo studio comporta un rischio minimo, limitato al disagio associato al campionamento della saliva. Non verranno eseguiti trattamenti sperimentali o procedure invasive.

I rischi tecnici potenziali, come la variabilità nei campioni di saliva o le prestazioni del dispositivo, saranno mitigati attraverso protocolli di campionamento standardizzati e il perfezionamento iterativo del prototipo. Il design modulare dell'hardware garantisce che i singoli componenti possano essere regolati o sostituiti senza compromettere l'intero sistema.

Collaborazione ed Esperienza Questo progetto interdisciplinare riunisce esperti in odontoiatria clinica, ingegneria biomedica e informatica. Lo studio è guidato dalla Prof.ssa Associata Shariel Sayardoust (Università di Linköping e Contea di Östergötland), con i collaboratori Prof. Associato Magnus Falk, Prof.ssa Associata Julia Davies e Dott. Erdal Akin dell'Università di Malmö. La collaborazione industriale con Redoxme AB supporta la prototipazione e l'integrazione dell'hardware.

Insieme, il consorzio mira a stabilire le basi per la diagnostica salivare di prossima generazione che combina IA, rilevazione elettrochimica e assistenza centrata sul paziente nella pratica clinica quotidiana.