El equipo, dirigido por los investigadores Peng Liu y Zheng Yang, reclutó a 338 personas mayores en centros sanitarios comunitarios de Chongqing. El estudio midió biomarcadores de estrés como la hormona cortisol y las citocinas, pequeñas proteínas segregadas por las células inmunitarias.
Un equipo de investigadores chinos ha desarrollado una nueva herramienta de detección basada en inteligencia artificial (IA) que puede predecir el riesgo de deterioro cognitivo y síntomas neuropsiquiátricos precoces con sólo analizar muestras de saliva y bacterias orales.
La herramienta responde al reto mundial de la detección precoz de enfermedades neurodegenerativas, como el Alzhéimer, cuyos graves síntomas cerebrales suelen comenzar con sutiles signos psiquiátricos difíciles de detectar clínicamente.
Es bien sabido en la comunidad médica que el deterioro de la función mental con la edad, especialmente como consecuencia de enfermedades neurodegenerativas, suele ir precedido de síntomas neuropsiquiátricos como depresión, pérdida de motivación y ansiedad.
Sin embargo, utilizar estos síntomas tempranos como indicadores para predecir el desarrollo de enfermedades neurodegenerativas ha sido todo un reto en la práctica clínica tradicional.
Un puente entre la biología y la tecnología de IA
En un estudio realizado por investigadores de la Universidad Médica de Chongqing y el Laboratorio Clave de Patología Oral de Chongqing, publicado en 'Translational Psychiatry', se probó un enfoque innovador que combina la microbiología y las técnicas de aprendizaje automático.
El equipo, dirigido por los investigadores Peng Liu y Zheng Yang, estudió a 338 ancianos de centros sanitarios comunitarios de Chongqing. Los participantes proporcionaron muestras de saliva y datos del microbioma oral, además de rellenar cuestionarios demográficos. También se midieron biomarcadores de estrés como la hormona cortisol y las citocinas, pequeñas proteínas segregadas por las células inmunitarias.
Construcción y validación del modelo predictivo
Los datos se dividieron en dos grupos: Un grupo de desarrollo de 138 participantes para entrenar los modelos de IA, y un grupo de validación externa de 200 participantes para comprobar la precisión del modelo final.
Los investigadores entrenaron varios modelos algorítmicos, sobre todo XGBoost, Support Vector Machine (SVM) y regresión logística. Los modelos pretendían analizar biomarcadores extraídos de la saliva y el microbioma oral para predecir qué individuos tienen más probabilidades de desarrollar síntomas neuropsiquiátricos que indiquen el riesgo de un posterior deterioro cognitivo.
Resultados prometedores y gran precisión
El modelo XGBoost aumentado con datos del microbioma obtuvo la mayor precisión predictiva, superando a otros modelos. Para convertir la investigación en una herramienta práctica, el equipo transformó el modelo de regresión logística en un nomograma -un gráfico de evaluación visual- que permite al personal médico de las clínicas comunitarias realizar fácilmente la evaluación.
La validación externa con un grupo de 200 participantes confirmó el poder predictivo de la herramienta, respaldando su potencial para un uso generalizado. Los análisis biológicos en profundidad revelaron interesantes interacciones entre los niveles de cortisol, la microbiota oral y vías metabólicas específicas del organismo.
Hacia una medicina preventiva proactiva
La herramienta abre nuevas vías para el cribado preventivo masivo de las personas mayores, permitiendo identificar a los individuos de riesgo en fases muy tempranas, años antes de la aparición de déficits cognitivos evidentes. Esto, a su vez, permite a los médicos planificar intervenciones terapéuticas o preventivas tempranas y gestionar mejor la enfermedad.
Los investigadores creen que el modelo y el nomograma proporcionan herramientas prácticas para el cribado comunitario, mientras que los análisis biológicos que lo acompañan aportan una comprensión más profunda de los mecanismos patológicos subyacentes.
Se espera que este estudio motive a otros investigadores de todo el mundo a explorar la aplicación de la IA en el análisis de biomarcadores de fácil acceso -como la saliva- para la detección precoz de otras enfermedades neurológicas y psiquiátricas, contribuyendo así a un cambio radical hacia sistemas sanitarios más proactivos.