El equipo científico conformado por especialistas de Chile, India y Estados Unidos desarrolló un método de bajo costo que podría facilitar el desarrollo de nuevos fármacos o estudios medioambientales.
Si actualmente analizar muestras requiere de equipos de alto costo, en el futuro podrían existir pequeños dispositivos con sensores capaces de identificar y clasificar componentes tóxicos usando luz visible, como la de un láser verde. Esto, gracias a una investigación impulsada desde Chile, que mezcló el uso de Inteligencia Artificial con información histórica sobre cómo reaccionan moléculas frente a la luz.
Para el estudio se usaron más de 450.000 datos con los cuales se entrenaron algoritmos de aprendizaje automático o machine learning, cuya finalidad es automatizar la identificación de compuestos orgánicos.
“Normalmente se piensa que sólo es posible identificar moléculas orgánicas usando radiación infrarroja, porque cada compuesto absorbe el infrarrojo de una manera muy particular, pero basado en cientos de miles de datos experimentales, nuestro algoritmo de inteligencia artificial demostró que con radiación del espectro visible, como la de un láser verde común, es igualmente posible identificar compuestos orgánicos con gran precisión”, dice el investigador del Instituto Milenio de Investigación en Óptica (MIRO) y académico de la Universidad de Santiago, Dr. Felipe Herrera.
La espectroscopia es una disciplina que estudia la interacción de la luz y la materia y que se usa comúnmente en áreas como la medicina cuando se analizan tejidos, por ejemplo. En este caso, su uso permitió analizar pequeñas diferencias entre moléculas de origen biológico y gracias a la información científica acumulada desde 1940 sobre cómo responden sesenta y un compuestos orgánicos y polímeros a la radiación electromagnética fue posible el entrenamiento de algoritmos que logran identificar los compuestos, algo que sería imposible de realizar por una persona experta.
“Identificar compuestos orgánicos puede ser desafiante usando técnicas analíticas tradicionales debido a las sutiles diferencias que existen entre sus huellas espectrales, sin embargo, al entrenar algoritmos de aprendizaje automático se pueden identificar compuestos basándose en estas pequeñas diferencias, lo que permite distinguir entre distintos compuestos con mayor precisión”, explica la Dra. Thulasi Bikku, investigadora posdoctoral de MIRO y académica de la Facultad de Ciencias de la Computación y la Ingeniería del Vignan’s Lara Institute of Technology & Science, de India.
Oportunidad para generar detectores de bajo costo
Rubén Fritz, investigador posdoctoral en la Universidad de Santiago, e integrante de MIRO, cuenta que durante el proceso de investigación llegaron a tener un modelo que lograba hacer predicciones bastante precisas con luz infrarroja, pero que tenía mal desempeño cuando se utilizaba luz visible. Por esta razón surgió la idea de usar principios fisicoquímicos que son específicos al índice de refracción que tiene la luz cuando penetra cada tipo de material. Así, con la guía del Dr. en química Felipe Herrera y del profesor de la Universidad de Notre Dame, de Estados Unidos quien es experto en uso de machine learning con materiales, Dr. Yamil Colón, el Dr. Fritz creó una base de datos numéricos de cada molécula y la Dra. Bikku mejoró la capacidad de búsqueda y clasificación de los algoritmos hasta llegar a una precisión superior al 98%.
“Eso rompe un poco con ideas tradicionales de la fisicoquímica y abre las puertas al desarrollo de nuevos tipos de sensores de bajo costo basados en luz láser para identificar moléculas potencialmente tóxicas, por ejemplo”, dice el investigador de MIRO, Felipe Herrera. Por su parte, el Dr. Fritz añade que “esto se podría aplicar en sensores pequeños que puedan ser desplegados fácilmente donde se requiera hacer la medición e identificación, sin necesidad de ir a un laboratorio con equipos más complejos, además, estos se podrían acoplar a fibras ópticas”.
A juicio de la Dra. Bikku, a futuro este trabajo se podría seguir perfeccionando al complementarlo con nuevas técnicas espectroscópicas, ampliando la cantidad de datos o probando la capacidad de clasificación de los algoritmos en condiciones reales, sin embargo, menciona que los resultados ya encontrados son prometedores.
Este hallazgo fue publicado por la revista especializada en química Journal of Physical Chemistry A, con el nombre “Machine Learning Identification of Organic Compounds Using Visible Light”.
Encuentra la publicación científica en: https://pubs.acs.org/doi/10.1021/acs.jpca.2c07955
Texto: Paulina Andrade