Plataforma de pruebas en papel podría transformar diagnóstico

Las pruebas de diagnóstico en el hogar, como las pruebas de embarazo o de COVID, utilizan tecnología de análisis en papel para identificar la presencia de moléculas objetivo. Aunque estas pruebas son sencillas y económicas, proporcionan principalmente resultados cualitativos, que indican si hay un biomarcador presente. En cambio, los transistores de efecto de campo (FET), que se crearon inicialmente para dispositivos electrónicos, son capaces de detectar las concentraciones de moléculas biológicas. Hoy en día, sirven como biosensores de alta sensibilidad para la detección de biomarcadores en tiempo real. Muchos expertos creen que los FET representan el futuro de la biodetección; sin embargo, su comercialización ha sido limitada debido a las condiciones de prueba específicas requeridas. En una matriz altamente compleja como la sangre, los FET a menudo tienen dificultades para detectar señales de analitos. Los investigadores han desarrollado ahora un nuevo sistema de prueba de diagnóstico que fusiona un FET con una prueba de diagnóstico rentable en papel. Cuando se combina con el aprendizaje automático, este sistema evoluciona hacia un nuevo biosensor que podría revolucionar las pruebas y los diagnósticos en el hogar.

Desarrollado conjuntamente por investigadores de la Escuela de Ingeniería Molecular Pritzker de la Universidad de Chicago (PME, Chicago, Il, EUA) y la Escuela de Ingeniería Samueli de la UCLA (Los Ángeles, California, EUA), el nuevo tipo de sistema de prueba integra un FET con un cartucho analítico basado en papel, similar a la tecnología utilizada en las pruebas de embarazo y COVID-19 en el hogar. Esta combinación aprovecha la alta sensibilidad de los FET junto con los beneficios de bajo costo de los cartuchos basados en papel. La tecnología fluídica de papel, en particular su membrana de detección porosa, reduce la necesidad de los entornos de prueba complicados y controlados que suelen requerir los FET. Además, ofrece una base de bajo costo para el sistema, ya que cada cartucho cuesta aproximadamente 15 centavos.

La integración del análisis cinético de aprendizaje profundo mejora aún más la precisión y exactitud de los resultados de las pruebas dentro del FET. Para evaluar el sistema, los investigadores programaron el dispositivo para medir los niveles de colesterol a partir de muestras de plasma humano sobrantes y anónimas. Los resultados del estudio publicados en ACS Nano indican que, en 30 pruebas a ciegas, el sistema midió los niveles de colesterol con una precisión superior al 97 %, muy por encima del error total permitido del 10 % estipulado por las directrices CLIA. El equipo también realizó un experimento de prueba de concepto que demostró que el dispositivo podía adaptarse a los inmunoensayos, que se utilizan ampliamente para cuantificar hormonas, marcadores tumorales y biomarcadores cardíacos. Los próximos pasos implican el desarrollo del sistema para pruebas de inmunoensayo, con el objetivo final de demostrar su capacidad para detectar múltiples biomarcadores a partir de una única muestra de entrada.

“Al abordar las limitaciones de cada componente y agregar el aprendizaje automático, hemos creado una nueva plataforma de pruebas que podría diagnosticar enfermedades, detectar biomarcadores y monitorear terapias en el hogar”, dijo Hyun-June Jang, investigador postdoctoral y coautor principal del artículo. “Esta tecnología tiene el potencial de detectar múltiples biomarcadores a partir de una sola gota de sangre”.