O novo sensor não invasivo utiliza aprendizado de máquina para estimar os níveis de lipídios no sangue com base nas medições feitas no suor. A relação entre os lipídios no suor e os lipídios no sangue não é linear — um gráfico da relação entre as medições e o que é encontrado no sangue não segue uma linha reta. O modelo causal de aprendizado de máquina leva em consideração diversos fatores fisiológicos que podem afetar essas medições no suor, como o índice de massa corporal (IMC), o sexo e a quantidade de suor produzida pela pessoa, para gerar uma estimativa dos níveis de lipídios no sangue.

"Juntos, a medição do suor e o modelo causal de aprendizado de máquina podem prever o nível sanguíneo com alta precisão", afirma Gao, que também é pesquisador do Heritage Medical Research Institute.

Gao e seus colegas descrevem o novo dispositivo de perfil lipídico e os resultados dos testes pré-clínicos realizados com 24 participantes em um artigo publicado na revista Nature Sensors . Os autores principais do artigo são todos do grupo de Gao no Caltech: José A. Lasalde-Ramírez, estudante de pós-graduação; Chihyeong Won, pesquisador visitante no Caltech; e Sijie Ji, pesquisador associado de pós-doutorado sênior.

Gao afirma que o dispositivo vestível pode desempenhar um papel importante ao fornecer alertas precoces sobre doenças cardiovasculares ou metabólicas. "Quantas pessoas realmente fazem exames de sangue regularmente? Eu mesmo não faço isso há pelo menos dois anos", diz Gao. "É por isso que acreditamos que um método não invasivo de monitoramento de lipídios será fundamental."

O grupo de Gao já havia desenvolvido testes não invasivos para glicose e ácido úrico , mas ele afirma que a detecção contínua de lipídios representou um desafio maior. Por exemplo, grande parte do colesterol presente no suor está em uma forma química chamada colesterol esterificado, que não pode ser detectada diretamente. Os pesquisadores, portanto, desenvolveram uma reação enzimática em duas etapas: a primeira converte o colesterol esterificado em colesterol livre, e a segunda oxida o colesterol livre para gerar peróxido de hidrogênio, que pode então ser medido pelo sensor. Eles também precisaram encontrar uma maneira de reter um suprimento de ATP (adenosina trifosfato), a principal fonte de energia da célula, em um polímero especial incorporado ao adesivo vestível. Dessa forma, o ATP poderia ser liberado gradualmente no suor do usuário, permitindo que o sistema de polímero mantivesse o suprimento de ATP necessário para a detecção de triglicerídeos por mais de 20 horas.

O artigo intitula-se "Perfilamento lipídico contínuo não invasivo por meio de reações enzimáticas em cascata com reposição de cofatores e aprendizado de máquina causal". Os autores Soyoung Shin, Robin M. McDonald, Katherine Karish, Gwangmook Kim, Hong Hang, Daniel Mukasa, Yu Song e Juliane R. Sempionatto contribuíram para o trabalho enquanto estavam no Caltech. Sempionatto também contribuiu enquanto estava na Universidade Rice. Brian Arianpour, Tzung K. Hsiai e Zhaoping Li são autores da UCLA. Li e o autor Jieping Yang são da Escola de Medicina David Geffen da UCLA. O trabalho foi financiado pela Fundação Nacional de Ciência (NSF), pelos Institutos Nacionais de Saúde (NIH), pela Samsung Research America e pelo Instituto de Pesquisa Médica Heritage.