Tecnología no invasiva

Sensores externos para diagnosticar el cáncer de pulmón

La detección precoz del cáncer de pulmón mejora drásticamente el pronóstico, pero los métodos actuales (imagen por TC de baja dosis o broncoscopia) son costosos o invasivos. ¿Podrían ayudar los sensores externos?

El cáncer de pulmón continúa siendo la principal causa de mortalidad oncológica a nivel mundial, con más de 2,2 millones de casos nuevos y 1,8 millones de muertes en 2020. La supervivencia a 5 años aumenta del 7 % en fases avanzadas (III–IV) al 60 % en estadios I–II cuando se diagnostica de forma oportuna.

A pesar de ello, nos encontramos con limitaciones en los métodos actuales. La TC de baja dosis tiene sensibilidad > 90 %, pero es costosa y está asociada a radiación acumulada. Por su parte, las citologías y biopsias son invasivas, requieren equipamiento especializado y horas-hombre de patólogo.

Recientemente, un equipo de la Universidad de Zhejiang (China) ha descrito en la revista ACS Sensors un sistema de sensores portátiles basados en nanomateriales de óxido de indio capaces de detectar biomarcadores mediante el análisis del aliento exhalado, abriendo la puerta a un cribado no invasivo y de bajo coste. Pero no son las únicas opciones en este campo en desarrollo y hay más avances.

El fundamento está en los componentes volátiles. Además de CO₂ y el vapor de agua, el aliento contiene compuestos orgánicos volátiles (COV) como acetona, alquitranes e isopreno. El isopreno es un biomarcador importante. Estudios previos han relacionado una reducción de isopreno en el aire exhalado con procesos neoplásicos pulmonares, atribuyéndose a alteraciones en la vía del mevalonato y al estrés oxidativo en las células tumorales.

¿Cuáles son los sensores ultrasensibles en estudio?

→ Nanoflakes Pt@InNiOx: Un estudio publicado en ACS Sensors describió nanocopos de óxido de indio con platino y níquel que, gracias a su gran área superficial y estructura porosa, logran un límite de detección de 2 partes por mil millones de isopreno —el más bajo reportado hasta la fecha—, con un tiempo de respuesta de solo 30 segundos, resistencia a la humedad del aliento y capacidad para discriminar isopreno frente a otros compuestos volátiles.

→ Arrays e-Nose con aprendizaje automático: Las plataformas multisen­sor con dispositivos e-Nose combinan varios resistores químicos (óxidos metálicos, polímeros conductores) en una matriz capaz de capturar patrones de respuesta frente a distintos COV. En un ensayo publicado en Annals of Oncology, un sistema e-Nose entrenado con redes neuronales profundas alcanzó >95 % de precisión al distinguir pacientes con cáncer de pulmón de los controles sanos, analizando perfiles completos de COV en el aliento.

→ Hibridación Graphene–MOF: El ZIF-8@laser-scribed graphene (LSG) incorpora marcos metal-orgánicos (MOFs) sobre grafeno grabado con láser, logrando un límite de detección de 0,8 ppm para biomarcadores como acetona o formaldehído. Su respuesta es ultrarrápida (2–3 segundos) a temperatura ambiente. La precisión de clasificación es del 96,5 % al aplicar un perceptrón multicapa (MLP) sobre datos sintéticos de aliento.

→ Portátiles y wearables: Sensores portátiles de bolsillo integran nanocables In₂O₃ en un equipo tipo glucómetro que es capaz de procesar una muestra de 500 mL de aliento y entregar un diagnóstico en menos de 2 minutos, sin personal especializado ni radiación. A la par, máscaras inteligentes diseñadas con prototipos incluyen micro­sensores electroquímicos y conectividad Bluetooth para monitorizar continuamente compuestos como amonio, nitrito o etanol. Aunque en fase exploratoria en ensayos sobre EPOC y asma, podrían extenderse al cribado oncológico en entornos de alto riesgo.

Perspectivas de integración clínica

Un cribado secundario podría ser la primera aplicación en el mundo real para estos sensores no invasivos. Tras la realización de una TC de baja dosis, el sensor de aliento podría confirmar o descartar hallazgos radiológicos sin recurrir a la biopsia.

Otro uso sería la monitorización de los supervivientes. Con la detección precoz de recidivas, mediante pruebas periódicas de aliento, sin exposición a radiación adicional, sería viable aumentar la cantidad de años sin recaídas entre quienes ya sufrieron el cáncer.

Luego, se debería valorar el cribado poblacional, con la posibilidad de implementar unidades móviles de detección en centros de atención primaria, especialmente en zonas de alta incidencia y bajos recursos. Incluso, pensando en telemedicina de cribado, aprovechando la conectividad remota de los dispositivos portátiles y la facilidad de uso, que implica un protocolo de menos de 2 minutos y no requiere personal altamente especializado ni infraestructura compleja.

En definitiva, el uso de sensores externos representa un avance significativo en el diagnóstico no invasivo del cáncer de pulmón a través del análisis del aliento. Con una sensibilidad de detección elevada en los ensayos y una precisión diagnóstica excelente en las pruebas piloto, estos dispositivos prometen transformar los programas de cribado y seguimiento oncológico, reduciendo costes, tiempos y exposición a métodos invasivos o radiológicos. Su rápida adopción clínica dependerá de las futuras validaciones a gran escala y de la integración en flujos de trabajo multiprofesionales.

 

 

 

 

Referencias

  1. 205P Detection and diagnosis of lung cancer by electronic nose analysis of exhaled breath: A multi-center prospective observational study Buma, A.I.G. et al. Annals of Oncology, Volume 35, S299.
  2. Cheng Y, Portela R, Wang P, Liu P, Mao Y, Lim KH, Zheng J, Yang X, Zhang G, Ding L, Wang WJ, Li BG, Bañares MA, Wang Q. Ultrasensitive In2O3-Based Nanoflakes for Lung Cancer Diagnosis and the Sensing Mechanism Investigated by Operando Spectroscopy. ACS Sens. 2024 Dec 27;9(12):6382-6389. 
  3. Tran, Trong & Hassan, Kamrul & Tung, Tran & Tripathy, Ashis & Mondal, Ashok & Losic, Dusan. (2024). Graphene and Metal-Organic Frameworks Hybrids for High-Performance Sensors for Lung Cancer Biomarkers Detection supported by Machine Learning Augmentation. Nanoscale. 16. 10.1039/D4NR00174E.