Nuevo método basado en aprendizaje automático detecta contaminación microbiana en cultivos celulares

Un desafío importante en la fabricación de productos de terapia celular (PTC) es garantizar que las células estén libres de contaminación antes de administrarlas a los pacientes. Los métodos actuales de pruebas de esterilidad, que se basan en técnicas microbiológicas, requieren mucho tiempo y pueden tardar hasta 14 días en detectar la contaminación. Este retraso supone un riesgo para los pacientes críticos que necesitan tratamiento urgente. Si bien las técnicas avanzadas, como los métodos microbiológicos rápidos (MMR), pueden reducir el tiempo de las pruebas a siete días, aún requieren procedimientos complejos, como la extracción de células y el uso de medios de enriquecimiento para el crecimiento, y dependen en gran medida de personal calificado para la manipulación, la medición y el análisis de las muestras. Esto pone de relieve la necesidad de métodos más eficientes que proporcionen resultados más rápidos, cumplan con los plazos de los pacientes e involucren flujos de trabajo sencillos sin comprometer la calidad de los PTC.

Investigadores de Análisis Crítico para la Fabricación de Medicina Personalizada (CAMP, Singapur), un grupo de investigación interdisciplinario de la Alianza Singapur-MIT para la Investigación y la Tecnología (SMART), junto con colaboradores, han desarrollado una solución innovadora para detectar de forma rápida y automática la contaminación microbiana en los PTC durante el proceso de fabricación. Mediante la medición de la absorbancia de la luz ultravioleta (UV) de los fluidos de cultivo celular y el uso de aprendizaje automático para identificar patrones de absorción de luz indicativos de contaminación microbiana, este novedoso método de prueba busca reducir el tiempo de las pruebas de esterilidad, permitiendo una disponibilidad más rápida de las dosis de PTC para los pacientes. Esto es especialmente crucial en casos donde la administración oportuna de tratamientos podría salvar la vida de pacientes terminales.

En un estudio publicado en Scientific Reports, el equipo de SMART CAMP explicó cómo integraron la espectroscopia de absorbancia UV con el aprendizaje automático para crear un método de detección de contaminación celular sin etiquetas, no invasivo y en tiempo real en las primeras etapas de la producción de PTC. Este nuevo enfoque presenta varias ventajas sobre las pruebas de esterilidad tradicionales y las MMR. Elimina la necesidad de tinción celular para identificar organismos marcados, lo que permite un proceso sin etiquetas. Además, evita el procedimiento invasivo de extracción celular y proporciona resultados en menos de 30 minutos. El método ofrece una rápida evaluación de la contaminación, lo que permite la automatización del muestreo de cultivos celulares con un flujo de trabajo optimizado que no requiere incubación adicional, medios de enriquecimiento para el crecimiento ni mano de obra intensiva. Además, el sistema no requiere equipos especializados, lo que lo convierte en una solución rentable.

“Tradicionalmente, la fabricación de terapias celulares requiere mucha mano de obra y está sujeta a la variabilidad del operador”, afirmó el profesor Rajeev Ram, investigador principal de SMART CAMP, profesor del MIT y autor correspondiente del artículo. “Al introducir la automatización y el aprendizaje automático, esperamos optimizar la fabricación de terapias celulares y reducir el riesgo de contaminación. En concreto, nuestro método permite el muestreo automatizado de cultivos celulares a intervalos determinados para detectar contaminación, lo que reduce tareas manuales como la extracción, la medición y el análisis de muestras. Esto permite la monitorización continua de los cultivos celulares y la detección temprana de la contaminación”.

Enlaces relacionados:
CAMP