AI może pomóc wcześniej wykrywać choroby przyzębia

Sztuczna inteligencja może w przyszłości zmienić sposób diagnozowania i leczenia chorób przyzębia. Naukowcy wykorzystali analizę mikrobiomu jamy ustnej i uczenie maszynowe, aby spośród setek zmiennych wyodrębnić 13 gatunków bakterii, które mogą stanowić skuteczny marker diagnostyczny zapalenia przyzębia.

Choroby przyzębia należą do najczęstszych przewlekłych problemów zdrowotnych na świecie. Nowe badanie przeprowadzone przez zespoły STFC Hartree Centre, IBM Research oraz firmy Salient Bio pokazuje, iż sztuczna inteligencja może pomóc nie tylko w dokładniejszym rozpoznawaniu zapalenia przyzębia, ale również w identyfikowaniu osób znajdujących się w grupie podwyższonego ryzyka, i to zanim choroba osiągnie zaawansowane stadium.

Mikrobiom jamy ustnej to znacznie więcej niż pojedyncze bakterie

Przez lata diagnostyka chorób przyzębia koncentrowała się m.in. na wykrywaniu obecności lub braku określonych drobnoustrojów uznawanych za szkodliwe. Takie podejście nie uwzględnia jednak całej złożoności mikrobiomu jamy ustnej.

O rozwoju choroby nie musi bowiem decydować pojedynczy patogen. Istotną rolę odgrywa zaburzenie delikatnej równowagi całej społeczności mikroorganizmów zamieszkujących jamę ustną.

To wyjątkowo złożony ekosystem. W jamie ustnej człowieka występuje ponad 700 gatunków bakterii, a także grzyby i wirusy. Pod względem różnorodności mikroorganizmów jest to drugi – po jelitach – najbardziej złożony ekosystem mikrobiologiczny w organizmie.

Naukowcy przeanalizowali dane genetyczne bakterii obecnych w jamie ustnej pochodzące z 600 próbek. Dzięki temu mogli określić, w jaki sposób poszczególne gatunki oddziałują ze sobą. Następnie, wykorzystując metody uczenia maszynowego, zidentyfikowali silnie powiązane grupy bakterii, które funkcjonują jako swego rodzaju jednostki. Sprawdzili również, które z tych grup są charakterystyczne dla zdrowej jamy ustnej, a które wiążą się z chorobą.

13 gatunków bakterii jako potencjalny marker diagnostyczny

Analiza z wykorzystaniem AI pozwoliła ograniczyć setki analizowanych zmiennych do zaledwie 13 kluczowych gatunków bakterii.

Tak opracowany zestaw charakteryzował się podobną skutecznością w rozpoznawaniu choroby przyzębia jak modele wykorzystujące znacznie większą liczbę danych. Zdaniem badaczy, może to być ważnym krokiem w kierunku stworzenia praktycznego i ukierunkowanego narzędzia diagnostycznego.

W badaniu uwzględniono również informacje dotyczące stylu życia pacjentów oraz czynników środowiskowych. Pozwoliło to stworzyć bardziej kompleksowy obraz zależności między mikrobiomem, chorobą oraz czynnikami wpływającymi na ryzyko jej rozwoju.

Tom Sewell, główny bioinformatyk w Salient Bio, podkreślił znaczenie współpracy między zespołami: – Współpraca z Hartree Centre i IBM Research pozwoliła nam połączyć szeroki zakres kompetencji i lepiej zrozumieć zależności między bakteriami w mikrobiomie jamy ustnej a chorobą przyzębia, co może mieć ogromne znaczenie dla całego systemu ochrony zdrowia.

– Przeszliśmy od pobrania próbek z jamy ustnej, przez sekwencjonowanie metagenomiczne, aż do zwalidowanej sygnatury diagnostycznej obejmującej 13 gatunków. Nie byłoby to możliwe bez tego partnerstwa – dodał.

Od leczenia do zapobiegania chorobie

Jedną z najważniejszych możliwości, jakie otwiera opracowana metoda, jest wcześniejsze wykrywanie osób znajdujących się w grupie ryzyka.

Jeżeli pacjent zostanie zidentyfikowany jeszcze przed wystąpieniem poważnych objawów, możliwe będzie wcześniejsze wdrożenie odpowiednich działań. W przyszłości może to oznaczać również bardziej precyzyjne, ukierunkowane terapie zamiast stosowania antybiotyków o szerokim spektrum działania.

Ma to szczególne znaczenie w obliczu narastającego problemu antybiotykooporności. Jednocześnie współczesna stomatologia coraz większą uwagę poświęca profilaktyce i identyfikowaniu ryzyka choroby, zanim konieczne stanie się intensywne leczenie.

Technologia z potencjałem wykraczającym poza stomatologię

Autorzy badania podkreślili, iż opracowane podejście może znaleźć zastosowanie także w analizie innych przewlekłych chorób związanych z mikrobiomem człowieka. Projekt zrealizowano we współpracy STFC Hartree Centre, IBM Research i Salient Bio w ramach Hartree National Centre for Digital Innovation (HNCDI) – programu wspierającego wykorzystanie zaawansowanych technologii cyfrowych w ochronie zdrowia.

Kate Royse, dyrektor Hartree Centre, podkreśliła: – Badanie przeprowadzone wspólnie z Salient Bio jest doskonałym przykładem tego, jak AI może odegrać istotną rolę w medycynie prewencyjnej, pomagając nam zrozumieć chorobę i przeciwdziałać jej, zanim się rozwinie, zamiast jedynie ją leczyć.

– To również świetny przykład tego, iż najbardziej przełomowe odkrycia w medycynie nie zawsze powstają wyłącznie w laboratoriach. Czasami są efektem połączenia wiedzy biologicznej z zaawansowanymi możliwościami obliczeniowymi i technologiami AI – dodała.

Źródło: https://www.ukri.org

Choroby periodontologiczne stanowią jedno z głównych wyzwań współczesnej stomatologii. Niezależnie od wieku pacjenta czy czynników obciążających, podstawą redukcji ryzyka stanów zapalnych przyzębia pozostaje efektywna profilaktyka domowa. – Niezależnie od grupy pacjentów, najważniejszym elementem profilaktyki jest codzienne, skuteczne utrzymywanie higieny jamy ustnej. Regularne szczotkowanie oraz oczyszczanie przestrzeni międzyzębowych pozwalają na efektywną kontrolę biofilmu, co bezpośrednio przekłada się na redukcję stanu zapalnego przyzębia – mówi prof. dr hab. n. med. Marta Cześnikiewicz-Guzik, kierownik Zakładu Periodontologii, Profilaktyki i Klinicznej Patologii Jamy Ustnej Instytutu Stomatologii Wydziału Lekarskiego UJ CM w Krakowie, specjalistka chirurgii stomatologicznej i periodontologii.