Un equipo internacional de investigación ha desarrollado un algoritmo de IA especialmente ligero que puede clasificar y cuantificar con precisión compuestos orgánicos volátiles (COV) en mezclas de gases espirados. La tecnología sentará las bases para futuras pruebas de aliento no invasivas para la detección temprana del cáncer de pulmón.
El modelo combina una red de fusión de características locales-globales ligera (LLGFN) con un modelo predictivo basado en GBDT-GRU. En experimentos con mezclas de gases sintéticos de acetona, etanol e isopropanol, el sistema alcanzó una precisión de clasificación media del 96,2 por ciento, con una carga computacional muy baja.
El modelo está diseñado para poder utilizarse en narices electrónicas (e-noses) portátiles. Supera las limitaciones existentes en la modelización de dependencias a largo plazo y correlaciones entre canales en señales de sensores y reduce la necesidad de extracción manual de características.
El estudio se ha publicado en la revista científica Frontiers in Bioengineering and Biotechnology. Los investigadores consideran que la tecnología representa un paso importante hacia pruebas de aliento no invasivas y clínicamente aplicables para la detección temprana del cáncer.
Fuente:
Fang X et al. (2026). A lightweight intelligent model for VOC mixture analysis: toward preclinical breath biomarker analysis. Frontiers in Bioengineering and Biotechnology. DOI: 10.3389/fbioe.2026.1821312
