Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
INTEGRA BIOSCIENCES AG

Deascargar La Aplicación Móvil




Diseñan sensor olfativo portátil para diagnóstico de bacterias

Por el equipo editorial de LabMedica en español
Actualizado el 06 Feb 2018
Image
Image
Se diseñó una nariz electrónica portátil (eNose) para detectar e identificar rápidamente las bacterias más comunes que causan infecciones en los tejidos blandos.

El diagnóstico rápido de las infecciones de heridas se basa en coloraciones de las bacterias, cultivos y ensayos de reacción en cadena de la polimerasa, y los resultados están disponibles después de varias horas como mínimo, pero con mayor frecuencia hasta que pasan varios días de espera. Por lo tanto, el tratamiento con antibióticos a menudo se administra empíricamente sin un diagnóstico específico.

Para rectificar esta situación, un equipo de bioingenieros finlandeses desarrolló la eNose, un dispositivo capaz de producir un perfil olfativo para cada compuesto molecular en la superficie gaseosa creada por una infección bacteriana. El perfil fue analizado por una computadora programada para diferenciar entre los diferentes compuestos.

Los investigadores utilizaron el sistema eNose para un estudio de prueba de concepto destinado a diferenciar las bacterias más relevantes que causan infecciones de las heridas. El estudio utilizó un conjunto de cultivos bacterianos clínicos en placas de cultivo de sangre idénticas y estableció las líneas bacterianas desde la superficie gaseosa.

Los resultados revelaron que el sistema eNose era capaz de diferenciar tanto el Staphylococcus aureus sensible a meticilina (SASM) como el Staphylococcus aureus resistente a meticilina (SARM), el Streptococcus pyogenes, la Escherichia coli, la Pseudomonas aeruginosa y el Clostridium perfringens con una exactitud del 78%, en cuestión de minutos, sin necesidad de preparación previa de la muestra. Lo que es más importante, el sistema fue capaz de diferenciar el SARM del SASM con una sensibilidad del 83%, una especificidad del 100% y una exactitud global del 91%.

“Nuestro objetivo era crear un método para el diagnóstico rápido de las infecciones en los tejidos blandos. Si tuviéramos un método de este tipo, el tratamiento podría iniciarse de manera oportuna y orientarse directamente al patógeno relevante. Esto reduciría la necesidad de tratamientos empíricos y acortaría los retrasos diagnósticos”, dijo el primer autor, el Dr. Taavi Saviauk, investigador de la facultad de medicina y ciencias de la vida de la Universidad de Tampere (Finlandia; www.uta.fi). “El dispositivo portátil eNose que utilizamos no requiere condiciones de laboratorio o capacitación especial, por lo que es adecuado para uso en los pacientes ambulatorios. Los resultados de este estudio son un paso significativo hacia nuestro objetivo”.

El estudio eNose se publicó en la edición de enero de 2018 de la revista European Surgical Research.

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
New
Miembro Oro
Serum Indices Control
Acusera Serum Indices Control
ANALIZADOR DE ELECTROLITOS
BKE-B
LAIR2 Antibody Pair Set
LAIR2 Antibody Pair [Biotin]

Canales

Química Clínica

ver canal
Crédito de la imagen:  Diane E. MacDougall et al., FIND Lp(a) Machine Learning Model: Targeted Screening Enrichment of Elevated Lipoprotein(a) in Atherosclerotic Cardiovascular Disease, JACC: Advances (2026). DOI: 10.1016/j.jacadv.2026.103114

El aprendizaje automático permite orientar el cribado de lipoproteína(a) elevada

La lipoproteína(a) es un factor de riesgo independiente, determinado genéticamente, de la enfermedad cardiovascular aterosclerótica; sin embargo, el cribado rutinario sigue siendo... Más

Microbiología

ver canal
Imagen: El actual brote de BDBV en la República Democrática del Congo pone de relieve los desafíos de respuesta a infecciones raras y graves (Crédito de la imagen: 123RF)

Investigación refuerza la preparación ante brotes del virus Bundibugyo con diagnósticos más rápidos

El virus de Bundibugyo (BDBV), una especie de ebolavirus, causa una enfermedad hemorrágica grave y puede ser difícil de diagnosticar rápidamente durante los brotes. Los recientes cambios... Más

Patología

ver canal
Crédito de la imagen: Adobe Stock

Herramienta citológica de aprendizaje automático mejora la identificación de células cancerosas

El cribado citológico sigue siendo fundamental para la detección temprana del cáncer, pero su precisión depende en gran medida de la interpretación experta de las células... Más

Tecnología

ver canal
Imagen: ADLM recomienda que las herramientas de inteligencia artificial emergentes sigan los mismos estándares profesionales de supervisión, calidad, validación y monitoreo que las pruebas clínicas tradicionales dentro del marco existente de CLIA (Crédito de la imagen: Adobe Stock)

ADLM pide actualizar CLIA para apoyar el uso seguro de IA en medicina de laboratorio

Los laboratorios clínicos utilizan cada vez más la inteligencia artificial para verificar, interpretar e informar resultados, pero las salvaguardas de las Enmiendas para la Mejora de los... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.