[메디칼업저버 배다현 기자] Un equipo de investigación coreano ha desarrollado una tecnología para diagnosticar la gravedad de la enfermedad arterial a partir de una sola gota de sangre utilizando espectroscopia Raman y tecnología de inteligencia artificial.
La enfermedad cardíaca aterosclerótica, llamada arteriosclerosis, en la que la grasa se adhiere a las paredes internas de las arterias para estrecharse y perder elasticidad, es una de las principales causas de muerte en todo el mundo.
Para prevenirla y tratarla adecuadamente, es importante identificar los principales factores involucrados en el desarrollo de la aterosclerosis e identificar el riesgo en una etapa temprana.
El equipo del profesor Jinki Kim (Departamento de Medicina de Convergencia) y Sujin Kang (Departamento de Cardiología) del Centro Médico Asan de Seúl evaluó la gravedad de la arteriosclerosis utilizando espectroscopía Raman mejorada en superficie sin etiquetas (SERS) y tecnología de procesamiento de inteligencia artificial. Un modelo animal de arteriosclerosis recientemente, se confirmó que es posible clasificar y clasificar.
Este estudio es importante porque es el primero en proponer un método estandarizado para estratificar el riesgo y la respuesta a la arteriosclerosis. Los resultados de la investigación se han publicado en el último número de ‘Bioengineering & Translational Medicine (Citation index 10.684)’, una revista líder en el campo de la ingeniería y las ciencias biomédicas.
Hasta ahora, la identificación temprana de aterosclerosis usando biomarcadores séricos no es fácil. Esto se debe a que los factores tradicionales como el envejecimiento, la hipertensión, el tabaquismo, la obesidad y la diabetes muestran una baja especificidad, y los biomarcadores como los niveles de colesterol de lipoproteínas de baja densidad (LDL) o la proteína C reactiva para la presencia de aterosclerosis no están directamente relacionados con .
Además, la troponina cardíaca y la creatina quinasa-MB (CK-MB) son biomarcadores clave para el diagnóstico de infarto agudo de miocardio, pero fueron difíciles de diagnosticar temprano como marcadores post mórtem.
El equipo de investigación se centró en el hecho de que si se utilizan como marcadores de diagnóstico biomarcadores nanométricos, que son similares en tamaño a proteínas, citocinas y exosomas, existe una alta probabilidad de que el objetivo también esté presente en una pequeña muestra. una gota de sangre
La tecnología utilizada en el estudio es un chip de detección de diagnóstico que apunta a nano-biomarcadores. El chip de detección tiene un espacio nanoporoso en el interior para filtrar el nanobiomarcador en la sangre y amplifica la señal óptica filtrada del objetivo a través de la superficie interna del material metálico.
La amplificación de la señal óptica se produce debido a la resonancia de plasmones de metales con superficies rugosas como el oro o la plata, y la espectroscopia Raman mejorada en superficie sin etiquetas (SERS) se aplica a las señales de espectroscopia Raman para la detección de biomarcadores.
El equipo de investigación indujo la aterosclerosis mediante la oclusión quirúrgica de un segmento de la arteria carótida izquierda en ratones genéticamente modificados que carecían de apolipoproteína E, que activa la enzima lipolítica, y luego realizó imágenes de resonancia magnética e inmunohistoquímica de los pequeños animales.La aterosclerosis se confirmó mediante tinción química.
Después de recolectar sangre de ratones modelo validados de arteriosclerosis leve y severa y ratones de control, se obtuvieron señales Raman colocando una gota de sangre (5 ul) en el chip SERS para la detección de nanobiomarcadores. Luego, uno de los algoritmos de aprendizaje automático, el análisis de componentes principales (PCA) y el método de mapa de componentes funcionales (PLS-DA), se injertó en la señal Raman.
Como resultado del análisis, fue posible obtener un vector que conecta el grupo de control y los grupos de enfermedad leve y grave, respectivamente, en el espacio de componentes principales del espectro Raman. El equipo de investigación verificó la agrupación de los datos del grupo de enfermedades con los vectores y los valores máximos de los espectros Raman que contribuyen a la agrupación de datos.
El valor máximo del espectro Raman transmite la información de enlace químico de la molécula, y los picos utilizados para los criterios de diagnóstico en este estudio están relacionados con varios biomarcadores, como el éster de colesterol, los lípidos relacionados con la placa, la tirosina y la amida II.
También se confirmó el uso de tecnología de inteligencia artificial. La precisión del diagnóstico basada en el análisis de componentes principales fue del 94,5 % y la precisión con algoritmos de aprendizaje automático fue del 97,5 %.
El profesor Joon Ki Kim dijo: «En esta investigación, pudimos obtener un patrón de señal Raman que puede monitorear la arteriosclerosis a través de un chip de diagnóstico SERS que utiliza las propiedades de los nanomateriales. La determinación de la gravedad de la arteriosclerosis usando nano se puede hacer mediante biomarcadores.drop de sangre. La importancia de la investigación es tan alta que se ha confirmado.
«En este análisis de la señal Raman, se hizo referencia a varios factores directamente relacionados con la aparición de la arteriosclerosis, como el estado de unión del éster de colesterol y la señal lipídica derivada de la aterosclerosis», dijo el profesor Kang Su-jin. Esto demuestra que existen fundamentos básicos para la evaluación. es importante. Continuaremos nuestra investigación para que SERS pueda evaluarse clínicamente utilizando sangre derivada de pacientes arteriales en el futuro».
La investigación se ha realizado con el Proyecto de I+D+i de Tecnología Médica y Sanitaria del Ministerio de Sanidad y Bienestar y el Proyecto de Apoyo del Ministerio de Ciencia y TIC.
