In anni recenti, la ricerca scientifica ha iniziato a considerare il corpo umano non soltanto come un insieme di organi da curare, ma anche come una fonte di preziose informazioni di salute, molte delle quali possono emergere dai fluidi corporei più semplici da ottenere. Tra questi, la saliva — un liquido spesso trascurato — sta attirando l’attenzione di neuroscienziati e data scientist perché potrebbe rivelare segnali predittivi molto importanti sul futuro stato cognitivo delle persone. L’idea che qualcosa di semplice come un campione di saliva possa “dire” se una persona è a rischio di sviluppare un declino mentale significativo, come quello associato alle demenze, rappresenta una delle frontiere più stimolanti dell’incontro tra biologia e intelligenza artificiale.
Uno studio recente condotto da ricercatori della Chongqing Medical University in Cina ha esplorato proprio questo territorio: partendo dall’analisi di componenti biologici presenti nella saliva, combinata con dettagli sulla composizione batterica del microbioma orale, gli scienziati hanno utilizzato modelli di machine learning per elaborare profili di rischio di declino cognitivo. È un’ipotesi ambiziosa, perché sintomi di condizioni neurodegenerative come l’Alzheimer o altre forme di demenza spesso emergono in modo graduale e impercettibile anni prima che il quadro clinico diventi evidente. Questi primi segnali, nella loro forma più lieve, possono comprendere cambiamenti nel comportamento, nell’umore o in aspetti cognitivi minimi che sfuggono alla diagnosi standard.
Nel corso dello studio cinese, gli scienziati hanno raccolto campioni di saliva da centinaia di persone anziane e hanno misurato diversi biomarcatori, tra cui livelli di cortisolo — l’ormone legato allo stress — e varie citochine, che indicano processi infiammatori nel corpo. Hanno inoltre caratterizzato la composizione del microbioma orale, cioè l’insieme di batteri che vivono nella bocca. Una volta raccolti questi dati biologici, li hanno analizzati con sofisticati algoritmi di intelligenza artificiale, in particolare modelli di machine learning come XGBoost, capaci di riconoscere pattern sottili nei dati e prevedere l’esito futuro sulla base di combinazioni di variabili complesse.
I risultati di questa ricerca sono stati sorprendenti: i modelli di AI sono riusciti a individuare con un livello di precisione molto alto — nell’ordine del 94-98% nei casi analizzati dagli scienziati — le persone che avevano maggiori probabilità di sviluppare un declino cognitivo significativo. Ciò significa che, molto prima che i sintomi diventino clinicamente evidenti, è possibile ottenere un profilo di rischio tramite un semplice test di saliva combinato con analisi avanzate dei dati.
Questo approccio pone la saliva come una sorta di “finestra” sullo stato di salute del sistema nervoso centrale. L’idea non è del tutto nuova: studi precedenti avevano già esplorato il potenziale di biomarcatori salivari nella diagnosi di condizioni neurologiche, proprio perché campioni di saliva sono facili da ottenere, non invasivi e relativamente economici da analizzare rispetto a procedure più complesse come la puntura lombare o le scansioni cerebrali. Una revisione sistematica pubblicata qualche anno fa aveva già evidenziato che modificazioni di proteine specifiche, metaboliti e perfino componenti del microbioma possono essere correlati a processi neurodegenerativi come quelli che caratterizzano l’Alzheimer.
L’utilizzo dell’intelligenza artificiale in questo contesto non è casuale: un essere umano, per quanto esperto, faticherebbe a mettere in relazione centinaia di variabili microbiologiche, biochimiche e cliniche per individuare pattern predittivi affidabili. I modelli di machine learning, invece, sono progettati proprio per riconoscere correlazioni complesse all’interno di dataset molto grandi e multidimensionali, trovando associazioni che altrimenti rimarrebbero nascoste. È questa capacità che ha consentito di creare profili di rischio personalizzati molto più accurati di quanto fosse possibile fino a pochi anni fa.
Se da un lato questo tipo di tecnologia apre prospettive entusiasmanti per la diagnosi precoce, dall’altro pone anche questioni di natura pratica ed etica. Predire il rischio di demenza con largo anticipo potrebbe permettere alle persone di intervenire precocemente con stili di vita più salutari, programmi di stimolazione cognitiva o partecipazione a studi clinici. Tuttavia, un test predittivo ad alta affidabilità richiede un’attenta considerazione su come vengono comunicati i risultati al paziente, quali azioni preventive sono disponibili e come evitare inutili ansie o stigmatizzazioni legate all’informazione di un rischio futuro.