Платформа безметкой скрининга слюны на основе 3D-плазмонных структур с бактериофагом M13 для диагностики медикаментозно‑ассоциированного остеонекроза челюсти

Почему важен тест слюны для выявления проблем с челюстью

Многие люди, получающие сильные препараты для защиты костей — например пациенты с раком или остеопорозом — имеют небольшой, но серьёзный риск развития некроза челюстной кости, связанного с медикаментозным лечением. Это состояние может вызывать хроническую боль, инфекции и потерю зубов, однако современные сканирования часто не обнаруживают болезнь на ранних стадиях. В данном исследовании предложен простой тест по слюне в сочетании с продвинутым сенсором и искусственным интеллектом, который в будущем может помочь врачам заметить проблемы в челюсти до того, как они станут серьёзными.

Скрытый риск от распространённых препаратов для костей

Повреждение челюстной кости, связанное с антирезорбтивными и антиангиогенными лекарствами, озадачивает врачей уже более двух десятилетий. Состояние развивается под влиянием сочетания эффектов препаратов и факторов пациента, таких как сопутствующие заболевания, химиотерапия или приём стероидов. Наибольшему риску подвержены люди, получающие высокие дозы этих препаратов, особенно пациенты с раком. В настоящее время диагноз основывается на симптомах и визуализации — рентгенах и конусно‑лучевой КТ. Но очень ранняя болезнь может не проявлять явных изменений на этих снимках, особенно до оголения кости, что делает её легко пропускаемой или принимаемой за другую проблему.

Слышать химию в капле слюны

Слюна бесшумно несёт химическую запись происходящего в полости рта и организме, включая сотни малых молекул и белков. Ранние исследования намекали, что у пациентов с этим заболеванием в слюне возникают характерные паттерны, но стандартные лабораторные методы не всегда могли выделить чёткие и стабильные маркеры. Исследователи обратились к поверхностно‑усиленному Рамановскому рассеянию — оптическому методу, который может считывать общий профиль множества молекул одновременно без меток. Когда лазерный свет попадает на специально подготовленные металлические поверхности, крошечные области, называемые «горячими точками», значительно усиливают сигнал от соседних молекул, что делает даже следовые компоненты слюны легче обнаруживаемыми.

Создание мини‑усилителя с помощью вируса и золота

Чтобы создать чувствительный сенсор для слюны, команда смешала три ингредиента в том, что они называют «чернилами метаболитов»: золотые наночастицы, безвредный нитевидный вирус M13 бактериофаг и небольшое количество слюны. С помощью контролируемого метода нанесения эти чернила растягивали по стеклоподобному чипу, формируя трёхмерную плазмонную структуру — тщательно упорядоченный «лес» из золотых частиц и вирусных нитей. Золотые частицы усиливают оптический сигнал, а вирус M13 препятствует их слипанию, формируя оптимальные зазоры, где возникают горячие точки. Регулируя концентрацию вируса, исследователи настраивали расстояние между частицами, чтобы максимизировать силу сигнала и обеспечить стабильные, воспроизводимые измерения по всей поверхности чипа.

Очистка шумных данных для машинного обучения

Поскольку состав слюны меняется в зависимости от диеты, стресса и других ежедневных факторов, исходные световые спектры получаются «грязными». Команда разработала многоступенчатый процесс очистки, чтобы подготовить данные для машинного обучения. Сначала удаляли редкие «спайковые» артефакты от космических лучей и сглаживали случайный шум от лазера и детектора. Затем нормализовали каждый спектр по стабильной части сигнала, чтобы разные образцы можно было корректно сравнивать. Наконец, использовали статистическую меру — коэффициент корреляции Пирсона — чтобы выявлять и отбрасывать выбросы, спектры, не похожие на типичные образцы своей группы, удаляя показания, искажённые временными условиями или техническими сбоями.

Обучение компьютера распознавать больную челюсть

Имея очищенные спектры, исследователи обучили несколько типов компьютерных моделей различать слюну пациентов с повреждением челюстной кости и слюну здоровых контрольных лиц. Они сосредоточились на части сигнала, богатой биологической информацией, и тщательно разделили данные так, чтобы все измерения от одного человека находились либо в тренировочной, либо в тестовой выборке, но не в обеих одновременно. Среди трёх протестированных подходов лучше всех показал себя многослойный перцептрон — тип нейронной сети. После тонкой настройки параметров с использованием стратегии поиска, сочетающей перебор и вероятностный подход, модель смогла правильно выявить всех пациентов в тестовой выборке (чувствительность 100%) при одновременном правильном распознании большинства здоровых людей (примерно 85% специфичности), показав высокую суммарную эффективность.

Что это может значить для пациентов

Исследование демонстрирует, что немеченная проба слюны в сочетании со специализированным сенсором на золоте и вирусе и продуманным машинным обучением может с высокой точностью отделять пациентов с медикаментозно‑ассоциированным повреждением челюсти от здоровых в этой небольшой группе. Работа по‑прежнему на ранней стадии: большинство пациентов имели заболевание средней стадии, а контрольная и группа пациентов не идеально совпадали по возрасту и полу. Потребуются более крупные и сбалансированные исследования, прежде чем метод можно будет применять в клинике, особенно для выявления самых ранних, наиболее трудноуловимых случаев. Тем не менее этот подход указывает на будущее, в котором быстрый и безболезненный тест по слюне может помогать мониторить пациентов в группе риска, направлять к стоматологам‑специалистам и, возможно, адаптироваться для обнаружения других заболеваний, оставляющих химические отпечатки в слюне.

Цитирование: Kim, Y.H., Kwon, JJ., Jang, M. et al. Label-free saliva screening platform using M13 bacteriophage-based 3D plasmonic structures for MRONJ diagnosis. Sci Rep 16, 10378 (2026). https://doi.org/10.1038/s41598-026-40342-8

Ключевые слова: диагностика по слюне, заболевание челюстной кости, рамановская спектроскопия, плазмонные сенсоры, машинное обучение в медицине