El innovador chip del CONICET que diagnostica enfermedades hepáticas con una sola gota de sangre

La ciencia argentina acaba de cruzar una frontera tecnológica inédita al fusionar nanoanticuerpos de camélidos, microchips de grafeno y algoritmos de Inteligencia Artificial. El resultado es un biosensor portátil, rápido y de precisión absoluta, diseñado para detectar la hepatitis E, un virus silencioso y fuertemente subdiagnosticado en nuestra región.

La convergencia entre la biología molecular y la ingeniería de datos está reescribiendo las reglas del diagnóstico médico. En un hito para la ciencia local, la Red ViroSensAr (una plataforma nacional dedicada al desarrollo de biosensores rápidos para infecciones virales) acaba de publicar en la prestigiosa revista ACS Sensors la creación de un dispositivo digital portátil capaz de detectar el virus de la hepatitis E con una precisión inédita.

El proyecto es el resultado de una sinergia entre el sector público y el privado. Liderado por el CONICET a través de sus institutos INIFTA (La Plata), INQUIMAE (UBA) e INSIBIO (Tucumán), el desarrollo sumó el expertise algorítmico de Gisens Biotech, una startup de base tecnológica (Deep Tech) platense con proyección internacional.

El hardware biológico

Para comprender la magnitud de esta invención, es necesario mirar a escala nanométrica. Las pruebas tradicionales para detectar anticuerpos de hepatitis requieren extracciones de sangre venosa, infraestructura de laboratorio pesado y personal altamente calificado. El nuevo dispositivo elimina todos estos intermediarios físicos.

El núcleo del sensor es un chip fabricado con grafeno, un material derivado del grafito que es cien veces más resistente que el acero y un conductor eléctrico superior al cobre. Sobre esta superficie, los investigadores lograron integrar, por primera vez, «nanoanticuerpos» desarrollados en el INSIBIO.

Estos anticuerpos son particulares: derivan del sistema inmunológico de camélidos (como llamas, alpacas y vicuñas) y son diez veces más pequeños que las proteínas equivalentes en humanos. Su diminuto tamaño les permite reconocer de manera quirúrgica al antígeno ORF2, el marcador biológico principal que delata la presencia del virus de la hepatitis E. Todo esto ocurre utilizando apenas una gota de sangre capilar extraída mediante un leve pinchazo en el dedo.

El software algorítmico

Pero el hardware biológico era solo la mitad de la ecuación. En un estudio previo publicado en Biosensors and Bioelectronics, el dispositivo mostraba una sensibilidad del 89% y una especificidad del 69%. Para alcanzar el estándar de oro médico, el equipo recurrió a la Inteligencia Artificial.

La startup Gisens Biotech entrenó un algoritmo de Machine Learning (aprendizaje automático) para procesar las señales eléctricas que emite el chip de grafeno cuando los nanoanticuerpos detectan el virus. Al acoplar este algoritmo al dispositivo portátil, la precisión de la prueba dio un salto cuántico: la sensibilidad y especificidad alcanzaron casi el 100%.

«Al ser un lenguaje digital, esta mejora tiene un costo prácticamente nulo si se lo compara con lo que costaría hacer modificaciones físicas al hardware del chip», destaca Esteban Piccinini, investigador del INIFTA y galardonado por el MIT como uno de los innovadores menores de 35 años más destacados.

ANATOMÍA DEL BIOSENSOR ARGENTINO 🔬

Convergencia Tecnológica: Biología + Materiales + Inteligencia Artificial

🦙 1. El Radar Biológico

Nanoanticuerpos de llama: Proteínas 10 veces más pequeñas que las humanas. Detectan quirúrgicamente el antígeno ORF2 del virus en la sangre.

2. El Hardware Base

Chip de Grafeno: Cien veces más duro que el acero y superconductor eléctrico. Traduce el hallazgo biológico en señales eléctricas medibles.

🤖 3. El Cerebro Digital

Machine Learning: Algoritmo de IA que procesa la señal eléctrica y eleva la precisión de la prueba a casi el 100% de sensibilidad.

🩸 VENTAJAS CLÍNICAS (PUNTO DE ATENCIÓN)
  • No requiere extracción de sangre venosa (solo una gota capilar del dedo).
  • Diseño portátil: ideal para zonas rurales sin laboratorios complejos.
  • Cuantitativo: No solo dice «Positivo», sino que mide la carga viral exacta para monitorear pacientes crónicos.
Desarrollo: Red ViroSensAr (CONICET) + Gisens Biotech. Publicado en ACS Sensors.

La lucha contra el subdiagnóstico

La hepatitis E es una enfermedad aguda que se transmite principalmente por el consumo de agua contaminada o, en sus variantes zoonóticas, por carne de cerdo mal cocida. Aunque la OMS reporta casi 20 millones de casos recientes a nivel global, en Argentina (considerada de baja endemia) la Sociedad Argentina de Infectología advierte sobre un severo subdiagnóstico. Sus síntomas (como la ictericia o piel amarillenta) se confunden fácilmente con otras afecciones hepáticas.

El nuevo desarrollo del CONICET no solo es capaz de diagnosticar la enfermedad en zonas rurales o de difícil acceso sin necesidad de grandes laboratorios, sino que aporta una ventaja clínica fundamental: arroja un valor cuantitativo. A diferencia de un test rápido de farmacia que solo indica «positivo» o «negativo», este dispositivo informa la concentración exacta (carga viral) del antígeno en la sangre.

Para los pacientes que desarrollan cuadros crónicos y enfrentan tratamientos prolongados, esta herramienta portátil permitirá monitorear en tiempo real si la medicación está funcionando o si el virus, implacable, sigue avanzando.

Referencias:

Albesa S, Giménez E, Piccinini JM, Vizoso-Pinto MG, Marmisollé WA, Piccinini E, Azzaroni O. Machine Learning-Augmented Graphene Transistor Biosensing: Quantitative Platform Validation and Immunotesting of Hepatitis E. ACS Sens. 2026 Jan 23;11(1):728-738. doi: 1021/acssensors.5c04006

Giménez, E., Arce, L. P., Piccinini, E., Brancher, J. M., Piccinini, J. M., Marmisollé, W. A., … & Azzaroni, O. (2025). Digital detection of hepatitis E antigen tailored for multiple genotypes using graphene transistors functionalized with nanobodies: End-to-end test development and optimization. Biosensors and Bioelectronics, 118085. Doi: https://doi.org/10.1016/j.bios.2025.118085

Deja un comentario