Investigadores gallegos detectan la periodontitis con una muestra de saliva e inteligencia artificial

LA VOZ REDACCIÓN

SOCIEDAD

Inmaculada Tomás es la investigadora principal del estudio
Inmaculada Tomás es la investigadora principal del estudio Santi Alvite

El estudio abre una nueva vía para el desarrollo de una herramienta de diagnóstico rápido, indoloro y sencillo

07 oct 2026 . Actualizado a las 19:57 h.

La saliva podría convertirse en una nueva herramienta para detectar la periodontitis de forma sencilla y no invasiva. Así lo demuestra un estudio liderado por investigadores de la Universidade de Santiago de Compostela ( USC) y del Instituto de Investigación Sanitaria de Santiago de Compostela (IDIS), que ha analizado miles de muestras de la cavidad oral mediante técnicas de inteligencia artificial. Los resultados abren una vía hacia el desarrollo de futuras herramientas de cribado capaces de identificar a las personas con mayor probabilidad de padecer esta enfermedad y que, por tanto, podrían beneficiarse de una evaluación periodontal completa.

La periodontitis es una enfermedad inflamatoria crónica que afecta a más de 1.000 millones de personas en todo el mundo y que puede provocar, si progresa, la destrucción de los tejidos que sostienen los dientes. El trabajo está liderado por el Oral Sciences Research Group (OSRG), dirigido por la catedrática de la USC Inmaculada Tomás, y cuenta con la participación de la también catedrática de la USC e investigadora del Centro Singular de Investigación en Tecnoloxías Intelixentes (CiTIUS) María José Carreira y de la investigadora del IDIS Manuela Alonso-Sampedro.

Para determinar qué tipo de muestra ofrece más información sobre la enfermedad, el equipo analizó 2.303 muestras procedentes de 33 bioproxectos y comparó tres hábitats microbiológicos de la cavidad oral: la saliva, la placa bacteriana situada sobre los dientes, conocida como placa supragingival, y la placa subgingival, localizada en el interior del surco periodontal. Esta última se ha considerado tradicionalmente uno de los principales lugares de referencia para estudiar la microbiología de la periodontitis. Sin embargo, los resultados del estudio muestran que las muestras más sencillas de obtener, la saliva y la placa supragingival, fueron precisamente las que ofrecieron un mejor rendimiento diagnóstico.

La saliva alcanzó la mayor capacidad para diferenciar entre personas con periodontitis y personas con salud periodontal. La placa supragingival obtuvo también resultados muy elevados, mientras que la subgingival presentó un rendimiento inferior.

Estos datos resultan especialmente relevantes porque indican que no sería imprescindible acceder al interior de la bolsa periodontal para obtener información microbiológica de gran valor. La saliva integra señales procedentes de diferentes zonas de la cavidad oral y, analizada mediante inteligencia artificial, parece conservar una huella microbiana capaz de diferenciar con elevada precisión entre salud y enfermedad.

«Un dos resultados máis relevantes é comprobar que non necesitamos necesariamente acceder ao interior da bolsa periodontal para obter información diagnóstica moi potente. A saliva integra sinais microbiolóxicos procedentes de toda a cavidade oral e os nosos resultados mostran que esa pegada microbiana, interpretada mediante intelixencia artificial, permite discriminar cunha elevada precisión entre saúde e periodontite», confirma Inmaculada Tomás.

Otro de los aspectos destacados de la investigación es que los modelos desarrollados no necesitan analizar un número elevado de microorganismos para conseguir buenos resultados. Mediante la combinación de análisis multivariado y un algoritmo genético personalizado, los investigadores comprobaron que paneles muy reducidos, formados únicamente por entre 6 y 12 variantes de secuencia de amplicones (ASV), pueden ser suficientes para identificar la enfermedad con una elevada precisión. Este carácter compacto podría facilitar, en un futuro, el desarrollo de pruebas diagnósticas más sencillas y rápidas.

El equipo comparó, además, cinco algoritmos de aprendizaje automático para determinar cuáles ofrecían mejores resultados. Los Modelos Aditivos Generalizados (GAM) fueron los que proporcionaron el mejor comportamiento global, con un equilibrio favorable entre sensibilidad y especificidad y sin el problema de sobreajuste observado en otros métodos, como Random Forest. Esto es relevante porque un modelo que funciona bien con los datos utilizados durante su entrenamiento debe mantener también su capacidad de clasificación cuando se enfrenta a nuevas muestras.

La investigación fue más allá de comprobar simplemente la capacidad de los algoritmos para clasificar correctamente a los pacientes. Los científicos analizaron también su posible utilidad a la hora de tomar decisiones clínicas mediante un análisis de curvas de decisión. Los resultados mostraron que los modelos de aprendizaje automático superaron la estrategia tradicional de evaluar a todos los pacientes de la misma manera. De nuevo, la saliva fue la muestra que ofreció el mayor beneficio clínico neto. En términos prácticos, estos resultados apuntan a que una herramienta basada en el análisis del microbioma podría ayudar a seleccionar mejor a las personas que necesitan una evaluación periodontal más exhaustiva.

La inteligencia artificial permitió, además, identificar qué microorganismos estaban detrás de las predicciones. En total, los investigadores identificaron 48 variantes de secuencia de amplicones con valor predictivo en los tres hábitats estudiados. Los modelos seleccionaron diferentes tipos de bacterias dependiendo de la muestra analizada. En la placa subgingival aparecieron con mayor frecuencia características relacionadas con bacterias comensales asociadas a la salud, como Streptococcus oralis subsp. dentisani, cuya presencia puede disminuir durante la enfermedad.

En cambio, en la saliva y en la placa supragingival los modelos seleccionaron predominantemente microorganismos asociados a la disbiosis característica de la periodontitis, entre ellos Porphyromonas gingivalis, Filifactor alocis, Treponema denticola y Fusobacterium nucleatum subsp. vincentii. Algunas especies, como Tannerella forsythia y Fusobacterium nucleatum subsp. vincentii, aparecieron además como biomarcadores compartidos en los tres hábitats, lo que refuerza su posible interés como señales microbiológicas de la enfermedad.

Para los investigadores, uno de los principales atractivos de estos resultados reside en las posibilidades de trasladarlos en el futuro a herramientas de cribado. Una prueba basada en saliva tendría la ventaja de ser sencilla de obtener, indolora, no invasiva y potencialmente escalable, características especialmente interesantes para identificar a gran escala a personas que podrían presentar un mayor riesgo de periodontitis. El objetivo no sería sustituir la exploración realizada por los profesionales de la odontología, sino disponer de una primera herramienta que permita detectar qué personas necesitan una evaluación periodontal más completa.

«O obxectivo a longo prazo é avanzar cara a unha periodoncia de precisión na que unha mostra sinxela de obter, como a saliva, poida axudarnos a identificar precozmente que persoas presentan unha maior probabilidade de enfermidade e necesitan unha avaliación periodontal completa», señala Inmaculada Tomás. En este sentido, el estudio proporciona una base científica para avanzar hacia nuevas estrategias de diagnóstico basadas en el microbioma y la inteligencia artificial.

Los resultados, sin embargo, deben interpretarse como un paso hacia el desarrollo de futuras herramientas clínicas y no como la demostración de que ya existe una prueba de saliva capaz de sustituir al diagnóstico periodontal convencional. Será necesario validar los modelos en nuevos grupos de población y comprobar su funcionamiento en condiciones clínicas reales antes de que puedan incorporarse de forma generalizada a la práctica odontológica.

Aun así, el trabajo demuestra que una muestra tan sencilla como la saliva puede contener una señal microbiológica suficientemente potente como para que la inteligencia artificial distinga entre salud periodontal y periodontitis, lo que abre una vía prometedora hacia una detección más accesible, no invasiva y personalizada de esta enfermedad.