Notícia 

Dispositivo analisa sem reagentes e pode ser usado para testagem de Covid-19

Em artigo publicado no site da American Chemical Society, pesquisadores do Centro Nacional de Pesquisa em Energia e Materiais (CNPEM) apresentaram um novo conceito de análise clínica baseado no uso de um sensor eletroquímico microfluídico e modelos de machine learning com potencial para tornar mais prático e econômico o diagnóstico e prognóstico de diversas doenças. O método também visa obter resultados seguros sem a dependência de insumos caros e escassos como anticorpos. "Esse novo conceito poderá ser útil para testagem em massa como requerido atualmente para a COVID-19", diz, em postagem no Facebook, o Químico Renato Sousa Lima, do Laboratório Nacional de Nanotecnologia (LNNano) e um dos autores da pesquisa.

O dispositivo usa materiais de baixo custo. Os eletrodos de grafite, constituídos de minas de lápis, do mesmo tipo usado em lápis escolares, atuam como sensores de padrões eletroquímicos. Conectados a um equipamento portátil capaz de medir a impedância da corrente elétrica  e a um smartphone é possível determinar, em menos de 15 minutos, a presença e a concentração de biomarcadores de interesse em amostras com mínimos volumes de sangue. “São dados que não só contribuem para a triagem de casos, mas podem também dar referências de prognóstico de evolução da doença em cada paciente”, esclarece Sousa Lima.

O estudo descreve a aplicação do método para diagnóstico de câncer de mama em amostras de sangue de camundongos. Estruturas lipídicas extracelulares e as proteínas presentes na sua membrana foram usadas como biomarcadores do tumor de Ehrlich para identificar animais sadios e com o tumor. O método também permitiu a quantificação simultânea desses dois biomarcadores, que contribuem para uma análise do estágio do câncer de mama com acurácia elevada. O preparo das amostras foi feito em parceria com o Instituto de Química da USP em São Carlos.

Cada amostra de sangue gera um espectro único de capacitância, que serve como impressão digital, e pode gerar até 100 variáveis. A identificação dos padrões específicos de interesse é tarefa para o modelo computacional de machine learning, “uma classe de métodos capaz de descobrir padrões usando apenas os dados observados, sem ser explicitamente programado, o que permite que se torne ainda mais eficiente à medida que novas amostras são incluídas no banco de dados do teste”, explica o físico Adalberto Fazzio, diretor do Laboratório Nacional de Nanotecnologia.

Esse estudo ainda conseguiu se valer de um padrão matemático (algoritimo) com robustez estatística. “Mesmo com um pequeno número de amostras (12) para aquisição do algoritmo, ele demonstrou poder de exatidão e deve se tornar ainda mais eficiente com a incorporação de dados de mais amostras no futuro”, reforça Sousa Lima.

Simplicidade - Além de esforços em ciência e engenharia, os autores fizeram uso da tecnologia para trazer simplicidade e telemedicina às análises. Um smartphone foi usado para controle de um equipamento portátil para medidas eletroquímicas, aquisição e tratamento dos dados do sensor por machine learning e, finalmente, apresentação do resultado de interesse em sua tela, eliminando qualquer etapa de processamento de dados pelo usuário.

Além de promover simplicidade à análise, o uso do smartphone pode ser muito útil como ferramenta de auxílio a programas de saúde em regiões remotas do país. Os dados obtidos nos exames podem ser compartilhados rapidamente e as informações contribuírem para ações estratégicas, como encaminhamento de pacientes para os centros de tratamento mais próximos.

Clique aqui para mais detalhes.
 

Com informações da Assessoria de Comunicação  do CNPEM

Publicado em 11/08/2020

Voltar para a relação de matérias