Diferenciación de especies bacterianas mediante detección en tiempo real de compuestos orgánicos volátiles microbianos usando un detector de fotoionización multiplexado por longitud de onda y análisis de imágenes con IA

Por qué oler los gérmenes podría cambiar la atención hospitalaria

Los hospitales lidian constantemente con infecciones que los pacientes contraen durante el tratamiento, a menudo causadas por bacterias resistentes a antibióticos comunes. Los médicos necesitan saber con rapidez qué germen está presente para elegir el fármaco adecuado, pero las pruebas actuales pueden tardar días. Este estudio explora un enfoque nuevo que escucha el “olor” de las bacterias en tiempo real y usa inteligencia artificial para distinguir entre especies, con el objetivo de acelerar el diagnóstico y mejorar la atención al paciente.

Gérmenes que dejan una huella química

Así como el café, las flores o la pintura desprenden olores reconocibles, las bacterias liberan su propia mezcla de diminutos compuestos volátiles en el aire. Estos se llaman compuestos orgánicos volátiles, o VOC, y cada especie tiende a emitir una combinación particular mientras crece. Los autores se centraron en cuatro bacterias comunes en entornos hospitalarios, incluidas E. coli y Staphylococcus aureus, que son causas principales de infecciones urinarias, sanguíneas y pulmonares. Si estas mezclas químicas pueden leerse de forma rápida y fiable, podrían servir como una especie de huella que revela qué germen está presente sin necesidad de tocar las bacterias.

Un sensor compacto que detecta pistas invisibles

Para capturar estos olores bacterianos, el equipo construyó un pequeño dispositivo basado en una tecnología llamada detección por fotoionización. Dentro del sensor, cuatro pequeñas lámparas emiten luz de alta energía sobre los VOC entrantes. Cada lámpara tiene una energía lumínica diferente, por lo que cada una responde preferentemente a una porción ligeramente distinta de la mezcla química. Cuando los compuestos son impactados por la luz, se forman partículas cargadas que generan una débil corriente eléctrica. Durante un periodo de 20 minutos, cada lámpara produce su propia curva de corriente, reflejando cómo cambia el olor bacteriano con el tiempo. Juntas, estas cuatro curvas forman una especie de patrón multicolor específico de cada especie y de la cantidad de bacterias presentes.

Convertir señales del sensor en imágenes para la IA

Las curvas eléctricas en bruto son complejas y no son fáciles de interpretar a simple vista. Los investigadores convirtieron por tanto las curvas en imágenes, rellenando el área bajo cada línea y combinando las señales de las cuatro lámparas en una sola imagen. Luego emplearon una red de reconocimiento de imágenes preentrenada, originalmente diseñada para clasificar fotografías cotidianas, y la adaptaron a esta tarea usando una estrategia llamada aprendizaje con pocos ejemplos (few‑shot learning). Este enfoque está pensado para funcionar incluso cuando solo hay un número reducido de ejemplos disponibles, que suele ser el caso cuando se desarrolla un sensor nuevo. El modelo de IA aprendió a detectar las sutiles diferencias de forma e intensidad entre imágenes procedentes de distintas bacterias y de distintos niveles de concentración.

Qué puede decirnos ya el sistema

En pruebas, el sensor distinguió de forma fiable las cuatro especies bacterianas en función de sus patrones de VOC, alcanzando más del 88 por ciento de precisión en la identificación de especies. Detectó niveles bacterianos muy bajos, hasta alrededor de cien células por mililitro, lo que coincide con el rango observado en infecciones sanguíneas tempranas y está muy por debajo de los niveles típicos de infecciones del tracto urinario. El sistema también diferenciaba entre niveles bajos y altos de contaminación, una capacidad que podría ayudar a los clínicos a decidir si una infección es significativa o todavía está en una fase temprana. Cuando el equipo generó un conjunto de datos más equilibrado, el rendimiento del modelo de IA mejoró aún más, lo que muestra que datos más consistentes harían el método aún más potente.

Qué podría significar esto para los pacientes

Este trabajo aún no reemplaza las pruebas de laboratorio estándar, pero demuestra que combinar un sensor simple basado en el olfato con IA moderna puede señalar con rapidez qué bacterias están presentes y en qué cantidad. Dado que el dispositivo es compacto, no requiere reactivos especiales ni preparación compleja de la muestra, y lee el aire sobre un cultivo directamente, podría adaptarse para uso junto a la cama o cerca del paciente. En el futuro, herramientas similares podrían ayudar a los médicos a reaccionar más rápido ante infecciones hospitalarias, ajustar los tratamientos con mayor precisión y reducir el uso innecesario de antibióticos de amplio espectro, favoreciendo mejores resultados para los pacientes.

Cita: Costa, S.P., Cardoso, A., Mahmoodnia, H. et al. Bacterial species differentiation via real-time detection of microbial volatile organic compounds using a wavelength multiplexed photoionization detector and AI image-based analysis. Sci Rep 16, 15924 (2026). https://doi.org/10.1038/s41598-026-46818-x

Palabras clave: detección bacteriana, compuestos orgánicos volátiles, sensor de fotoionización, inteligencia artificial, infecciones sanitarias