Assessoria de Comunicação em 06/08/2020
Em artigo publicado na ACS (American Chemical Society), pesquisadores do Centro Nacional de Pesquisa em Energia e Materiais (CNPEM) apresentam a proposta de um novo conceito de análise clínica que baseia-se 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.
Na ponta do lápis
O dispositivo microfluídico 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 (potenciostato) 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 o pesquisador do CNPEM, Renato Sousa Lima, que trabalha no Laboratório Nacional de Nanotecnologia (LNNano).
Câncer de mama
O estudo, que contou com apoio da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP), 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 grupo realizou o preparo das amostras em parceria com o Instituto de Química da USP em São Carlos (IQSC/USP).
Machine Learning
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 Adalberto Fazzio, diretor do Laboratório Nacional de Nanotecnologia (LNNano)
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 Lima.
Simplicidade e Telemedicina
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.
Características do dispositivo:
- Produção simples e escalonável. A partir de 1 mil unidades estima-se que poderia ter um custo unitário de U$ 0,60 ou pouco mais de três reais no câmbio de hoje (data).
- Potenciostato portátil para medidas eletroquímicas (comerciais podem ser adquiridos por R﹩2.000,00 mas podem ser construídos facilmente uma vez que a sua eletrônica é de conhecimento público, a um custo estimado em R$ 500,00.
- Sensor eletroquímico microfluídico (0,60 US$)
- Smartphone
Fases do teste
É necessária uma etapa de preparo da amostra de sangue antes de ser levada para o dispositivo de diagnóstico. Um cartucho simples, com colunas porosas, é usado para isolar as vesículas extracelulares. As biomoléculas menores são retidas na fase sólida do cartucho e as vesículas (50 a 150 nm) diluídas em uma solução comum na biologia, que é o tampão fosfato. O processo leva cerca de 10 min, é simples e tem custo estimado em pouco menos de 50 reais por amostra. A análise pelo sensor leva menos de 5 min e o resultado do diagnóstico é mostrado automaticamente na tela do smartphone.
Sobre o CNPEM
Ambiente de pesquisa e desenvolvimento sofisticado e efervescente, único no País e presente em poucos polos científicos no mundo, o Centro Nacional de Pesquisa em Energia e Materiais (CNPEM) é uma organização social supervisionada pelo Ministério da Ciência, Tecnologia, Inovações (MCTI). O Centro é constituído por quatro Laboratórios Nacionais e é berço do mais complexo projeto da ciência brasileira – o Sirius – uma das mais avançadas fontes de luz síncrotron do mundo. O CNPEM reúne equipes multitemáticas altamente especializadas, infraestruturas laboratoriais mundialmente competitivas e abertas à comunidade científica, linhas de pesquisa em áreas estratégicas, projetos inovadores em parcerias com o setor produtivo e ações de treinamento para pesquisadores e estudantes. O Centro constitui um ambiente movido pela busca de soluções com impacto nas áreas de saúde, energia, meio ambiente, novos materiais, entre outras. As competências singulares e complementares presentes no CNPEM impulsionam pesquisas e desenvolvimentos nas áreas de luz síncrotron; engenharia de aceleradores; descoberta de novos medicamentos, inclusive a partir de espécies vegetais da biodiversidade brasileira; mecanismos moleculares envolvidos no surgimento e na progressão do câncer, doenças cardíacas e do neurodesenvolvimento; nanopartículas funcionalizadas para combate de bactérias, vírus, câncer; novos sensores e dispositivos nanoestruturados para os setores de óleo e gás e saúde; soluções biotecnológicas para o desenvolvimento sustentável de biocombustíveis avançados, bioquímicos e biomateriais.
