Un método único en su tipo, creado por investigadores de la Universidad de Oxford, es capaz de distinguir vacunas auténticas y falsas mediante la aplicación del aprendizaje automático a los datos espectrales de masa.
El método demostró ser eficaz para diferenciar entre una gama de vacunas auténticas y “falsas” que previamente habían entrado en las cadenas de suministro.
Los resultados del estudio proporcionan un método de prueba de concepto que podría ampliarse para abordar la necesidad urgente de un cribado de la cadena de suministro de vacunas global más eficaz. Un beneficio clave es que utiliza espectrómetros de masas clínicas ya distribuidos globalmente para diagnósticos médicos.
La población mundial depende cada vez más de las vacunas para mantener la salud de la población con miles de millones de dosis utilizadas anualmente en programas de inmunización en todo el mundo. La gran mayoría de las vacunas son de excelente calidad. Sin embargo, un aumento de las vacunas deficientes y falsas amenaza la salud pública mundial.
Además de no tratar la enfermedad para la que estaban destinadas, estas pueden tener graves consecuencias para la salud, incluida la muerte, y reducir la confianza en las vacunas. Desafortunadamente, actualmente no existe una infraestructura global para monitorear las cadenas de suministro utilizando métodos de detección desarrollados para identificar vacunas ineficaces.
UN INSTRUMENTO PARA DETECTAR VACUNAS FALSAS
En este nuevo estudio, los investigadores desarrollaron y validaron un método que es capaz de distinguir vacunas auténticas y falsificadas utilizando instrumentos desarrollados para identificar bacterias en laboratorios de microbiología hospitalaria.
El método se basa en la espectrometría de masas de desorción/ionización láser asistida por matriz (MALDI-MS), una técnica utilizada para identificar los componentes de una muestra dando una carga a las moléculas constituyentes y luego separándolas.
El análisis MALDI-MS se combina luego con el aprendizaje automático de código abierto. Esto proporciona un modelo multicomponente confiable que puede diferenciar vacunas auténticas y falsificadas, y no depende de un solo marcador o componente químico.
El método distinguió con éxito entre una gama de vacunas genuinas, incluidas las de la gripe (gripe), el virus de la hepatitis B y la enfermedad meningocócica, y las soluciones comúnmente utilizadas en vacunas falsificadas, como el cloruro de sodio.
El profesor James McCullagh, colíder del estudio y profesor de Química Biológica en el Departamento de Química de la Universidad de Oxford, dijo: “Estamos encantados de ver la eficacia del método y su potencial para su despliegue en la detección de autenticidad de vacunas del mundo real. Este es un hito importante para el consorcio de Evaluación de la Identidad de Vacunas (VIE) que se centra en el desarrollo y la evaluación de dispositivos innovadores para detectar vacunas falsificadas y de calidad inferior, con el apoyo de múltiples socios de investigación, incluidos la Organización Mundial de la Salud (OMS), las autoridades reguladoras de medicamentos y los fabricantes de vacunas”.
El estudio “uso de la espectrometría de masas de ionización por desorción láser asistida por matriz combinada con aprendizaje automático para la detección de la autenticidad de la vacuna” se publicó en npj Vaccines. N
