Prueba COVID-19 combina imágenes microscópicas sin etiquetas e IA para brindar resultados rápidos y exactos

Una prueba nueva para la COVID-19 combina imágenes microscópicas sin etiquetas con inteligencia artificial (IA) para detectar y clasificar rápidamente el virus SARS-CoV-2.

Investigadores del Instituto Beckman de Ciencia y Tecnología Avanzadas de la Universidad de Illinois en Urbana-Champaign (Champaign, IL, EUA) emparejaron la microscopía con la IA para desarrollar la nueva prueba COVID-19 que es rápida, exacta y rentable.

El equipo observó que, si bien actualmente existen muchas técnicas para el análisis del SARS-CoV-2, ninguna utiliza un enfoque óptico sin etiquetas. El tamaño minúsculo de una sola partícula hace que depender solo de la vista sea casi imposible, incluso con un microscopio. La microscopía electrónica es útil para obtener imágenes de la estructura de una partícula, pero se requiere una preparación extensa para garantizar la visibilidad de una muestra. Aunque es necesario, este proceso puede oscurecer la imagen deseada. Los investigadores recurrieron a una técnica desarrollada en Beckman normalmente reservada para visualizar células: la microscopía de imagen de luz espacial, que facilita la obtención de imágenes sin reactivos químicos (o sin etiquetas).

“Aplicar SLIM para la generación de imágenes de virus es como mirar algo sin las gafas puestas. La imagen es borrosa debido a que los virus son más pequeños que el límite de difracción”, dijo Neha Goswami, estudiante de posgrado en bioingeniería y receptora de la Beca Conmemorativa Nadine Barrie Smith del Instituto Beckman en 2021. “Sin embargo, debido a la alta sensibilidad de SLIM, no solo podemos detectar los virus, sino también diferenciar entre distintos tipos”.

Los investigadores identificaron una forma creativa de identificar los virus basándose en datos SLIM: la IA. Con el entrenamiento adecuado, se puede programar una red neuronal profunda avanzada para reconocer incluso las imágenes más borrosas. Presentaron el programa de IA a un par de imágenes: una partícula de SARS-CoV-2 teñida que produce fluorescencia y una imagen de fase capturada con un microscopio multimodal de fluorescencia-SLIM. El entrenamiento de la IA le permite reconocer estas imágenes como una y la misma. Fácilmente reconocible, la imagen teñida de fluorescencia funciona como ruedas de entrenamiento; con suficiente repetición, la máquina aprende a detectar los virus directamente desde las imágenes SLIM sin etiquetas sin el soporte adicional.

Después de la detección viene la diferenciación: discernir el SARS-CoV-2 de otros tipos de virus y partículas. La IA aprendió a discernir entre el SARS-CoV-2 y otros patógenos virales como el H1N1 o la influenza A; el HAdV o adenovirus y el ZIKV o virus Zika. El ensayo preclínico fue muy exitoso, obteniendo una tasa de éxito del 96% para la detección y clasificación del SARS-CoV-2. El objetivo del proyecto es un sistema de detección de prueba de aliento viral sensible y específico que ayude en el diagnóstico viral y en las estrategias de prevención de la transmisión; hoy, esto podría tomar la forma de una prueba COVID-19 rápida, de alto rendimiento y bajo costo con el potencial de portabilidad y acción en el punto de atención.

Con la validación clínica pendiente, los investigadores especulan que una prueba de COVID-19 realizada con este método se vería así: el sujeto usaría un protector facial, sobre el cual se colocaría un portaobjetos de vidrio transparente; luego completan una actividad en la que su respiración se fija a la lámina (como leer un párrafo en voz alta). Se obtendrían imágenes de la lámina y cualquier partícula adherida y se analizarían para detectar cualquier virus presente.

“Hay dos ventajas clave para este tipo de prueba COVID”, dijo Goswami. “La primera es la velocidad: la duración puede ser del orden de un minuto. La segunda es que no estamos agregando productos químicos ni modificaciones a las muestras proporcionadas. Todo lo que pagaríamos es el costo del protector facial y de la lámina”.

Enlace relacionado:
Universidad de Illinois en Urbana-Champaign