Diagnosticar infecções fúngicas resistentes a medicamentos representa um desafio ímpar na prática clínica contemporânea, especialmente quando se trata de Candida auris, um patógeno emergente com alta taxa de resistência e associação com surtos hospitalares graves. Tradicionalmente, identificar a presença do fungo e seu perfil de resistência antifúngica pode levar dias ou até semanas de processamento laboratorial, comprometendo decisões rápidas de tratamento.
Pesquisadores uniram forças entre especialistas em diagnósticos baseados em CRISPR, detecção de moléculas individuais e análise computacional para desenvolver uma nova plataforma capaz de superar essas limitações. O resultado é uma tecnologia denominada dSHERLOCK, que combina a sensibilidade da técnica CRISPR-Cas com a velocidade de algoritmos de inteligência artificial para gerar informações clínicas em tempo real a partir de amostras simples de swab de pacientes.
A inovação fundamental do dSHERLOCK está em sua capacidade de detectar o material genético de C. auris com precisão de um único nucleotídeo, ao mesmo tempo em que quantifica a carga fúngica e identifica mutações associadas à resistência contra antifúngicos comuns, como azóis e equinocandinas. O uso de milhares de reações de molécula única, monitoradas por sinais fluorescentes e interpretadas por aprendizado de máquina, permite que o teste seja concluído em menos de uma hora, com detecção inicial em cerca de 20 minutos e quantificação detalhada em aproximadamente 40 minutos.
Essa capacidade representa uma revolução no tempo de resposta em comparação com os métodos atuais de diagnóstico e perfil de resistência, que dependem de culturas e ensaios laboratoriais complexos que podem levar dias. Ao fornecer resultados rápidos e quantitativos diretamente no ponto de atendimento, o dSHERLOCK tem o potencial de orientar escolhas terapêuticas mais eficazes, reduzir a exposição desnecessária a medicamentos e melhorar o controle de infecções resistentes no ambiente hospitalar.
O estudo que descreve essa tecnologia foi publicado na revista Nature Biomedical Engineering, refletindo um marco importante na integração de ferramentas de edição genética com inteligência artificial aplicada à microbiologia diagnóstica. Os pesquisadores também destacam a aplicabilidade da plataforma para outros microrganismos onde a determinação rápida de resistência é igualmente crítica, sinalizando um caminho promissor para ampliar a utilidade clínica dessa abordagem.
Especialistas apontam que abordagens como o dSHERLOCK podem ser especialmente úteis em serviços de saúde com alta incidência de infecções fúngicas complexas, e em cenários onde a velocidade do diagnóstico influencia diretamente desfechos clínicos. Neste contexto, a convergência entre biologia molecular avançada e análise computacional representa uma das fronteiras mais produtivas para o futuro dos diagnósticos laboratoriais.
