Un nuevo método permite identificar bacterias en el aire casi en tiempo real
La nueva técnica, basada en fluorescencia láser y aprendizaje automático, abre la puerta a una vigilancia más rápida y precisa de bioaerosoles ambientales
22.12.2025
Un equipo del Instituto de Salud Global de Barcelona (ISGlobal), centro impulsado por la Fundación ”la Caixa”, ha demostrado por primera vez que es posible identificar bacterias presentes en el aire casi al instante, sin necesidad de recoger muestras ni llevarlas al laboratorio. El estudio, publicado en la revista Atmospheric Measurement Techniques, muestra que un dispositivo portátil puede reconocer distintos tipos de bacterias presentes en aerosoles, gracias a un láser ultravioleta que hace “brillar” sus componentes y a un sistema de inteligencia artificial capaz de interpretar esa señal.
Los microorganismos presentes en la atmósfera —el llamado aerobioma— desempeñan un papel clave en los ecosistemas, el clima y la salud humana. Sin embargo, su estudio ha sido limitado por dificultades técnicas: las muestras de aire suelen contener cantidades extremadamente bajas de ADN bacteriano, lo que ralentiza los métodos basados en secuenciación. Los detectores automáticos de bioaerosoles han avanzado en la identificación de pólenes, pero hasta ahora no existía un método eficaz para distinguir partículas microbianas en tiempo real, una limitación que obstaculiza la vigilancia ambiental y la respuesta rápida ante amenazas biológicas o episodios de contaminación asociada a bioaerosoles.
Para conseguirlo, el equipo adaptó un dispositivo comercial llamado Rapid-E, sustituyendo su láser original por otro de 266 nm, capaz de excitar (es decir, hacer emitir fluorescencia) a compuestos característicos de las bacterias. Después generaron aerosoles en laboratorio que contenían cinco especies bacterianas comunes en entornos urbanos, simulando partículas que podrían encontrarse en el aire ambiental. El dispositivo analizó cada partícula midiendo cómo dispersaba la luz y qué tipo de fluorescencia emitía —una especie de “huella óptica” de cada microorganismo—, y estos datos se introdujeron en modelos de machine learning que fueron entrenados para reconocer patrones propios de cada especie.
Precisión del 96,7% para distinguir entre partículas bacterianas y no bacterianas
Los resultados muestran que el sistema es capaz de distinguir entre partículas bacterianas y no bacterianas con una precisión del 96,7%, e identificar especies bacterianas concretas con una precisión media del 69,2%, un logro notable dado el pequeño tamaño y la complejidad de las partículas microbianas. También se observó que el tiempo de extinción de la fluorescencia es el rasgo más útil para la clasificación, incluso por encima del espectro o la dispersión de luz.
Según Alejandro Fontal, primer autor e investigador de ISGlobal: “Hemos demostrado que es posible reconocer bacterias en el aire casi en tiempo real sin necesidad de recolectar y procesar muestras. Esto abre nuevas posibilidades para la vigilancia ambiental y la investigación del aerobioma, un ecosistema hasta ahora muy poco explorado”.
Por su parte, Xavier Rodó, autor sénior del estudio e investigador ICREA en ISGlobal, destaca que “las mejoras introducidas en este dispositivo podrían permitir en el futuro una monitorización continua y más fina de bioaerosoles, útil para anticipar riesgos sanitarios, estudiar la dispersión de patógenos o entender mejor las dinámicas microbianas a escala global”.
El trabajo representa un paso importante hacia sistemas de vigilancia ambiental capaces de detectar microorganismos del aire de forma rápida, automática y sin necesidad de procesos de laboratorio. En el futuro, esta tecnología podría aplicarse a hongos, virus y otros componentes biológicos del aire, así como apoyar sistemas de alerta temprana ante patógenos transportados por aerosoles, como el SARS-CoV-2, y también complementar estudios climáticos y de calidad del aire, ya que permite la separación diferencial de hidrocarburos emitidos por la combustión de vehículos. Otras posibles aplicaciones son la mejora de la monitorización en entornos urbanos, hospitales o infraestructuras críticas. El equipo subraya, no obstante, que será necesario validar el prototipo y la técnica en condiciones reales y con mezclas complejas de partículas, más representativas del ambiente.
Referencia
Fontal, A., Borràs, S., Cañas, L., Pozdniakova, S., and Rodó, X.: Laser-Induced Fluorescence coupled with Machine Learning as an effective approach for real-time identification of bacteria in bioaerosols, Atmos. Meas. Tech., 18, 7297–7313, https://doi.org/10.5194/amt-18-7297-2025, 2025.
