Un naso artificiale a base di gelatina per rilevare le malattie
I composti organici volatili (COV) sono composti organici che evaporano a temperatura ambiente e vengono prodotti dalla maggior parte degli organismi. Prove sempre più numerose indicano che le alterazioni nei COV sono correlate a varie malattie, tra cui il cancro e la tubercolosi.
Nuovi biomateriali per la realizzazione di nasi elettronici
I nasi elettronici sono una tecnologia che impiega sensori di gas chimici in grado di rilevare gas, COV od odori, applicabile in molti settori. La ricerca nel campo dei materiali per la rilevazione di gas è in rapida espansione. L’obiettivo principale del progetto SCENT è stato quello di sviluppare dei materiali capaci di modificare le loro proprietà ottiche ed elettriche in presenza dei COV. «Questi nuovi materiali sono gel contenenti gelatina, come quella che si usa in cucina, preparata in modo da diventare stabile all’aria e racchiudere sonde ottiche ed elettriche impiegate per il rilevamento», spiega la coordinatrice del progetto Cecília Roque. Poiché i materiali in gel modificano le loro proprietà in presenza di determinati COV, possono essere utilizzati come sensori che forniscono un segnale se esposti a campioni gassosi. Questi sensori sono stati integrati nei dispositivi di nasi elettronici su misura in una camera di rilevamento che replica la nostra cavità nasale. Inoltre, il sistema ha previsto un sistema di trasduzione del segnale per imitare gli impulsi elettrici inviati al nostro cervello nel momento in cui, nel nostro naso, i COV si legano ai recettori olfattivi. Il team di SCENT ha sviluppato nuovi materiali a base di gel composti da componenti biologici e chimici straordinari. Inoltre, i ricercatori hanno prodotto materiali di rilevamento dei gas di origine vegetale come soluzione ecocompatibile.
Intelligenza artificiale per migliorare l’identificazione degli agenti patogeni attraverso i COV
«Il naso elettronico sviluppato nell’ambito del progetto SCENT funziona in modo simile al nostro olfatto. Richiede un “addestramento” preventivo, attraverso l’esposizione dei sensori a campioni noti e la raccolta di segnali», sottolinea Roque. Questi segnali vengono utilizzati per sviluppare l’algoritmo di apprendimento automatico, che è in grado di fare previsioni sulla natura di un particolare campione. Grazie a questo approccio 3D, i ricercatori hanno prodotto COV identificativi per la classificazione di vari agenti patogeni. Attraverso un’ampia serie di dati, hanno associato gli schemi dei COV alla patogenicità dei microrganismi. I ricercatori hanno scoperto che 18 COV costituiscono un numero sufficiente a prevedere l’identità degli agenti patogeni con un’accuratezza del 77 % e una precisione del 100 %. Inoltre, hanno generato serie di COV capaci di prevedere la presenza di un agente patogeno in un campione, con accuratezza e precisione elevate. Il database di agenti patogeni-COV composto partendo da vari campioni biologici può fungere da base per un’adozione futura di questi sensori di gas in ambito clinico. È importante notare che, per aumentarne la sensibilità di rilevamento, gli algoritmi di classificazione possono essere addestrati ulteriormente con delle prove sperimentali.
Progredire nella diagnostica clinica
Gli attuali metodi di rilevazione microbica in ambito clinico richiedono circa 24-36 ore, mentre ci può volere fino a una settimana per i batteri a crescita lenta. Considerata la prevalenza della resistenza agli antimicrobici, i nasi elettronici capaci di rilevare COV batterici come biomarcatori delle infezioni forniscono un approccio più veloce e altrettanto sensibile. Secondo Roque, «il kit di strumenti di SCENT può essere ulteriormente impiegato per varie applicazioni, ad esempio nel settore sanitario, della sicurezza o dell’industria alimentare». Attualmente, il team sta esaminando la convalida tecnologica del naso elettronico per il monitoraggio non invasivo di pazienti affetti dal carcinoma della vescica attraverso il progetto ENSURE, prova di concetto del CER.
Parole chiave
SCENT, composti organici volatili, COV, naso elettronico, gel, apprendimento automatico, algoritmo, infezione batterica
