DESARROLLO DE UN SISTEMA OLFATIVO ELECTRÓNICO PARA EL DIAGNÓSTICO PRELIMINAR NO INVASIVO DE LA DIABETES

Jorge Javier Mendoza Montoya, Ernesto Ávila Navarro

Resumen


El artículo muestra los avances obtenidos para el diagnóstico preliminar de la diabetes por medio de una novedosa técnica no invasiva, utiliza un sistema olfativo electrónico de respuesta rápida y de bajo costo. El diseño de este sistema olfativo electrónico, permite el monitoreo en tiempo real de la diabetes, utiliza sensores de metal óxido capaces de detectar componentes orgánicos volátiles y que configurados adecuadamente, pueden detectar cuerpos cetónicos. El módulo olfativo electrónico consta de 08 sensores de metal óxido de la marca Japonesa Figaro (serie TGS26xx), el sistema de control y adquisición de datos se realizó con un sistema embebido Bluno-Nano que cuenta con un conversor análogo digital de 08 canales a 10 bits. Para el control y procesamiento de datos, se utilizó la plataforma Arduino-IDE y el lenguaje Python. El método empleado es analítico y deductivo, se basa en la adquisición, análisis e interpretación de datos; se realizó 10 pruebas olfativas para tres disoluciones de acetona con proporciones de 17,3 mg/dL, 30,7 mg/dL y 104,0 mg/dL. Los niveles de acetona detectados por el sistema olfativo electrónico entregaron resultados caracterizados como concentraciones de nivel Bajo, Medio y Alto, la precisión depende del tipo de sensor. Los resultados demuestran que el sistema olfativo electrónico propuesto puede ser utilizado para la detección de cuerpos cetónicos en disoluciones acuosas. Las pruebas con muestras de orina se deben de realizar en un hospital para corroborar los resultados entregados por el sistema olfativo electrónico y los entregados por el análisis en laboratorio.

Palabras clave


Diabetes, cuerpos cetónicos, diagnóstico no invasivo, sistema olfativo electrónico.

Texto completo:

PDF

Referencias


Ampuero, S. & Bosset, J.O. (2003). The electronic nose applied to dairy products: a review. Sensors. Actuators B 94, 1–12.

Bogdan, S., Jerzy, W. & Naskalski, S. (2003). Analytical performance of glucometers used for routine glucose self-monitoring of diabetic patients. Clin. Chim.

Brynie, F.H., Hickman, F. & Brain, S. (2009). The science of the senses and how we process the world arround us. New York, United States: AMACOM.

Champe, P., Harvey, R. & Ferrier, D. (2005). Bioquímica (3a ed., pp 209- 229). México: McGrawHill.

Figaro Engineering Inc (1992). Technical Information for TGS2620. Recuperado de: http://www.produktinfo.conrad.com/datenblaetter/1200000-1299999/001273387-da-01-en-GASSENSOR_TGS_2620_FIGARO.pdf

Fleischer, M., Simon, E., Rumpel, E., Ulmer, H., Harbeck, M., Wandel, M., Fietzek, C., Weimer, U. & Meixner, H. (2002). Detection volatile compounds correlated to human diseases through breath analysis with chemical sensors. Sensors. Actuators 8(1), 245–249.

Hernández, A., Wang, J., Hu, G. & García, A. (2007). Discrimination of storage shelf-life for mandarin by electronic nose technique. LWT, 40(4), 681- 689.

Harris, M.I. (1993). Undiagnosed NIDDM: clinical and public health issues. Diabetes care, 16(2), 642-652.

He, F., Lidow, I.A., & Lidow, M.S. (2006). Inhalation model of cocaine exposure in mice: Neuroteratological effects. Neurotoxicol. Teratology. 28(2), 181-197. https://doi.org/10.1016/j.ntt.2005.12.001

ISSN 2521-2885 (impresa) ISSN 2616-6666 (en línea) Revista Científica Andina “Science & Humanities” Volumen 1, número 2 (2017)

International diabetes Federation. (2015). El Atlas de la diabetes de la FID, (7a ed.). Bruselas: Karacas Print. Recuperado de: www.diabetes atlas.org

Kateb, B., Ryan, M.A., Homer, M.L., Lara, L.M., Yin, Y., Higa, K. & Chen, M.Y. (2009). Sniffing out cancer using the JPL electronic nose: A pilot study of a novel approach to detection and differentiation of brain cancer. NeuroImage. 47, T5-9.

Kneepkens, C.M., Ferreira, C., Lepage, C. & Roy C.C. (1992). The hydrocarbon breath test in the study of lipid peroxidation: principles and practice. Clin Invest Med 15(1), 163–186).

Lee, J., Ngo, J., Blake, D., Meinardi, S., Pontello, A.M., Newcomb, R. & Galassetti, P.R. (2009). Improved predictive models for plasma glucose estimation from multi-linear regression analysis of exhaled volatile organic compounds. J. Appl. Physiol. 107, 155-160

Lourenҫo, C. & Turner, C. (2014). Breath analysis in disease diagnosis: Methodological considerations and applications. Metabolites. 4, 465–498.

Mendoza, J.J. (2016). Diseño de un sistema olfativo electrónico inalámbrico para determinar la tasa metabólica tisular por absorción de radiación lumínica (Tesis de maestría, Universida Andina Néstor Cáceres Velásquez, Juliaca, Perú). Base de datos repositorio UANCV.

Moreno, L., Cartas, R., Merkoçi, A., Alegret, S., del Valle, M., Leija, L., Hernandez, P.R. & Muñoz, R. (2006). Application of the wavelet transform coupled with artificial neural networks for the quantification purposes in a voltammetric electronic tongue. Sens. Actuat. B: Chem. 113, 487-499

Natale, C.D., Mantini,A., Macagnano, A., Antuzzi, D., Paolesse, R., & Amico, A.D. (1999). Electronic nose analysis of urine samples containing blood. Physiol. Meas 20(1), 377-384.

Organización Mundial de la Salud. (2016). Informe Mundial de la Diabetes. Ginebra: © World Health Organization. Recuperado de: www.who.int/diabetes/global-report/en/

Pavlou, A., Magan, N., Jones, J., Brown, J., Klatser, P. & Turner, A. (2004). Detection of Mycobacterium tuberculosis (TB) in vitro and in situ

Universidad Andina “Néstor Cáceres Velásquez”

using an electronic nose in combination with a neural network system. Biosens. Bioelectron. 20, 538-544.

Persaud, K., & Dodd, G. (1982). Analysis of discrimination mechanisms in the mammalian olfactory system using a model nose. Nature, 299(5881), 352-355. Publication link: ad6ff2e3-5c21-4e8d-adc1-9d9d925aa62f / PubMed:7110356

Prieto, N. (2012). Implementación de un sistema de evaluación sensorial electrónico para el control de calidad de vinos (Tesis doctoral, Universidad de Valladolid, España) recuperado de https://uvadoc.uva.es/bitstream/10324/1900/1/ TESIS241-130110.pdf

Shaw, J.G., Vaughan, A., Dent, A.G., O’Hare, P.E., Goh, F., Bowman, R.V., Fong, K.M., Ian, A. & Yang, I.A. (2004). Biomarkers of progression of chronic obstructive pulmonary disease (COPD). J. Thorac. 6, 1532–1547.

Van de Kant, K.D., Van der Sande, L.J., Jöbsis, Q., van Schayck, O.C. & Dompeling, E. (2012). Clinical use of exhaled volatile organic compounds in pulmonary diseases: A systematic review. Respir. 13, 117.

Wang, Z. & Wang, C. (2013). Is breath acetone a biomarker of diabetes? A historical review on breath acetone measurements. Journal of Breath Research, 7(8)

Wilson, A. D., & Baietto, M. (2009). Applications and advance in electronic-nose technologies, Sensors, 9(6).

Wilson, A. D., & Baietto, M. (2011). Advances in electronic-nose technologies developed for biomedical applications. Sensors, 11(1), 1105-1176.

Yadav, L. & Jayanand. (2014). Non-Invasive Biosensor for Diabetes Monitoring. World Journal of Medical sciencies, 11(1), 82-89.

Ziegler, C. & Göpel, W. (1998). Biosensor development. Curr. Opin. Chemis. Biol. 2, 585-591




DOI: http://dx.doi.org/10.35306/rcaep.v1i2.973

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia


Copyright (c) 2022 Revista Científica Andina Science & Humanities

Flag Counter