Un equipo multidisciplinar de la Universidad Rey Juan Carlos (URJC) ha combinado técnicas de espectroscopia de infrarrojo cercano (NIRS) y aprendizaje automático (machine learning) capaces de discriminar virus activos en micromuestras de suero
Con el cambio global se está produciendo un aumento en la frecuencia de epidemias y eventos pandémicos virales. La pandemia de la COVID-19 demostró la necesidad de diseñar métodos rápidos y fiables de diagnóstico para garantizar cuando antes un tratamiento a los infectados, prevenir el contagio y frenar la transmisión.
El objetivo principal del trabajo desarrollado por un equipo científico de la URJC ha sido demostrar la viabilidad del uso de la espectroscopía de infrarrojo cercano (NIRS), junto con métodos de inteligencia artificial, para detectar la presencia de virus en el suero de pacientes infectados. “Tras las lecciones aprendidas de la COVID-19, hemos diseñado una estrategia contactless (sin contacto) para la detección masiva cuasi instantánea de infecciones víricas en humanos. Con solo una gota de suero de cada paciente, un espectrofotómetro de infrarrojo cercano y técnicas de machine learning hemos logrado discriminar las muestras con virus activo”, explica José Gómez, investigador del Instituto de Investigación en Cambio Global (IICG) de la URJC, que ha liderado el estudio junto a Myriam Catalá, investigadora también del IICG.
“La NIRS es una técnica analítica ‘verde’ muy segura para el operador y el medio ambiente, ya que no genera emisiones ni residuos. Además, es ultrarrápida, bastando unos segundos para analizar cada muestra. Todas estas características la hacen costeeficiente para la sanidad, lo que, además, podría reducir notablemente los costes de diagnóstico”, apunta Myriam Catalá.
Para realizar este estudio, publicado recientemente en la revista Molecular and Biomolecular Spectroscopy, se analizaron 137 micromuestras de suero (70 microlitros) de 38 pacientes de hepatitis C en diferentes estadios de la enfermedad.
Las muestras se obtuvieron del biobanco del Hospital Universitario de Alcorcón (HUFA) con su correspondiente autorización preceptiva del Comité de Ética. Las micromuestras fueron examinadas en un espectrofotómetro de infrarrojo cercano sin necesidad de manipularlas o añadirles ningún reactivo. Los complejos datos espectrales fueron preprocesados para obtener la huella molecular global de los sueros, que
posteriormente fue analizada con técnicas de estadística avanzada y aprendizaje automático (machine learning).
“El potencial de esta estrategia va más allá que una simple ‘caja negra de diagnóstico’, ya que ha permitido identificar novedosos posibles biomarcadores del virus de la hepatitis C”, señala José Gómez.
Estos resultados permitirán plantear estudios preclínicos más ambiciosos con un mayor número de muestras y pacientes con el objetivo de confirmar las características de la huella molecular global de los sueros infectados con virus de la hepatitis C activo.
También se podrá realizar un estudio más profundo de los biomarcadores encontrados. Igualmente se abre la puerta al estudio de otras enfermedades víricas y a la búsqueda de patrones específicos de cada una de ellas en la compleja huella molecular NIRS. “Dado el número masivo de datos, el uso de técnicas de inteligencia artificial se hace imprescindible. En unos años sería posible el paso a los estudios clínicos definitivos, necesarios para la aplicación clínica de esta novedosa estrategia diagnóstica segura, verde y contactless”, concluye Myriam Catalá.
Es un artículo científico ha sido liderado José Gómez y Myriam Catalá, investigadores del Instituto de Investigación en Cambio Global de la URC, con la participación del grupo de Data Science and Signal Processing for Networks and Society de la Escuela de Ingeniería de Fuenlabrada (EIF). Además, se ha contado con la colaboración de Conrado Fernández, profesor de la Facultad de Ciencias de la Salud de la URJC y jefe de digestivo en el Hospital de Alcorcón (HUFA). También han participado en la investigación el servicio de bioquímica clínica y biobanco de este hospital.
Referencia bibliográfica: Jose Gomez, Oscar Barquero-Pérez, Jennifer Gonzalo, Sergio Salgüero, Daniel Riado, Maria Luisa Casas, Maria Luisa Gutiérrez, Elena Jaime, Enrique Pérez-Martínez, Rafael García-Carretero, Javier Ramos, Conrado Fernández-Rodriguez, Myriam Catalá. Near infrared spectroscopy (NIRS) and machine learning as a promising tandem for fast viral detection in serum microsamples: A preclinical proof of concept. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, Volume 322, 2024,124819, ISSN 1386-1425, https://doi.org/10.1016/j.saa.2024.124819.
