← Volver al inicio

Un parche de sudor intenta llevar la monitorización de los lípidos en sangre de las extracciones sanguíneas a la vida cotidiana

Un equipo de Caltech combina sensores enzimáticos con cofactores renovables y aprendizaje automático causal para estimar, a partir del sudor, los cambios en el colesterol y los triglicéridos en sangre; una prueba de concepto con 24 personas muestra potencial, pero también pone de manifiesto los retos clave de la selectividad y la generalización entre individuos.

By SURL BioNews

Las pruebas de lípidos en sangre suelen implicar una extracción, el envío de la muestra al laboratorio y una lectura limitada a un único momento. Un equipo del Instituto de Tecnología de California ha presentado ahora un sensor de sudor que se adhiere a la piel y con el que espera convertir esa instantánea estática en una curva continua, siguiendo cómo fluctúan el colesterol y los triglicéridos ante los cambios alimentarios y fisiológicos. Todavía no es un producto capaz de sustituir las extracciones de sangre clínicas, pero ofrece una arquitectura tecnológica más completa para la monitorización metabólica no invasiva.

El núcleo de la investigación es un módulo sensor denominado Poly-CORE. La detección del colesterol y los triglicéridos requiere reacciones enzimáticas de varios pasos, algunas de las cuales dependen de cofactores como el trifosfato de adenosina (ATP). El equipo empleó una nanoestructura de polipirrol–ATP que libera ATP cuando el sudor entra en el dispositivo, lo que permite mantener la reacción. En las pruebas experimentales, la concentración de ATP se mantuvo por encima del umbral de biosensado durante más de 20 horas, pero este dato demuestra principalmente la capacidad de suministro del módulo y no equivale directamente a que el parche ya haya funcionado de forma continua y precisa durante 20 horas en seres humanos.

El parche no solo lee señales relacionadas con los lípidos, sino que también mide simultáneamente la glucosa, el pH y la tasa de sudoración. Después, los investigadores procesan mediante un modelo de aprendizaje automático causal la relación no biunívoca entre el sudor y la sangre: la estimación del colesterol incorpora el colesterol en el sudor, la tasa de sudoración, el índice de masa corporal y el sexo biológico; el modelo de triglicéridos utiliza señales relacionadas con el sudor, la tasa de sudoración y el índice de masa corporal. La función de estas variables es reducir las desviaciones causadas por el grado de dilución del sudor y las diferencias fisiológicas individuales, no permitir que el algoritmo «vea» de la nada los lípidos en sangre.

El estudio realizó una prueba de concepto con 24 participantes, recogiendo simultáneamente sudor y sangre para establecer relaciones personalizadas entre el sudor y los lípidos en sangre. El desafío alimentario también produjo respuestas posprandiales asociadas con distintas composiciones de macronutrientes, lo que indica que el dispositivo podría captar la trayectoria de los cambios del estado metabólico a lo largo del tiempo. Sin embargo, la escala actual todavía no basta para demostrar que pueda aplicarse a poblaciones más amplias en cuanto a edad, grupo poblacional, estado de salud y antecedentes farmacológicos.

Las lecturas de triglicéridos requieren especial cautela. Este canal detecta el glicerol generado por el metabolismo lipídico y la hidrólisis de los triglicéridos, por lo que se aproxima más a un indicador indirecto de la actividad lipolítica y no necesariamente refleja de manera específica la concentración absoluta de triglicéridos en sangre. Si en el futuro se pretende utilizarlo para el diagnóstico o el seguimiento terapéutico, el equipo de investigación deberá aclarar en qué medida factores como el metabolismo local de las glándulas sudoríparas, el ejercicio, la temperatura y la alimentación desvían la señal respecto de los valores sanguíneos.

El código publicado proporciona las entradas del modelo, los supuestos del grafo causal y el procedimiento de evaluación de cinco particiones, lo que aumenta la transparencia metodológica. Sin embargo, los datos emparejados a nivel de participante no se han hecho públicos, por lo que actualmente los investigadores externos no pueden reproducir por completo el análisis del artículo. El repositorio de código también advierte que las mediciones repetidas de un mismo participante podrían aparecer tanto en los datos de entrenamiento como en los de validación, sobrestimando así el rendimiento del modelo ante nuevos usuarios. Una validación independiente agrupada por participante será un paso importante para determinar su capacidad de generalización.

A corto plazo, la clasificación más razonable de esta tecnología es la de una herramienta de investigación para la monitorización metabólica, no la de un método de cribado del colesterol ni una base para ajustar la medicación. Aún se necesitan estudios clínicos más grandes, más diversos y realizados por equipos externos para comparar su concordancia con los análisis de sangre estándar, su estabilidad durante el uso prolongado y sus errores en distintas situaciones. Solo después de superar estos obstáculos podrá el parche de sudor pasar de ser un concepto de ingeniería a un dispositivo médico regulado.

References

  1. California Institute of Technology via Medical Xpress
  2. Nature Sensors
  3. California Institute of Technology
  4. Study authors via GitHub