Categories: NoticiasTecnología

Nariz electrónica utiliza sensores de estado sólido y procesador neuronal para "olfatear" COVID-19

Una asociación reciente entre BrainChip Holdings y NaNose Medical ha producido una nueva solución de prueba COVID-19 que cuenta con una mayor precisión que el cribado RT-PCR. Se dice que la Nariz Nano Artificial analiza activamente las muestras de aliento de los pacientes sin dejar de ser altamente portátil. ¿Cómo funciona exactamente?

Construyendo sobre la tecnología existente

Conocido oficialmente como DiaNose, la tecnología de NaNose existe desde 2017. Basado en la nariz artificial del Instituto de Tecnología de Israel Technion, el dispositivo ha examinado a numerosos pacientes para detectar la enfermedad de Parkinson, el cáncer, la insuficiencia renal y la EM. COVID-19 es la enfermedad más reciente en unirse a esa lista de diagnóstico.
Como muchas otras "narices electrónicas", DiaNose funciona detectando compuestos orgánicos volátiles (COV) presentes en el aliento. Los niveles de VOC pueden fluctuar según el nivel de actividad o los patrones de respiración de uno; sin embargo, la concentración de estos compuestos exhalados aumenta notablemente cuando alguien se enferma. Según BrainChip, estas partículas son marcadores biológicos de enfermedades específicas.


El principio de funcionamiento básico de una matriz de sensores multiplexada basada en nanomateriales. Imagen utilizada por cortesía de ACS Nano

A menudo se informa que el aliento de los pacientes diabéticos huele afrutado o dulce. Además, los olores similares al amoníaco están asociados con la enfermedad renal. El cuerpo expulsa cetonas, una clase de COV. Pueden existir más de 3000 COV diferentes en el aliento humano. Es fundamental centrarse en los más relevantes para COVID.

Presentación de nuevos datos de pacientes

¿Cómo han permitido BrainChip y NaNose Medical la detección de COVID? La respuesta es inteligencia artificial y mucho entrenamiento. Los algoritmos de IA detectan patrones en los datos que ayudan a los científicos a encontrar un significado más profundo en cada grupo de datos de pacientes que supervisan, menos el tedioso proceso de análisis manual.
Los científicos exponen repetidamente dichos algoritmos a agrupaciones de datos especializadas llamadas conjuntos de entrenamiento. Sabiendo qué es importante en cada conjunto de antemano, los investigadores esperan que su IA pueda llegar a la misma "conclusión".


Diagrama de flujo para la detección de volatolomics de enfermedades. Imagen utilizada por cortesía de Small Journal.

Mientras desarrollaba la funcionalidad de prueba COVID, NaNose Medical recolectó 130 muestras de pacientes a través de sensores nanométricos. Esta matriz recoge gotas gaseosas y las inspecciona para detectar la presencia de COV. Se descubren patrones en la estructura de estos compuestos mientras se ignoran los posibles contaminantes ambientales. La ionización determina qué COV están presentes.
NaNose Medical no indica explícitamente qué COV indican una infección por COVID. Sin embargo, un estudio del Reino Unido relacionó la presencia de etanal, octanal, acetona, acetona-butanona, metanol, isopreno, propenal, heptanal y propanol con el coronavirus. Curiosamente, las concentraciones de metanol exhalado fueron en realidad más bajas en los pacientes con COVID. Es posible que DiaNose busque marcadores similares.

La tecnología de procesamiento facilita el diagnóstico

Después de recopilar los datos iniciales de los sensores, los científicos enviaron esos datos a BrainChip. Estos datos se convirtieron en parte integral del entrenamiento del procesador neuronal Akida de BrainChip mediante el aprendizaje automático (ML). El Akida SoC está diseñado para funcionar como un cerebro humano sobrealimentado, que contiene el equivalente a más de 1,2 millones de neuronas y 10 mil millones de sinapsis.
AI y ML sobresalen en esta aplicación debido a la naturaleza en blanco y negro de la detección de COV. El contexto y la comprensión del sentido común no son fundamentales (piense en Amazon Alexa), por lo que DiaNose no se tropieza. El chip Akida tiene soporte nativo para estas operaciones.


Esquema de sensores basados ​​en nanomateriales que detectan COV para identificar enfermedades. Imagen utilizada por cortesía de Small Journal.

Akida tampoco requiere muchos de los microelectrónicos complementarios (unidades de memoria, CPU externa, etc.) necesarios para alimentar otros SoC. Por lo tanto, es mucho más fácil de integrar en un dispositivo portátil compacto como DiaNose. También es mucho más económico que otros sistemas neuronales complejos.

La ventaja de DiaNose

Los conjuntos de sensores nanométricos son muy prometedores para las pruebas futuras. Un estudio de agosto de 2020 reveló una precisión de hasta el 94% al diferenciar a los pacientes con COVID de los grupos de control. Además, estos métodos tienen hasta un 95% de precisión para distinguir el COVID de otras infecciones pulmonares.
Debido a que DiaNose y Akida se pueden empaquetar juntos, los profesionales médicos ya no necesitan enviar kits de prueba para un análisis remoto. Este procedimiento de prueba puede producir una detección COVID precisa en solo unos minutos, lo que permite al paciente conocer sus resultados antes de salir del consultorio. Los resultados instantáneos permiten que los individuos positivos se aíslen en consecuencia, mientras que los pacientes negativos pueden descansar más tranquilos.
Las gotitas respiratorias son vehículos para la transmisión de enfermedades, lo que hace que las pruebas de aliento precisas sean una herramienta poderosa. La naturaleza portátil del aparato lo hace fácil de usar. Los profesionales ya no necesitarán recolectar y almacenar muestras biológicas peligrosas.
DiaNose representa un posible punto de inflexión en el diagnóstico, al tiempo que incorpora tecnologías de software y hardware en evolución relevantes para los ingenieros.

Maria Montero

Me apasiona la fotografía y la tecnología que nos permite hacer todo lo que siempre soñamos. Soñadora y luchadora. Actualmente residiendo en Madrid.

Recent Posts

Máquina de mano Lean, Green, Raspberry Pi

Los días felices de la PDA y Blackberry han quedado definitivamente atrás, pero el factor…

3 years ago

Cómo pronosticar series de tiempo usando autorregresión

Tutorial sobre cómo pronosticar usando un modelo autorregresivo en PythonFoto de Aron Visuals en UnsplashForecasting…

3 years ago

Aquí están todas las formas en que puede cargar su AirPods Pro

Si tienes un iPhone, los AirPods Pro son la opción obvia para escuchar música, ¡aunque…

3 years ago

Las principales noticias tecnológicas del lunes: la prohibición de clientes de terceros de Twitter parece no ser un accidente

Ilustración de Alex Castro / The Verge Plus nuevos rumores sobre el quinto Galaxy Fold.…

3 years ago

AirPods Max 2: aquí están las características más solicitadas

Se rumorea que los auriculares premium de próxima generación de Apple, los AirPods Max 2,…

3 years ago

El remake de Dead Space continúa luciendo terriblemente genial en el nuevo tráiler de la historia

El desarrollador Motive Studio y el editor EA han lanzado un nuevo tráiler de la…

3 years ago