Sensore metamateriale multi-banda potenziato dall’apprendimento automatico per la diagnosi precoce di disturbi neurologici

Individuare i problemi cerebrali prima che compaiano i sintomi

Disturbi neurologici come i tumori cerebrali, la sclerosi multipla e le lesioni traumatiche spesso iniziano con cambiamenti sottili che gli scanner odierni possono non rilevare. Questo studio presenta un piccolo sensore, costruito con materiali appositamente modellati e supportato dall’apprendimento automatico, che opera con luce terahertz per individuare i primi spostamenti nei fluidi e nei tessuti cerebrali. In futuro, un chip di questo tipo potrebbe aiutare i medici a rilevare problemi prima, usando apparecchiature più piccole e potenzialmente meno costose rispetto agli ingombranti macchinari MRI o CT attuali.

Perché serve un nuovo tipo di sensore cerebrale

I medici si affidano attualmente a CT e MRI per localizzare il tessuto cerebrale danneggiato, ma queste macchine sono grandi, costose e non sempre sensibili alle fasi più precoci della malattia. Molte condizioni cerebrali alterano in modo sottile le proprietà del liquido cerebrospinale—il fluido trasparente che ammortizza cervello e midollo spinale e contribuisce alla loro stabilità chimica. Quando cambia il contenuto d’acqua, cambia anche il modo in cui questo liquido piega la luce, una quantità nota come indice di rifrazione. Gli scanner convenzionali non sono progettati per misurare direttamente questi piccoli cambiamenti ottici. Gli autori sostengono che se un sensore compatto potesse leggere questi spostamenti con alta precisione, potrebbe rivelare segnali di avvertimento molto prima che il danno strutturale diventi evidente.

Sfruttare la luce terahertz e materiali progettati

Il sensore proposto funziona nella regione terahertz dello spettro elettromagnetico, una banda di radiazione che può penetrare i tessuti biologici senza gli effetti ionizzanti dannosi dei raggi X. Al cuore del dispositivo c’è una superficie “metamateriale” accuratamente modellata: un quadrato largo 35 micrometri realizzato in oro e in una plastica chiamata poliimmide, disposto come anelli quadrati e ottagonali annidati. Piuttosto che fare affidamento sulla composizione grezza dei materiali, il progetto usa la geometria per intrappolare le onde terahertz in arrivo in modo molto efficiente. Quando il sensore è esposto a un campione—come liquido cerebrospinale o tessuto simile al cervello—il suo spettro di assorbimento mostra tre picchi molto netti a frequenze specifiche. Poiché oltre il 99 percento dell’energia terahertz incidente è assorbita a ciascun picco, piccoli spostamenti di quelle frequenze diventano facili da rilevare.

Leggere piccoli cambiamenti nei tessuti simulati cerebrali

Per testare la capacità di rilevamento, il team ha posizionato uno strato sottile di “analita” sopra il metamateriale e ha variato il suo indice di rifrazione nell’intervallo tipico dei fluidi biologici. Ogni volta che l’indice di rifrazione cambiava, tutti e tre i picchi di assorbimento si spostavano verso frequenze leggermente diverse mantenendosi molto forti, al di sopra di circa il 96 percento di assorbimento. Da questi spostamenti i ricercatori hanno calcolato valori di sensibilità di 1,5, 1,5 e 1,8 terahertz per unità di indice di rifrazione per i tre picchi—valori che confrontano favorevolmente o superano molti sensori terahertz precedenti. Hanno quindi modellato condizioni cerebrali realistiche assegnando valori di indice di rifrazione a diversi tessuti, includendo il liquido cerebrospinale sano, la materia grigia e bianca e diversi tipi di tumori cerebrali. I tre picchi di risonanza per ogni tipo di tessuto si separavano nettamente senza sovrapposizioni, indicando che il dispositivo potrebbe, in linea di principio, distinguere tra stati sani e patologici su più canali contemporaneamente.

Velocizzare il progetto con l’apprendimento automatico

Progettare un sensore così finemente sintonizzato richiede normalmente migliaia di simulazioni al computer che richiedono tempo. Per superare questo limite, gli autori hanno generato un ampio set di dati variando in modo sistematico cinque parametri chiave del progetto—come gli spessori degli strati e le dimensioni delle aperture—and registrando l’assorbimento risultante. Hanno quindi addestrato diversi modelli di apprendimento automatico per prevedere la risposta del sensore senza eseguire simulazioni complete. Il gradient boosting, un noto metodo ensemble, è emerso come il migliore, riproducendo le curve di assorbimento simulate con estrema precisione. Basandosi su questi modelli appresi, il team stima di poter esplorare nuovi design riducendo il tempo di simulazione fino al 60 percento. Hanno inoltre utilizzato strumenti di AI interpretabile, SHAP e LIME, per identificare quali parametri contavano di più, offrendo intuizioni su come la geometria controlli le prestazioni del sensore.

Cosa potrebbe significare per la diagnosi precoce

In termini semplici, lo studio dimostra che un chip terahertz grande come un francobollo può funzionare come un “orecchio” molto sensibile per ascoltare come i fluidi e i tessuti cerebrali interagiscono con la luce, e che queste interazioni cambiano in modi affidabili con il progredire della malattia. Poiché il sensore produce tre letture indipendenti contemporaneamente, guadagna sia in accuratezza sia in robustezza: se un canale è disturbato, gli altri possono comunque aiutare a identificare lo stato del tessuto. Sebbene il lavoro finora si basi su simulazioni e debba essere confermato in laboratorio e in ambito clinico, la combinazione di alta sensibilità, dimensioni compatte e progettazione guidata dall’apprendimento automatico suggerisce una via promettente verso strumenti più rapidi e accessibili per intercettare i disturbi neurologici nelle loro fasi più precoci e trattabili.

Citazione: Miah, A., Al Zafir, S., Das, J. et al. Machine learning-enhanced multi-band metamaterial sensor for early detection of neurological disorders. Sci Rep 16, 7599 (2026). https://doi.org/10.1038/s41598-026-39127-w

Parole chiave: disturbi neurologici, rilevamento terahertz, sensore metamateriale, liquido cerebrospinale, apprendimento automatico