La medición precisa de la temperatura dentro de los tejidos biológicos se está convirtiendo en una herramienta vital dentro de la biomedicina moderna. A medida que los procesos fisiológicos y patológicos generan variaciones térmicas sutiles pero significativas, detectarlas puede ofrecer información crítica para la detección de enfermedades como los tumores, la monitorización de tratamientos terapéuticos y el estudio de metabolismo celular. Sin embargo, los métodos convencionales de termometría lumínica se limitaban principalmente a crear imágenes bidimensionales, lo que complicaba la comprensión de la difusión del calor en un entorno tridimensional como el cuerpo humano. Un nuevo estudio, publicado en la revista Nature Communications, presenta un importante avance: una técnica capaz de obtener imágenes térmicas en tres dimensiones mediante nanotermómetros luminiscentes y algoritmos de aprendizaje automático, superando así las limitaciones de los métodos anteriores.
La nanotermometría luminiscente es un campo que utiliza nanopartículas que emiten luz en función de la temperatura cuando son excitadas por un láser. Esta técnica, conocida por su naturaleza mínimamente invasiva, ha sido aplicada en diversas disciplinas, incluyendo la microelectrónica y la biomedicina. No obstante, un desafío constante ha sido la incapacidad para elaborar mapas térmicos en tres dimensiones, ya que las técnicas clásicas solo permitían proyecciones bidimensionales o requerían adquisiciones largas y costosas, lo que afectaba la resolución temporal. Este vacío limitaba su aplicación clínica real, especialmente en el diagnóstico y seguimiento de condiciones como inflamaciones internas y terapias térmicas que operan en estructuras profundas del cuerpo.
En este contexto, el nuevo método descrito en el estudio se centra en el uso de nanopartículas de sulfuro de plata (Ag₂S), que presentan varias ventajas clave. Su emisión en el rango infrarrojo cercano permite una penetración adecuada en los tejidos, y su sensibilidad a los cambios de temperatura en el rango fisiológico (20–50 °C) es notable. Además, la interacción de la emisión luminiscente con el agua del tejido genera distorsiones espectrales que ofrecen información sobre la profundidad a la que se encuentran las nanopartículas. Las señales complejas generadas requieren algoritmos avanzados para extraer información de temperatura y ubicación, un desafío que se aborda mediante el uso de inteligencia artificial.
El enfoque innovador del estudio emplea un algoritmo que combina redes neuronales convolucionales y densas (CNN+DNN), que permite identificar patrones complejos en los datos espectrales de más de 200.000 registros obtenidos en condiciones controladas con tejidos artificiales y reales. Este sofisticado modelo logró una precisión en la predicción de temperaturas de 0,45 °C y una resolución de profundidad de 0,25 mm. La validación inicial se realizó en tejidos sintéticos y posteriormente en un modelo animal, donde se demostró que las imágenes térmicas tridimensionales obtenidas se alineaban perfectamente con las expectativas teóricas, marcando un hito en la obtención de mapas térmicos en organismos vivos.
El futuro de esta investigación es prometedor, ya que no solo abre la puerta a una mejor comprensión de la termodinámica en los tejidos biológicos, sino que también establece un modelo para el desarrollo de sensores que pueden mapear diversos parámetros en tres dimensiones. Utilizando nanopartículas que responden a diferentes condiciones fisiológicas, como el pH o los niveles de oxígeno, esta técnica ampliará significativamente el rango de aplicación de la nanotermometría luminiscente. Integrado en el marco del proyecto MAtCHLESS, financiado por el Consejo Europeo de Investigación, este avance llega en un momento crucial para la biomedicina, con el potencial de transformar la forma en que se monitorean y diagnostican las patologías en el cuerpo humano.
