Un sensore al grafene “ascolta” i batteri e guida la scelta verso l’antibiotico più efficace

Dare un nome a un batterio osservandolo al microscopio può richiedere tempo. Identificarlo attraverso l’ascolto, invece, potrebbe essere molto più immediato. È l’idea alla base della tecnologia sviluppata da un team della Delft University of Technology assieme alla startup olandese SoundCell: minuscoli “tamburi” di grafene capaci di captare le vibrazioni prodotte da un singolo batterio e trasformarle in un segnale acustico da analizzare poi con l’intelligenza artificiale.

Pubblicata di recente sulla rivista Acs Sensors, la ricerca è uno spunto di innovazione interessante soprattutto sul fronte della diagnostica rapida: potrebbe infatti consentire di identificare i batteri e valutarne la sensibilità agli antibiotici riducendo drasticamente i tempi dell’antibiogramma e aprendo nuove prospettive nella lotta all’antimicrobicoresistenza.

Come si fa l’identikit dei patogeni

Al centro del nuovo approccio ci sono sottilissime membrane di grafene, definite nanodrum (nano-tamburi), strutture abbastanza piccole da ospitare un singolo batterio e sufficientemente sensibili da registrarne le vibrazioni. La scala del dispositivo è uno degli elementi chiave della tecnologia: a differenza di altri approcci, che rilevano il comportamento medio di gruppi di batteri, i nanodrum permettono di intercettare i movimenti di una singola cellula.

Quando il microrganismo si muove (per esempio attraverso i flagelli) genera debolissime oscillazioni che deformano la membrana. I movimenti vengono quindi rilevati tramite un laser riflesso sulla superficie e trasformati in segnali misurabili in tempo reale.

I ricercatori hanno successivamente convertito questi segnali in spettrogrammi, una sorta di “impronte vibrazionali” dei batteri. Attraverso modelli di machine learning, il sistema è stato addestrato a riconoscere segnali associati a specie batteriche differenti: ogni specie di microrganismo sembra infatti generare un pattern caratteristico su scala nanometrica, mentre in presenza di un antibiotico efficace lo scenario si fa rapidamente “silenzioso”.

Il carattere innovativo risiede nel fatto che il dispositivo non si serve di marcatori genetici o biochimici (né richiede il passaggio della crescita in coltura), ma interpreta il comportamento meccanico dei batteri, restituendo in tempi rapidi informazioni accurate sia sull’identità del patogeno sia sulla sua sensibilità agli antibiotici.

“Il nostro sistema consente di differenziare Escherichia coli, Staphylococcus aureus e Klebsiella pneumoniae raggiungendo un’accuratezza fino all’88 per cento, e di distinguere nel contempo i ceppi resistenti da quelli sensibili con una precisione del 98 per cento”, spiegano gli autori. Un aspetto che, nel caso di patogeni clinicamente rilevanti, può fare una grossa differenza.

Cambia il workflow diagnostico

I tempi necessari a riconoscere il microrganismo e comprenderne la sensibilità antibiotica rappresentano da sempre uno dei nodi critici nella diagnosi questi processi avvengono tipicamente in modo frammentato: la spettrometria di massa, per esempio, consente di identificare rapidamente la specie batterica, ma non di valutarne la resistenza; i test standard di sensibilità antimicrobica, che determinano quali farmaci sono efficaci contro un’infezione, richiedono invece tempi più lunghi, soprattutto per la necessità di osservare i microrganismi in coltura.

Non esiste, di fatto, la possibilità di ricavare entrambe le informazioni in simultanea. L’approccio sviluppato dall’ateneo olandese e da SoundCell integra le due fasi. In studi precedenti, il team aveva già osservato che i batteri sensibili a un antibiotico tendono a “silenziarsi” rapidamente, mentre i ceppi resistenti continuano a produrre segnali rilevabili; affiancando questa capacità con l’identificazione della specie batterica, il sistema acquisisce il potenziale di concentrare l’indagine in un unico step, consentendo secondo i ricercatori risultati in poche ore – anziché in alcuni giorni come nei metodi tradizionali.

Le potenziali applicazioni appaiono particolarmente rilevanti nei contesti in cui la rapidità diagnostica può cambiare il decorso clinico, come nella sepsi o nelle infezioni ospedaliere. In questi scenari, ridurre il tempo necessario a riconoscere il patogeno e valutarne la sensibilità agli antibiotici potrebbe aiutare a orientare più velocemente le decisioni terapeutiche.

Il fattore tempo nella lotta all’antimicrobicoresistenza

Secondo diverse stime, i batteri resistenti agli antibiotici potrebbero essere associati a oltre un milione di decessi ogni anno. E ad alimentare il problema, secondo gli esperti, c’è anche la lentezza dei processi diagnostici, che spesso spinge all’avvio di terapie antibiotiche empiriche e ad ampio spettro prima di aver identificato con precisione il patogeno responsabile.

Ridurre i tempi di una diagnosi accurata delle infezioni batteriche e riconoscere da subito la loro resistenza potrebbe favorire un uso più appropriato degli antibiotici, dando un taglio ai trattamenti inefficaci o inutilmente estesi e contribuendo a contrastare la sempre crescente minaccia della resistenza antimicrobica.

Secondo i ricercatori, la possibilità di ridurre drasticamente i tempi dell’antibiogramma potrebbe contribuire a migliorare l’appropriatezza prescrittiva e rafforzare le strategie di antimicrobial stewardship.

“Se riusciremo a combinare questa velocità con la classificazione delle specie batteriche attraverso il nuovo modello di machine learning, potremo creare un dispositivo unico al mondo in grado di accelerare drasticamente diagnosi e trattamento, con un impatto importante nella lotta globale all’antimicrobico-resistenza”, ha dichiarato Aleksandre Japaridze, direttore tecnico di SoundCell.

Dal laboratorio alla clinica: i prossimi passi

“Per portare questa tecnologia dal laboratorio alla diagnostica di routine, saranno necessari ulteriori sviluppi”, sottolineano gli autori dello studio.

Gli esperimenti pubblicati finora sono stati infatti condotti nell’ambiente controllato del laboratorio, impiegando un apparato sperimentale che i ricercatori stanno riconfigurando in uno strumento compatibile con l’uso ospedaliero. “Il passo successivo sarà implementare il modello di apprendimento automatico nei prototipi di SoundCell e testarlo in ambito ospedaliero – spiegano i ricercatori – così da avvicinare questa tecnologia all’applicazione clinica reale”.

La startup ha già avviato studi pilota in due ospedali olandesi, con l’obiettivo di valutare le prestazioni dello strumento in contesti operativi concreti. Le sfide ancora aperte includono l’ampliamento dei dataset utilizzati per l’addestramento degli algoritmi, la riduzione del rischio di errore nella classificazione dei ceppi resistenti e lo sviluppo di piattaforme capaci di elaborare analisi in parallelo su più antibiotici.

L’obiettivo, spiegano gli autori, è ottenere cartucce contenenti array di sensori già associati a diversi farmaci, così da eseguire automaticamente identificazione del batterio e antibiogramma. Se la strada verso l’applicazione clinica è ancora lunga, questa convergenza tra nanomateriali, intelligenza artificiale e microbiologia segna già una nuova direzione per la diagnostica delle infezioni batteriche.