Así es el dispositivo óptico que identifica signos tempranos de cáncer con un análisis de sangre Infobae
Un grupo de científicos presentó un avance con potencial de transformar la detección precoz del cáncer: un dispositivo basado en la luz es capaz de identificar en la sangre cantidades mínimas de biomarcadores asociados a tumores, incluso antes de que estos sean visibles mediante estudios por imágenes.
El desarrollo, liderado por Han Zhang de la Universidad de Shenzhen, abre la posibilidad de detectar la enfermedad en etapas iniciales mediante un simple análisis de sangre, lo que facilitaría tratamientos más ágiles, aumentaría las probabilidades de supervivencia y permitiría una reducción de costos médicos.
Cómo funciona este nuevo dispositivo de análisis de sangre
Este nuevo sistema, detallado en la revista Optica Publishing Group, logró identificar el biomarcador miR-21 relacionado con el cáncer de pulmón en muestras sanguíneas, incluso cuando la concentración era tan baja que apenas se contaban unas pocas moléculas.
El método demostró una alta precisión, discriminando con claridad entre el objetivo buscado y sustancias similares presentes en la sangre de pacientes.
A diferencia de las tecnologías actuales, que suelen requerir una amplificación química para fortalecer la señal y permitir la detección, este avance permite identificar los indicadores directamente, lo que simplifica y abarata las pruebas.
El dispositivo emplea un efecto óptico en la superficie de un material denominado disulfuro de molibdeno; sobre este material, diminutas estructuras de ADN fijan de manera precisa las moléculas sensibles.
Cuando el marcador es detectado, la tecnología CRISPR interactúa con él y genera un cambio observable como una reducción en la señal luminosa, fenómeno que puede medirse con facilidad y que se caracteriza por un “ruido” bajísimo, lo que incrementa la exactitud de la detección.
Por qué es un gran avance en la medicina moderna y en qué etapa está
El carácter programable del sistema augura un futuro en el que podrá adaptarse para la detección de otros agentes en sangre, como virus, bacterias, toxinas ambientales y biomarcadores de enfermedades como el alzhéimer.
Tras los experimentos iniciales en laboratorio, el grupo verificó los resultados en muestras de sangre real, hallando un nivel de precisión capaz de diferenciar entre el biomarcador concreto y variantes próximas.
Además, el grupo de la Universidad de Shenzhen avanza actualmente en la miniaturización del dispositivo, con el fin de facilitar su uso en espacios hospitalarios y clínicas, incluso en lugares con recursos limitados.
Asimismo, si el desarrollo mantiene sus resultados, la prueba de sangre rutinaria podría convertirse en un método fundamental para identificar de manera ágil el cáncer y otras patologías, transformando las estrategias de prevención y tratamiento.
Cómo ayuda la inteligencia artificial a la predicción de enfermedades
En paralelo, grupos de investigación exploran otras rutas tecnológicas para anticipar problemas de salud. Un consorcio de científicos presentó Delphi-2M, un modelo de inteligencia artificial (IA) que emplea procesamiento de lenguaje natural similar al popular ChatGPT, diseñado para analizar historiales médicos y prever hasta 1.000 enfermedades en el futuro, según un artículo en la revista Nature.
El investigador Moritz Gerstung del Centro Alemán de Investigación del Cáncer explicó que este sistema aprende los patrones en los datos de salud: “Aprende los patrones en los datos de salud, diagnósticos precedentes, en qué combinaciones ocurren y en qué sucesión”, lo que habilita “predicciones muy significativas y relevantes para la salud”.
Para su desarrollo, los expertos usaron los registros del UK Biobank, una de las bases biomédicas más extensas, con datos de cerca de 500.000 participantes del Reino Unido. Así, Delphi-2M interpreta secuencias de diagnósticos médicos para predecir posibles afecciones futuras, lo que puede mejorar la medicina preventiva.
Qué potencial tiene este modelo de IA en el sector salud
El potencial de este sistema es grande, aunque los propios autores advierten sobre sus límites. Peter Bannister, miembro de la Institución de Ingeniería y Tecnología de Gran Bretaña, remarcó que todavía existen sesgos en los datos utilizados.
“Esto todavía está muy lejos de una atención médica mejorada, porque los autores reconocen que ambos conjuntos de datos están sesgados en términos de edad, etnia y resultados de salud actuales”, afirmó.
A pesar de estos desafíos, Tom Fitzgerald, coautor del Laboratorio Europeo de Biología Molecular, consideró que herramientas basadas en inteligencia artificial como Delphi-2M podrían impulsar la “optimización de recursos a través de un sistema de salud sobrecargado”, ofreciendo soporte en la gestión sanitaria y en la prevención de enfermedades.