محققان ایتالیایی از ترکیب فتالوسیانین مس (CuPc) که یک سفیدکننده معروف مورداستفاده در خمیر دندان است، یک ترانزیستور کاملاً خوراکی ساخته‌اند. ایجاد ترانزیستورهای خوراکی به منظور توسعه دستگاه‌های پزشکی الکترونیکی که برای آزمایش دستگاه گوارش بلعیده می‌شوند، امری حیاتی است.
براساس گزارش Tom's Hardware، محققان مؤسسه فناوری ایتالیایی در میلان می‌گویند که ترکیب CuPc علاوه‌بر ایمن‌بودن برای مصرف انسان، بیش از یک سال پایدار می‌ماند و می‌تواند به عنوان یک ترانزیستور الکترولیت‌دار با کمتر از 1 ولت کار کند.
برای ساخت یک ترانزیستور خوراکی به مقدار زیادی از CuPc نیاز نیست. به گفته محققان، هر فرد به طور متوسط حدود 1 میلی‌گرم CuPc را در حین مسواک‌زدن دوبار در روز مصرف می‌کند، که 12,500 برابر بیشتر از 80 نانوگرم مورد نیاز برای ایجاد یک تراشه است. «النا فلتری» (Elena Feltri)، نویسنده اصلی مقاله این پژوهش می‌گوید:
«با مقدار فتالوسیانین مسی که روزانه مصرف می‌کنیم، در تئوری می‌توانیم تقریباً 10 هزار ترانزیستور خوراکی بسازیم.»
درواقع، یکی از جنبه‌های جالب فتالوسیانین مس، ساختار شیمیایی آن است که هدایت بار را در کریستال‌هایش تسهیل و آن را به یک گزینه عالی برای استفاده به عنوان نیمه‌رسانا در کاربردهای الکترونیکی آلی تبدیل می‌کند.
ساخت یک ترانزیستور خوراکی برای توسعه دستگاه‌های پیشرفته پزشکی به‌منظور آزمایش ایمن دستگاه گوارش مهم است. البته پیش‌ازاین پزشکان از روش «آندوسکوپی کپسولی» استفاده می‌کردند که در یک کپسول یک دوربین بی‌سیم کوچک به اندازه یک قرص ویتامین قرار می‌گرفت و بیمار آن را می‌خورد. سپس برای تشخیص بیماری با کمک دوربین، از دستگاه گوارش عکس یا فیلم گرفته می‌شد. بااین‌حال، این روش نیاز به نظارت پزشک دارد و بیمار همچنان باید پس از انجام آزمایش، آن را دفع کند. علاوه‌بر‌این، آندوسکوپی کپسولی به جز دوربین حسگر دیگری ندارد، بنابراین فقط به داده‌های بصری محدود می‌شود.
در سوی دیگر، با یک ترانزیستور خوراکی، مهندسان زیستی می‌توانند یک دستگاه پزشکی با حسگرهایی برای تشخیص سطوح آنزیم و سایر عملکردهای شیمیایی بدن توسعه دهند. از آنجایی که این دستگاه‌ها خوراکی هستند و خطری برای سلامتی شما ندارند، می‌توانید به راحتی آن‌ها را بدون نیاز به آماده‌سازی و نظارت پزشک مصرف کنید. این امر آن را برای تشخیص زودهنگام و نظارت بدن بسیار مناسب می‌کند و حتی می‌تواند درمان‌های پزشکی آینده را خودکار کند.
یافته‌های پژوهش حاضر در Advanced Science منتشر شده است.
