Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
PURITAN MEDICAL

Deascargar La Aplicación Móvil





Técnica no invasiva y sin reactivos utiliza espectroscopía Raman y aprendizaje automático para la detección de la COVID-19

Por el equipo editorial de LabMedica en español
Actualizado el 11 Feb 2022
Imagen: Modelo de aprendizaje automático (Fotografía cortesía de Ember et al., doi 10.1117/1.JBO.27.2.025002)
Imagen: Modelo de aprendizaje automático (Fotografía cortesía de Ember et al., doi 10.1117/1.JBO.27.2.025002)

Los investigadores desarrollaron un método nuevo y mejorado que utiliza la espectroscopia Raman y el aprendizaje automático para la detección del SARS-CoV-2.

La técnica no invasiva y sin reactivos para la detección eficiente de la COVID-19 fue desarrollada por investigadores biomédicos en el Polytechnique Montreal (Montreal, Canadá). Las técnicas de reacción en cadena de la polimerasa con transcripción inversa (RT-PCR) son actualmente el estándar de oro para detectar el SARS-COV-2, el virus que causa la COVID-19, aunque tienen ciertas limitaciones. La RT-PCR implica el transporte de muestras a un laboratorio clínico para su análisis, lo que plantea dificultades logísticas. También requiere el uso de reactivos, que podrían ser escasos y pueden ser menos efectivos cuando el virus muta. Además, las pruebas de RT-PCR pueden llevar mucho tiempo y ser menos sensibles en personas asintomáticas, lo que las hace inviables para una detección rápida generalizada. Por lo tanto, los investigadores tratan de idear métodos novedosos para una mejor detección de infecciones por COVID-19 en entornos de punto de atención, sin la necesidad de enviar muestras para su análisis.

La nueva técnica de detección sin reactivos utiliza el aprendizaje automático y la espectroscopia Raman basada en láser con muestras de saliva. A diferencia de los hisopos nasofaríngeos, el muestreo de saliva es más seguro y no invasivo. Los investigadores utilizan habitualmente la espectroscopia Raman para determinar la composición molecular de las muestras. En pocas palabras, las moléculas dispersan los fotones incidentes (partículas de luz) de una manera única que depende de las estructuras químicas y los enlaces subyacentes. Los investigadores pueden detectar e identificar moléculas en función de su “huella digital” característica o espectro Raman, que se obtiene al iluminar las muestras y medir la luz dispersada.

La COVID-19 puede causar cambios químicos en la composición de la saliva. Con base en este conocimiento, el equipo de investigación analizó 33 muestras positivas para COVID-19 clínicamente emparejadas con un subconjunto de un total de 513 muestras de saliva negativas para COVID-19. Los espectros Raman que obtuvieron, luego se entrenaron en modelos de aprendizaje de múltiples instancias, en lugar de los convencionales. Los resultados de este método indican una exactitud de alrededor del 80 % y los investigadores descubrieron que tener en cuenta el sexo al nacer era importante para lograr esta exactitud. Aunque la composición de la saliva se ve afectada por la hora del día, así como por la edad del paciente y otras condiciones de salud subyacentes, esta técnica aún puede demostrar ser un gran candidato para la detección de la COVID-19 en el mundo real. Estos hallazgos pueden facilitar una mejor detección de la COVID-19 además de allanar el camino para nuevas herramientas para otras enfermedades infecciosas.

“Nuestro método sin etiquetas supera muchas limitaciones de las pruebas de RT-PCR. Trabajamos para comercializarlo como un sistema más rápido, robusto y de bajo costo, con una exactitud potencialmente mayor”, dijo Katherine Ember, investigadora postdoctoral en el Polytechnique Montreal, Canadá, y primera autora del estudio. “Esto se podría integrar fácilmente con los flujos de trabajo de detección viral actuales, adaptarse a nuevos virus e infecciones bacterianas, así como tener en cuenta las variables de confusión a través de nuevos enfoques de aprendizaje automático. Paralelamente, trabajamos para reducir aún más el tiempo de análisis mediante el uso de superficies metálicas nanoestructuradas para contener la muestra de saliva”.

Enlaces relacionados:

Polytechnique Montreal

Miembro Oro
Veterinary Hematology Analyzer
Exigo H400
ANALIZADOR HEMATOLÓGICO DE 3 PARTES
Swelab Alfa Plus Sampler
New
DNA/RNA Extraction/Purification Kit
Nucleic Acid Extraction or Purification Kit
New
Miembro Plata
Quality Control Material
NATtrol Chlamydia trachomatis Positive Control

DIASOURCE (A Biovendor Company)

Canales

Patología

ver canal
Imagen: un estudio en tiempo real ha demostrado que la IA podría acelerar la atención del cáncer (foto cortesía de Campanella, et al., Nature Madicine)

IA predice con precisión mutaciones genéticas en muestras patológicas rutinarias para atención oncológica más rápida

Las decisiones actuales sobre el tratamiento del cáncer suelen basarse en pruebas genéticas, que pueden ser costosas, requerir mucho tiempo y no siempre estar disponibles en los principales hospitales.... Más

Tecnología

ver canal
Imagen: el kit prototipo de prueba en el hogar para el nuevo diagnóstico incluye un andamio impreso en 3D (cortesía de Kamyar Behrouzi/UC Berkeley)

Tecnología de biodetección económica localiza biomarcadores de enfermedades en minutos

Las pruebas rápidas caseras para enfermedades como la COVID-19 se han vuelto cada vez más populares por su comodidad, pero presentan una desventaja importante: son menos sensibles que las... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.