Los investigadores desarrollaron una plataforma analítica novedosa que les permitió medir selectivamente múltiples biomoléculas usando un solo sensor, ahorrando espacio y reduciendo la complejidad en comparación con la ruta habitual de usar sistemas multisensor.
En particular, demostraron que su sensor puede detectar simultáneamente pequeñas cantidades de ácido úrico y tirosina, dos biomarcadores importantes asociados con enfermedades renales y cardiovasculares, diabetes, trastornos metabólicos y trastornos neuropsiquiátricos y alimentarios, en el sudor y la saliva, lo que hace que el método desarrollado sea adecuado para el seguimiento y la intervención sanitaria personalizada.
Muchos biomarcadores tienen estructuras moleculares similares o firmas electroquímicas superpuestas, lo que dificulta su detección simultánea. Aprovechar el aprendizaje automático para medir múltiples biomarcadores puede mejorar la precisión y confiabilidad de los diagnósticos y, como resultado, mejorar los resultados de los pacientes, según los investigadores. Además, la detección con el mismo dispositivo ahorra recursos y volúmenes de muestras biológicas necesarios para las pruebas, lo cual es fundamental con muestras clínicas con cantidades escasas.
«Desarrollamos un nuevo enfoque para mejorar el rendimiento de los biosensores electroquímicos al combinar el aprendizaje automático con la medición multimodal», dijo Aida Ebrahimi, Thomas y Sheila Roell, profesora asistente de carrera temprana de ingeniería eléctrica y profesora asistente de ingeniería biomédica.
«Usando nuestra arquitectura de aprendizaje automático optimizada, pudimos detectar biomoléculas en cantidades 100 veces más bajas que lo que pueden hacer los métodos de detección convencionales».
La metodología de los investigadores presenta un sistema de hardware/software que les permite recopilar y procesar automáticamente información basada en un modelo de aprendizaje automático que está capacitado para identificar biomoléculas en fluidos biológicos como la saliva y el sudor, que son opciones comunes para el monitoreo de salud no invasivo.
«El enfoque de diagnóstico electroquímico impulsado por el aprendizaje automático presentado en este documento puede encontrar una aplicación más amplia en la detección bioquímica multiplexada», dijo Vinay Kammarchedu, 2022-23 Milton y Albertha Langdon Memorial Graduate Fellow en Ingeniería Eléctrica en Penn State y primer autor del artículo.
«Por ejemplo, este método se puede extender a una variedad de otras moléculas, incluidas las toxinas de los alimentos y el agua, las drogas y los neuroquímicos que son difíciles de detectar simultáneamente usando métodos electroquímicos convencionales».
En su trabajo en curso, los investigadores están aplicando este enfoque en dichos neuroquímicos, que son difíciles de detectar debido a las similitudes en su estructura molecular y la superposición de firmas electroquímicas.
«Nuestra metodología utilizó con éxito un material para diferenciar y distinguir cuatro neuroquímicos que son importantes en enfermedades como el Parkinson y el Alzheimer», dijo Ebrahimi.
«Si bien estos datos preliminares son prometedores, debemos trabajar más para poder detectar los niveles más bajos de estos neuroquímicos en muestras biológicas como la saliva».
Más allá de los resultados específicos con el ácido úrico y la tirosina, los investigadores están entusiasmados con el potencial y la versatilidad de la metodología.
«Es una nueva forma de diseñar métodos de diagnóstico electroquímicos que se pueden aplicar a una variedad de aplicaciones más allá de los sistemas biomédicos», dijo Ebrahimi.
Combinado con las innovaciones en la ingeniería de materiales y dispositivos para el desarrollo de sensores, el método analítico de los investigadores puede brindar oportunidades en productos farmacéuticos, investigación en ciencias de la vida, detección de alimentos, detección de toxinas ambientales y biodefensa, donde se necesitan pruebas precisas y multiplexadas o monitoreo en línea.
Convencionalmente, la multiplexación se logra mediante métodos espectroscópicos que se basan en equipos voluminosos y costosos que son más adecuados para análisis de laboratorio. En la etapa de prototipo actual de los investigadores, el hardware tiene el tamaño de una mesa de trabajo. Están trabajando para crear un sistema más pequeño que se pueda implementar para algo más que solo el control de la salud.
«En última instancia, visualizamos un dispositivo portátil y desplegable en el campo que será más fácil de usar y estará más disponible que las prácticas actuales que se usan en entornos clínicos o de laboratorio», dijo Kammarchedu.
