Desarrollo de un modelo predictivo basado en machine learning para la optimización de curvas de cuantificación en toxicología forense
Loading...
Date
2025
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Share
Abstract
La toxicología forense desempeña un papel fundamental en la administración de justicia al proporcionar análisis cualitativos y cuantitativos de sustancias de interés toxicológico en muestras biológicas, como sangre, orina y tejidos. Estos análisis permiten determinar la causa de muerte, establecer niveles de intoxicación y evaluar correlaciones con comportamientos específicos. En el laboratorio del Instituto Nacional de Medicina Legal y Ciencias Forenses (TOXF-INMLCF), la generación de curvas de calibración es una etapa crítica, pero también altamente demandante en términos de tiempo y recursos, ya que se requieren curvas específicas para cada caso analizado. Para mitigar esta carga, el laboratorio ha implementado curvas de calibración multipropósito que permiten correlacionar concentraciones y factores de respuesta instrumental para sustancias frecuentes. No obstante, garantizar la validez y estabilidad de estas curvas exige herramientas avanzadas que optimicen su análisis. En este contexto, el Machine Learning emerge como una solución innovadora, permitiendo procesar grandes volúmenes de datos, identificar patrones complejos y generar modelos predictivos confiables que optimicen la cuantificación toxicológica. El presente trabajo tiene como objetivo implementar un modelo de Machine Learning que permita optimizar las curvas de cuantificación de analitos toxicológicos en sangre, asegurando precisión, reproducibilidad y consistencia en los análisis forenses. Esta investigación no solo busca mejorar la eficiencia operativa del laboratorio, sino también fortalecer la precisión de la evidencia forense presentada en procesos judiciales. Además, posicionará al laboratorio como un referente en la región, promoviendo enfoques científicos avanzados en toxicología forense. En conjunto, el proyecto responde a la necesidad de herramientas innovadoras para abordar desafíos complejos en el análisis toxicológico, contribuyendo al avance de la ciencia y la administración de justicia.