Hace un par de años, los científicos descubrieron que una mujer llamada Joy Milne podía «oler» la enfermedad de Parkinson (EP) en personas con este trastorno neurodegenerativo. Desde entonces, los investigadores han estado tratando de construir dispositivos que puedan diagnosticar la EP a través de compuestos que generan olor en la piel. Ahora, los investigadores informan en ACS Omega que han desarrollado un sistema olfativo portátil con inteligencia artificial, o «e-nose», que algún día podría diagnosticar la enfermedad en la consulta médica.

La EP provoca síntomas motores, como temblores, rigidez y problemas para caminar, así como síntomas no motores, como depresión y demencia. Aunque no hay cura, el diagnóstico y el tratamiento tempranos pueden mejorar la calidad de vida, aliviar los síntomas y prolongar la supervivencia. Sin embargo, la enfermedad no suele identificarse hasta que los pacientes desarrollan síntomas motores y, para entonces, ya han experimentado una pérdida neuronal irreversible. Recientemente, los científicos han descubierto que las personas con EP segregan más sebo (una sustancia oleosa y cerosa producida por las glándulas sebáceas de la piel), junto con una mayor producción de levaduras, enzimas y hormonas, que se combinan para producir ciertos olores.

Aunque los «superoledores» humanos como Milne son muy raros, los investigadores han utilizado la cromatografía de gases (GC) y la espectrometría de masas para analizar los compuestos de olor en el sebo de las personas con EP. Pero los instrumentos son voluminosos, lentos y caros. Jun Liu, Xing Chen y sus colegas quisieron desarrollar un sistema de GC rápido, fácil de usar, portátil y barato para diagnosticar la EP a través del olor, haciéndolo adecuado para las pruebas en el lugar de atención.

Los investigadores desarrollaron una e-nose, que combina la GC con un sensor de ondas acústicas superficiales -que mide los compuestos gaseosos a través de su interacción con una onda sonora- y algoritmos de aprendizaje automático. El equipo recogió muestras de sebo de 31 pacientes con EP y 32 controles sanos, frotando la parte superior de la espalda con una gasa. Analizaron los compuestos orgánicos volátiles que emanaban de la gasa con la e-nose, encontrando tres compuestos de olor (octanal, acetato de hexilo y aldehído perílico) que eran significativamente diferentes entre los dos grupos, que utilizaron para construir un modelo para el diagnóstico de la EP.

Luego, los investigadores analizaron el sebo de otros 12 pacientes con EP y 12 controles sanos, y descubrieron que el modelo tenía una precisión del 70,8% para predecir la EP y una sensibilidad del 91,7% para identificar a los verdaderos pacientes de EP, pero su especificidad era sólo del 50%, lo que indicaba una alta tasa de falsos positivos. Cuando se utilizaron algoritmos de aprendizaje automático para analizar todo el perfil de olores, la precisión del diagnóstico mejoró hasta el 79,2%. Antes de que la nariz electrónica esté lista para la clínica, el equipo necesita estudiarla en una población más grande para mejorar la precisión de los modelos, y también deben tener en cuenta factores como la raza, dicen los investigadores.

Referencia:
Fu, W., Xu, L., Yu, Q., Fang, J., Zhao, G., Li, Y., Pan, C., Dong, H., Wang, D., Ren, H., Guo, Y., Liu, Q., Liu, J., & Chen, X. (2022). Artificial Intelligent Olfactory System for the Diagnosis of Parkinson’s Disease. ACS omega, 7(5), 4001–4010. https://doi.org/10.1021/acsomega.1c05060
DOI: 10.1021/acsomega.1c05060
Link: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8829950/