Para ayudar a mantener seguros a los socorristas, los investigadores de la Universidad de Florida Central han desarrollado un método de inteligencia artificial que no solo detecta rápida y remotamente el poderoso fármaco fentanilo, sino que también se enseña a sí mismo a detectar cualquier derivado previamente desconocido elaborado en lotes clandestinos.
El método, publicado recientemente en la revista Informes científicos , utiliza espectroscopia de luz infrarroja y se puede utilizar en un dispositivo portátil de mesa.
"El fentanilo es una de las principales causas de muerte por sobredosis de drogas en los EE. UU.", Dijo Mengyu Xu, profesor asistente del Departamento de Estadística y Ciencia de Datos de la UCF y autor principal del estudio. "Él y sus derivados tienen una dosis letal baja y puedenconducir a la muerte del usuario, podría representar un peligro para los socorristas e incluso ser armado en aerosol. "
El fentanilo, que es de 50 a 100 veces más potente que la morfina según los Centros para el Control y la Prevención de Enfermedades de EE. UU., Se puede recetar legalmente para tratar a pacientes que tienen dolor severo, pero a veces también se fabrica y se usa ilegalmente.
Subith Vasu, profesor asociado en el Departamento de Ingeniería Mecánica y Aeroespacial de la UCF, codirigió el estudio.
Dijo que los métodos de identificación rápida de las sustancias de fentanilo opioides conocidas y emergentes pueden ayudar en la seguridad de las fuerzas del orden y el personal militar que debe minimizar su contacto con las sustancias.
"Este algoritmo de IA se utilizará en un dispositivo de detección que estamos construyendo para la Agencia de Proyectos de Investigación Avanzada de Defensa", dijo Vasu.
Para el estudio, los investigadores utilizaron una base de datos nacional de moléculas orgánicas para identificar moléculas que tienen al menos uno de los grupos funcionales que se encuentran en el compuesto original fentanilo. A partir de esos datos, construyeron algoritmos de aprendizaje automático para identificar esas moléculas basándose ensus propiedades espectrales infrarrojas. Luego probaron la precisión de los algoritmos. El método de IA tuvo una tasa de precisión del 92.5 por ciento para identificar correctamente las moléculas relacionadas con el fentanilo.
Xu dijo que esta es la primera vez que se realiza un análisis sistemático que identifica los grupos funcionales relacionados con el fentanilo a partir de datos espectrales infrarrojos y utiliza herramientas de aprendizaje automático y análisis estadístico.
El coautor del estudio, Chun-Hung Wang, es un becario postdoctoral en el Centro de Tecnología de Nanociencia de la UCF y ayudó a estudiar las propiedades espectrales de los compuestos. Dijo que identificar los fentanilos es difícil ya que existen numerosas formulaciones de análogos de fentanilo y carfentanilo.
Artem Masunov, coautor y profesor asociado del Centro de Tecnología de Nanociencias y el Departamento de Química de la UCF, investigó los grupos funcionales que son comunes a las estructuras químicas del fentanilo y sus análogos.
Dijo que a pesar de las diferencias en los análogos, tienen grupos funcionales comunes, que son similitudes estructurales que permiten que los compuestos se unan a receptores dentro del cuerpo y realicen una función similar.
Anthony Terracciano, coautor del estudio e ingeniero de investigación en el Departamento de Ingeniería Mecánica y Aeroespacial de la UCF, trabajó con Wang para examinar las propiedades de los espectros infrarrojos. Dijo que la creación de perfiles y el análisis de los espectros infrarrojos es rápido, altamente preciso y se puede realizarcon un dispositivo de mesa.
La investigación actual utilizó datos espectrales infrarrojos de compuestos en forma de gas, pero los investigadores están trabajando en un estudio similar para utilizar el aprendizaje automático para detectar fentanilo y sus derivados en forma de polvo. Se espera que el producto de la tecnología esté maduro paraidentificación rápida práctica en el sitio para 2021.
Fuente de la historia :
Materiales proporcionado por Universidad de Florida Central . Original escrito por Robert Wells. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :