Una singola goccia di sangue può fornire in pochi minuti informazioni complete sulla salute. Grazie ai recenti progressi scientifici, questa visione può diventare realtà. Gli scienziati del team Bird guidato da Mihaela Žigman della Ludwig-Maximilians-Universität München (Lmu) e dell’Istituto Max Planck di Ottica Quantistica (Mpq), in collaborazione con l’Helmholtz Zentrum München, hanno sviluppato uno strumento di screening sanitario che utilizza la luce a infrarossi e l’apprendimento automatico per rilevare molteplici condizioni di salute con una sola misurazione.

La spettroscopia a infrarossi, una tecnica che impiega la luce infrarossa per analizzare la composizione molecolare delle sostanze, è stata per decenni uno strumento fondamentale in chimica. È come dare alle molecole un’impronta digitale che può essere fornita da una macchina specializzata chiamata spettrometro. Se applicata a biofluidi complessi come il plasma sanguigno, questa tecnica fisico-chimica può rivelare informazioni dettagliate sui segnali molecolari, rendendola uno strumento promettente per la diagnostica medica. Nonostante il suo uso di lunga data nella chimica e nell’industria, la spettroscopia a infrarossi non è ancora stata consolidata né integrata nel canone della diagnostica medica.

Gli scienziati guidati da Mihaela Žigman hanno avviato quindi degli studi per affrontare il problema. Avendo precedentemente stabilito un metodo per misurare il plasma umano, hanno collaborato con il team di Annette Peters di Helmholtz Munich per sperimentare l’impronta molecolare a infrarossi su una popolazione naturalmente diversa. Si trattava di misurare il sangue di migliaia di individui nell’ambito dello studio Kora, un progetto di ricerca sanitaria globale istituito ad Augsburg, in Germania. Gli adulti selezionati a caso sono stati scelti come scenario rappresentativo di una popolazione naturalmente variabile e sono stati reclutati per visite mediche e donazioni di sangue.

Ampie possibilità di applicazione

Kora ha acquisito un nuovo valore in quanto è stato testato da una nuova prospettiva e ha avuto un nuovo scopo: più di cinquemila campioni di plasma sanguigno sono stati misurati con la spettroscopia infrarossa dal team BIRD della LMU per ottenere le impronte digitali molecolari, a cui poi è stato applicato  l’apprendimento automatico per analizzarle e correlarle con i dati medici. In questo modo hanno scoperto che queste impronte digitali contengono informazioni preziose che consentono un rapido screening della salute. Un algoritmo computerizzato multitask è ora in grado di distinguere tra vari stati di salute, tra cui livelli anomali di lipidi nel sangue, vari cambiamenti nella pressione sanguigna, vedere il diabete di tipo 2 ma anche individuare persino il pre-diabete, un precursore del diabete spesso non rilevato.

Lo sviluppo della sindrome metabolica

L’algoritmo è stato in grado di individuare anche gli individui che erano sani e che sono rimasti tali nel corso degli anni presi in esame. Questo è stato molto significativo per due motivi: in primo luogo, la maggior parte delle persone in qualsiasi popolazione casuale subisce cambiamenti di salute anomali e, dato che siamo tutti diversi e che cambiamo tutti nel tempo, è tutt’altro che banale trovare individui completamente sani.

In secondo luogo, molti individui soffrono di diverse patologie in varie combinazioni. Tradizionalmente, i medici avrebbero bisogno di un nuovo test per ogni malattia. Tuttavia, questo nuovo approccio non si limita a individuare una sola condizione alla volta, ma identifica con precisione condizioni complesse che coinvolgono più malattie contemporaneamente. Inoltre, è in grado di prevedere lo sviluppo della sindrome metabolica anni prima della comparsa dei sintomi, fornendo una finestra per gli interventi.

Lo studio pone le basi affinché l’impronta molecolare a infrarossi diventi una parte di routine dello screening sanitario, consentendo ai medici di individuare e gestire le condizioni in modo più efficiente, affermano i ricercatori. Ciò è particolarmente importante per i disturbi metabolici come le anomalie del colesterolo e il diabete, dove interventi tempestivi ed efficaci possono migliorare significativamente i risultati.

Tuttavia le potenziali applicazioni di questa tecnologia si estendono ulteriormente. Man mano che i ricercatori continueranno a perfezionare il sistema e ad espanderne le capacità, si potrà aggiungere al repertorio diagnostico un numero ancora maggiore di condizioni di salute e di loro combinazioni. Ciò potrebbe portare a un monitoraggio personalizzato in cui gli individui controllano regolarmente il proprio stato di salute e colgono potenziali problemi molto prima che diventino gravi.