Una gota de sangre, muchos diagnósticos
Espectroscopia infrarroja para el cribado sanitario
Utilizando luz infrarroja y aprendizaje automático, los investigadores han desarrollado un método para detectar eficazmente la salud humana y sus desviaciones a nivel poblacional.
Imagínese un escenario en el que una sola gota de sangre proporcione información exhaustiva sobre la salud en cuestión de minutos. Gracias a recientes avances científicos, esta visión puede hacerse realidad. Científicos del equipo BIRD dirigido por Mihaela Žigman en la Ludwig-Maximilians-Universität München (LMU) y el Instituto Max Planck de Óptica Cuántica (MPQ), en colaboración con el Helmholtz Zentrum München, han desarrollado una herramienta de cribado sanitario que utiliza luz infrarroja y aprendizaje automático para detectar múltiples afecciones con una sola medición.
La espectroscopia infrarroja, técnica que emplea luz infrarroja para analizar la composición molecular de las sustancias, es una herramienta fundamental en química desde hace décadas. Es como dar a las moléculas una huella dactilar que puede entregar una máquina especializada llamada espectrómetro. Cuando se aplica a biofluidos complejos como el plasma sanguíneo, esta técnica fisicoquímica puede revelar información detallada sobre las señales moleculares, lo que la convierte en una herramienta prometedora para el diagnóstico médico. A pesar de su uso en la química y la industria desde hace mucho tiempo, la espectroscopia infrarroja no se ha establecido ni integrado en el canon del diagnóstico médico.
Dirigido por Mihaela Žigman, un equipo de científicos del grupo BIRD de la LMU y MPQ inició un esfuerzo para abordar esta cuestión. Habiendo establecido previamente un método para medir el plasma humano, colaboraron con el equipo de Annette Peters, del Helmholtz de Múnich, para ser pioneros en la toma de huellas moleculares por infrarrojos en una población naturalmente diversa. Para ello se midió la sangre de miles de individuos en el estudio KORA, un amplio proyecto de investigación sanitaria establecido en Augsburgo (Alemania). Se eligieron adultos al azar como escenario representativo de una población naturalmente variable y se les reclutó para exámenes médicos y donaciones de sangre.
Amplias aplicaciones potenciales
¿Cuál es el valor del trabajo actual? El estudio KORA existente adquirió un nuevo valor, ya que se probó desde una nueva perspectiva y sirvió para un nuevo propósito: se midieron más de 5.000 muestras de plasma sanguíneo mediante espectroscopia infrarroja por transformada de Fourier (FTIR). Tarek Eissa y Cristina Leonardo, del equipo BIRD de la LMU, analizaron las muestras de sangre del estudio KORA utilizando luz infrarroja para obtener huellas dactilares moleculares. El equipo aplicó el aprendizaje automático para analizar las huellas moleculares y las correlacionó con datos médicos. Descubrieron que estas huellas contienen información valiosa que permite una rápida detección sanitaria. Un algoritmo informático multitarea que ahora es capaz de distinguir entre diversos estados de salud, incluidos niveles anormales de lípidos en sangre, diversos cambios en la presión arterial, ver la diabetes de tipo 2 pero también detectar incluso la prediabetes, un precursor de la diabetes que a menudo no se detecta.
Curiosamente, el algoritmo también podía identificar a los individuos que estaban sanos y se mantuvieron sanos durante los años investigados. Esto es muy significativo por dos razones: en primer lugar, la mayoría de las personas de cualquier población aleatoria experimentan cambios anormales en su salud y, dado que todos somos diferentes y cambiamos con el tiempo, es casi trivial encontrar individuos completamente sanos. En segundo lugar, muchas personas padecen múltiples enfermedades en diversas combinaciones. Tradicionalmente, los médicos necesitaban una nueva prueba para cada enfermedad. Sin embargo, este nuevo método no se limita a detectar una afección cada vez, sino que identifica con precisión toda una serie de problemas de salud. Este sistema basado en el aprendizaje automático no sólo identifica a las personas sanas, sino que también detecta afecciones complejas que implican varias enfermedades simultáneamente. Además, puede predecir el desarrollo del síndrome metabólico años antes de que aparezcan los síntomas, lo que permite intervenir.
Según los investigadores, este estudio sienta las bases para que las huellas moleculares por infrarrojos se conviertan en una parte rutinaria de los exámenes médicos, lo que permitirá a los médicos detectar y tratar las enfermedades de forma más eficaz. Esto es especialmente importante en el caso de trastornos metabólicos como las alteraciones del colesterol y la diabetes, en los que una intervención oportuna y eficaz puede mejorar significativamente los resultados. Sin embargo, las aplicaciones potenciales de esta tecnología van más allá. A medida que los investigadores sigan perfeccionando el sistema y ampliando sus capacidades, mediante el desarrollo tecnológico y el establecimiento de éstas en el contexto de estudios clínicos, se añadirán aún más afecciones sanitarias y sus combinaciones al repertorio de diagnóstico, esperan los investigadores. Esto podría conducir a un seguimiento personalizado de la salud, en el que los individuos comprueben periódicamente su estado de salud y detecten posibles problemas mucho antes de que se agraven.
En conclusión, los investigadores creen que la combinación de la espectroscopia de infrarrojos con el aprendizaje automático está llamada a transformar el diagnóstico sanitario. Con una sola gota de sangre y luz infrarroja, dispondremos de una nueva y potente herramienta para vigilar nuestra salud, detectar problemas de forma más eficaz y mejorar potencialmente la asistencia sanitaria en todo el mundo.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Tarek Eissa, Cristina Leonardo, Kosmas V. Kepesidis, Frank Fleischmann, Birgit Linkohr, Daniel Meyer, Viola Zoka, Marinus Huber, Liudmila Voronina, Lothar Richter, Annette Peters, Mihaela Žigman; "Plasma infrared fingerprinting with machine learning enables single-measurement multi-phenotype health screening"; Cell Reports Medicine, Volume 5
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
