Teste diagnóstico que combina duas tecnologias com aprendizado de máquina pode levar a um novo paradigma para testes em casa

Um novo sistema de teste de diagnóstico desenvolvido em conjunto pela University of Chicago Pritzker School of Molecular Engineering (PME) e pela UCLA Samueli School of Engineering funde um transistor poderoso e sensível com um teste de diagnóstico barato, baseado em papel. Quando combinado com aprendizado de máquina, o sistema se torna um novo tipo de biossensor que pode, em última análise, transformar os testes e diagnósticos em casa.

Liderada pelo Prof. Junhong Chen, da Universidade de Chicago, e pelo Prof. Aydogan Ozcan, da UCLA, a equipe de pesquisa combinou um transistor de efeito de campo (FET) — um dispositivo que pode detectar concentrações de moléculas biológicas — com um cartucho analítico baseado em papel (o mesmo tipo de tecnologia usada em testes caseiros de gravidez e COVID).

A combinação une a alta sensibilidade dos FETs com o baixo custo dos cartuchos baseados em papel. Quando combinado com o aprendizado de máquina, o teste mediu o colesterol em uma amostra de soro com mais de 97% de precisão, em comparação com os resultados do laboratório de química clínica certificado pela CLIA na University of Chicago Medicine, liderado pelo Prof. KT Jerry Yeo.

A pesquisa, publicada em ACS Nanofoi conduzido em colaboração com a equipe de Ozcan na UCLA, especializada em sistemas de sensoriamento baseados em papel e aprendizado de máquina. O resultado é uma prova de conceito que pode eventualmente ser usada para criar testes de diagnóstico caseiros, baratos e altamente precisos, capazes de medir uma variedade de biomarcadores de saúde e doença.

“Ao abordar as limitações de cada componente e adicionar aprendizado de máquina, criamos uma nova plataforma de testes que pode diagnosticar doenças, detectar biomarcadores e monitorar terapias em casa”, disse Hyun-June Jang, bolsista de pós-doutorado e coautor principal do artigo, juntamente com Hyou-Arm Joung, da UCLA.

Testes de diagnóstico em casa, como testes de gravidez ou COVID, usam tecnologia de ensaio em papel para detectar a presença de uma molécula alvo. Embora esses testes sejam simples e de baixo custo, eles são amplamente qualitativos, informando ao usuário se o biomarcador está presente ou não.

Na outra ponta do espectro de testes estão os FETs, originalmente projetados para dispositivos eletrônicos. Hoje, eles também são usados ​​como biossensores altamente sensíveis, capazes de detecção de biomarcadores em tempo real. Muitos acreditam que os FETs são o futuro do biossensor, mas sua comercialização tem sido prejudicada pelos requisitos específicos de condições de teste. Em uma matriz altamente complexa, como o sangue, pode ser difícil para os FETs detectarem um sinal de um analito.

As equipes de Chen e Ozcan se propuseram a combinar ambas as tecnologias para criar um novo tipo de sistema de teste. A tecnologia fluídica de papel — especificamente, sua membrana sensora porosa — reduziu a necessidade do ambiente de teste complicado e controlado normalmente exigido pelos FETs. Ela também fornece uma base de baixo custo para o sistema, já que cada cartucho custa cerca de 15 centavos.

Quando a equipe integrou a análise cinética de aprendizado profundo, ela melhorou a precisão e a exatidão do resultado do teste dentro do FET.

“Aumentamos a precisão e criamos um dispositivo que, no total, custa menos de cinquenta dólares”, disse Jang. “E o FET pode ser reutilizado com testes de cartuchos descartáveis.”

Para testar o sistema, a equipe programou o dispositivo para medir o colesterol de amostras anônimas de plasma humano restante. Em 30 testes cegos, o sistema mediu o colesterol com mais de 97% de precisão — excedendo em muito o erro total permitido de 10%, de acordo com as diretrizes da CLIA.

A equipe também conduziu um experimento de prova de conceito que mostrou que o dispositivo poderia incorporar imunoensaios, amplamente utilizados na quantificação de hormônios, marcadores tumorais e biomarcadores cardíacos.

“É um sistema de diagnóstico clássico muito melhorado, o que será importante à medida que os testes e diagnósticos em casa se tornam mais populares no sistema de saúde dos EUA”, disse Jang.

Em seguida, a equipe desenvolverá o sistema para teste de imunoensaio e, finalmente, espera mostrar como o sistema pode detectar múltiplos biomarcadores com uma única entrada de amostra. “Essa tecnologia tem o potencial de detectar múltiplos biomarcadores a partir de uma única gota de sangue”, disse Jang.

Outros coautores do artigo incluem Artem Goncharov, Anastasia Gant Kanegusuku, Clarence W. Chan, Kiang-Teck Jerry Yeo e Wen Zhuang.