Diagnosticar o cancro oral de forma precoz, sen precisar grandes intervencións e de forma accesible podería estar moito máis cerca. E todo, grazas á análise da saliva. Un proxecto de investigación que lidera a catedrática de Estomatoloxía e responsable do Oral Sciences Research Group da USC, Inmaculada Tomás, desenvolve modelos de predición a través da súa análise.
A principal aspiración do equipo investigador é que esta tecnoloxía poida integrarse en hospitais e centros de atención primaria, permitindo un diagnóstico salival rápido, indoloro e con gran precisión. Actualmente, o cancro oral presenta taxas de curación superiores ao 70% cando se detecta en fases iniciais, o que reforza o potencial impacto clínico do proxecto.
Ademais, os modelos poderían empregarse en programas de cribado en poboacións de risco — como fumadores ou consumidores crónicos de alcohol — e reducir o número de biopsias innecesarias, así como os custos asociados ao diagnóstico tardío. A longo prazo, prevese tamén a posibilidade de desenvolver equipos diagnósticos comerciais e estender esta tecnoloxía a outras patoloxías oncolóxicas detectables en saliva.
Novas vías para personalizar o tratamento
“Levamos máis de dez anos traballando nesta liña de investigación, explorando o enorme potencial da saliva a través do estudo do microbioma e o proteoma”, explica a investigadora Tomás. O obxectivo do proxecto é mellorar o diagnóstico combinando tecnoloxías de secuenciación do microbioma e o estudo das proteínas da saliva con algoritmos avanzados de intelixencia artificial.
“A intelixencia artificial permite integrar de forma eficiente datos biolóxicos complexos e xerar modelos de predición cunha precisión que ata hai pouco era impensable”, apunta. Esta combinación non só pode mellorar a detección precoz do cancro oral, senón que abre novas vías para personalizar o tratamento e o seguimento dos pacientes.
A partir desta información multiómica — é dicir, datos que integran distintos niveis biolóxicos como bacterias e proteínas —, adestraranse modelos de predición capaces de identificar a presenza do cancro oral, así como o seu grao de severidade e evolución tras o tratamento. O proxecto contempla modelos binarios e multiclase, avaliando ademais a súa precisión diagnóstica fronte a factores de risco como o tabaco ou o alcohol, e validando o seu rendemento en cohortes externas.
A iniciativa conta coa participación do Instituto de Investigación Sanitaria de Santiago de Compostela (IDIS), do Centro Singular de Investigación en Tecnoloxías Intelixentes (CiTIUS) da USC e de tres dos principais hospitais do Servicio Galego de Saúde.
