Detección de estupefacientes en muestras de orina utilizando espectroscopia infrarroja con reflexión total atenuada y...

Área de la Ciencia:

• Química Analítica La Química Analítica es la
• Ciencias Forenses Ciencias Forenses.
• Biología computacional Biología computacional.

Sus antecedentes:

• El abuso de drogas presenta un desafío significativo para la salud mundial, ya que los métodos actuales de detección de drogas en la orina son lentos y requieren análisis de expertos.
• La detección rápida y precisa de sustancias ilícitas en muestras biológicas es crucial para una intervención efectiva y la salud pública.

Objetivo del estudio:

• Desarrollar y validar un método de detección rápida de metanfetaminas y tetrahidrocannabinol en la orina utilizando la espectroscopia ATR-FTIR y el aprendizaje automático.
• Para diferenciar entre usuarios de drogas y no usuarios de drogas basado en datos espectrales de orina.

Principales métodos:

• Se utilizó la espectroscopia infrarroja de reflexión total atenuada-transformación de Fourier (ATR-FTIR) para analizar muestras de orina.
• Empleó algoritmos de aprendizaje automático, específicamente la máquina vectorial de soporte (SVM), para la clasificación.
• Preparación de muestras optimizada mediante el uso de supernatante de orina para obtener datos espectrales más claros.

Principales resultados:

• El supernatante de orina proporcionó una mejor discriminación espectral que las muestras de orina entera.
• El análisis del componente principal identificó regiones espectrales clave (3500-3000 cm-1) para el desarrollo del modelo.
• Un modelo de máquina vectorial de soporte logró una precisión del 80,8%, una sensibilidad del 80,8% y una especificidad del 85,2% en la clasificación de muestras de orina de usuarios de drogas.

Conclusiones:

• La espectroscopia ATR-FTIR combinada con el aprendizaje automático ofrece un enfoque prometedor para la detección rápida de drogas en la orina.
• El modelo SVM desarrollado demuestra su idoneidad para clasificar a los usuarios de drogas y no usuarios de drogas.
• Se recomienda una mayor investigación con tamaños de muestra más grandes y bibliotecas espectrales completas para mejorar la precisión y aplicabilidad del modelo.