Microscopía con IA para una detección más rápida de la Covid

Los científicos combinaron imágenes microscópicas sin etiquetas con IA para detectar y clasificar rápidamente la Covid.

Detección más rápida de la Covid. (Foto. Freepik)
Detección más rápida de la Covid. (Foto. Freepik)
logo squared 200x200
27 noviembre 2021 | 00:20 h
Archivado en:

Investigadores del Instituto Beckman de Ciencia y Tecnología Avanzadas han combinado la microscopía con la inteligencia artificial para desarrollar una prueba para detectar el coronavirus que es “rápida, precisa y rentable”.

La idea surge después de que los investigadores observaron que, aunque, actualmente existen muchas técnicas para probar detectar el SARS-CoV-2, “ninguna utiliza un enfoque óptico sin etiquetas”.

Precisamente, 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.

Por ello, el equipo de investigadores recurrió a una técnica desarrollada en Beckman normalmente reservada para visualizar células: microscopía de imagen de luz espacial, que facilita la obtención de imágenes sin químicos o sin etiquetas.

Además, los investigadores identificaron una forma creativa de identificar los virus basándose en datos SLIM: la inteligencia artificial. Con el entrenamiento adecuado, se puede programar una red neuronal profunda avanzada para reconocer incluso las imágenes más borrosas.

Entre las ventajas, los investigadores han destacado la velocidad y que no es necesario añadir productos químicos ni modificaciones a las muestras proporcionadas

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. La IA está entrenada para 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.

Después de la detección viene la diferenciación: discernir el SARS-CoV-2 de otros tipos de virus y partículas.

En este caso, la IA aprendió a discernir entre el SARS-CoV-2 y otros patógenos virales como el H1N1 o la influenza A; HAdV o adenovirus; y ZIKV o virus Zika. El ensayo preclínico fue muy exitoso, lo que resultó en una tasa de éxito del 96% para la detección y clasificación del SARS-CoV-2.

SISTEMA DE DETECCIÓN DE PRUEBA DE ALIENTO VIRAL Y SENSIBLE

El objetivo del proyecto es un sistema de detección de prueba de aliento viral, sensible y específico que ayude en el diagnóstico y en las estrategias de prevención de la transmisión del virus; hoy, esto podría tomar la forma de una prueba COVID-19 rápida, de alto rendimiento y de bajo coste 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 diapositiva. El portaobjetos, así como cualquier partícula adherida a él, se tomarían imágenes y se analizarían para detectar cualquier virus presente.

Entre las ventajas, los investigadores han destacado la velocidad y que no es necesario añadir productos químicos ni modificaciones a las muestras proporcionadas.

"La intervención temprana a través del diagnóstico rápido de COVID-19, combinada con el rastreo de contactos, reducirá significativamente la transmisión, la morbilidad y la mortalidad de COVID-19", han reiterado.

Los contenidos de ConSalud están elaborados por periodistas especializados en salud y avalados por un comité de expertos de primer nivel. No obstante, recomendamos al lector que cualquier duda relacionada con la salud sea consultada con un profesional del ámbito sanitario.
Lo más leído