Novedosa plataforma sinérgica detecta con precisión virus en las concentraciones más bajas

Los métodos rápidos e in situ para detectar y cuantificar virus son cruciales tanto para tratar a las personas infectadas como para controlar la propagación de la enfermedad. La crisis de la COVID-19 ha subrayado la necesidad de pruebas confiables pero de fácil acceso que eliminen los procedimientos complicados y largos asociados con los diagnósticos tradicionales de laboratorio. Las imágenes microscópicas de campo brillante son una tecnología de uso común en los puntos de atención para cuantificar las cargas virales. Sin embargo, el tamaño diminuto y el bajo índice de refracción de los virus y biopartículas similares pueden dificultar la detección precisa y aumentar la concentración más baja detectable de carga viral. Si bien los biosensores Gires-Tournois (GT), resonadores nanofotónicos, han mostrado ser prometedores en la detección de pequeñas partículas de virus, su utilización se ha visto limitada por problemas como los artefactos visuales y la no reproducibilidad.

En un avance reciente, un equipo internacional de investigadores, dirigido por el Instituto de Ciencia y Tecnología de Gwangju (GIST, Gwangju, Corea) recurrió a la inteligencia artificial (IA) para resolver este problema. Introdujeron una tecnología de biodetección combinada llamada "DeepGT". Esta tecnología combina las fortalezas de los biosensores GT con algoritmos de aprendizaje profundo para cuantificar con precisión biopartículas a nanoescala, como virus, sin la necesidad de una preparación compleja de muestras. Específicamente, el equipo planeó un biosensor GT con un diseño de película delgada de tres capas y lo trató para que pudiera detectar cambios de color al interactuar con materiales específicos. Para confirmar sus capacidades, simularon la interacción entre las células huésped y un virus utilizando partículas diseñadas para parecerse al virus SARS-CoV-2.

Imagen: La plataforma de biodetección basada en el aprendizaje profundo puede contar mejor las partículas virales (Fotografía cortesía de GIST)

Además, el equipo entrenó una red neuronal convolucional (CNN) utilizando más de mil micrografías ópticas y electrónicas de barrido de la superficie del biosensor GT con diferentes tipos de nanopartículas. Sus hallazgos revelaron que DeepGT no solo fue capaz de refinar los artefactos visuales comunes a la microscopía de campo brillante, sino que también pudo obtener detalles esenciales incluso cuando la concentración viral era tan baja como 138 pg ml–1. Además, el sistema calculó el número de biopartículas con una precisión significativa, marcada por un error absoluto medio de sólo 2,37 en casi 1.600 imágenes, en comparación con una tasa de error de 13,47 para los métodos tradicionales basados en reglas, todo en un segundo. El sistema de biodetección mejorado por CNN también podría medir la gravedad de la infección, desde casos asintomáticos hasta casos graves, en función de la carga viral. Por lo tanto, DeepGT ofrece un método rápido y exacto para la detección de virus en una amplia gama de tamaños sin estar restringido por las limitaciones inherentes de la difracción de la luz visible.

"Diseñamos DeepGT para evaluar objetivamente la gravedad de una infección o enfermedad. Esto significa que ya no tendremos que depender únicamente de evaluaciones subjetivas para el diagnóstico y la atención médica, sino que tendremos un método más preciso y basado en datos para guiar las estrategias terapéuticas" dijo el profesor Young Min Song de GIST. "Nuestro método proporciona una solución práctica para la detección rápida y gestión de amenazas virales emergentes, así como la mejora de la preparación de la salud pública al reducir potencialmente la carga general de los costos asociados con el diagnóstico".

Enlaces relacionados:
GIST