Avances recientes en las plataformas de biosensores que utilizan la caracterización de biomarcadores exosómicos para el diagnóstico del cáncer.

Los exosomas derivados de tumores contienen una carga molecular multidimensional, que incluye proteínas de superficie, microARN y lípidos que codifican la identidad del tumor y la dinámica de la enfermedad. Estas características respaldan su aplicación como biomarcadores para el diagnóstico del cáncer basado en biopsias líquidas. El ADN tumoral circulante sufre una rápida degradación mediada por nucleasas, mientras que los exosomas conservan información molecular estable que refleja los estados proteómico, transcriptómico y metabólico de las células tumorales originales.

Sin embargo, la traslación clínica de la detección basada en exosomas sigue siendo limitada debido a la variabilidad en el aislamiento, la heterogeneidad biológica y la dificultad analítica de detectar biomarcadores de baja abundancia en muestras clínicas. En esta revisión, examinamos las firmas exosómicas específicas del cáncer en cáncer de mama, pulmón, colon y estómago, y evaluamos las plataformas de biosensores para el perfilado de biomarcadores exosómicos. Integramos principios de ingeniería, métricas de rendimiento clínico y análisis asistido por IA en diferentes modalidades de biosensores complementarias para establecer un marco analítico entre plataformas. Comparamos las plataformas ópticas basadas en resonancia de plasmones superficiales, resonancia de plasmones superficiales localizada y dispersión Raman mejorada en la superficie con las plataformas basadas en fotoluminiscencia y electroquímica en términos de sensibilidad, compatibilidad clínica y potencial de traslación.

Además, examinamos los marcos de biosensores asistidos por inteligencia artificial (IA), que incluyen clasificadores clásicos de aprendizaje automático, redes convolucionales profundas, modelos de conjunto, métodos de IA explicables e interfaces de modelos de lenguaje grandes. Evaluamos cómo cada marco aborda la complejidad espectral de alta dimensión, las relaciones no lineales entre las señales y la variabilidad interpaciente en los datos exosómicos. Finalmente, identificamos los desafíos pendientes, como la falta de protocolos de aislamiento estandarizados y la ausencia de una validación clínica a gran escala. Destacamos además el seguimiento de la enfermedad residual mínima y la detección del cáncer en etapas tempranas como direcciones importantes y poco exploradas para el biosensaje exosómico integrado con IA en la oncología de precisión.