Revista Mexicana de Ingenieria Biomedica

Modificación de electrodos-impresos con Azul de Prusia y enzima para el control de diabetes en sudor: Estudio preliminar de viabilidad

Mara Beltrán-Gastélum — 2026-01-30

La prevalencia de diabetes en México ha aumentado considerablemente, incrementando la necesidad de desarrollar nuevas plataformas de monitoreo de glucosa no invasivas y confiables. Esta investigación tiene como objetivo el desarrollo y evaluación de una plataforma de monitoreo no invasiva para la cuantificación de glucosa en el sudor. Dicha plataforma se basa en el uso de electrodos impresos modificados con un mediador electroquímico como el Azul de Prusia (PB) y con una enzima altamente específica, como la glucosa-oxidasa (GO_x). Adicionalmente, se proporciona el diseño de un dispositivo electrónico portátil para la generación de la señal de perturbación y el procesamiento de las señales de respuesta del analito. El sistema se evaluó en una solución buffer de fosfato salino (PBS) 0.1 M, con distintas concentraciones de glucosa en el intervalo esperado en el sudor. Los resultados demostraron que el PB desempeña un papel fundamental en la detección de glucosa, ya que el electrodo modificado únicamente con la enzima no muestra tendencia, mientras que el electrodo modificado con PB y enzima presentó un buen coeficiente de correlación, con una sensibilidad analítica de 0.0008 mA µM^-1. Este avance podría revolucionar el monitoreo de glucosa, facilitando tecnologías de salud más accesibles y menos invasivas.

Monitoreo y Predicción de Enfermedades Infecciosas a través del Análisis de Redes Sociales

Pedro Wences — 2026-01-30

Este artículo presenta un enfoque integral para el monitoreo y la predicción de enfermedades infecciosas a partir de datos de redes sociales, centrándose principalmente en la pandemia de COVID-19. A través de la adquisición y el análisis de tweets georreferenciados se capturan señales tempranas de contagio, complementando de este modo los métodos tradicionales de vigilancia epidemiológica. El núcleo del sistema de clasificación se basa en el modelo BERT, el cual permite identificar automáticamente afirmaciones de infección, mientras que la función de Gompertz se utiliza para estimar el crecimiento de los contagios en horizontes de 1 a 5 días. La correlación significativa entre los datos extraídos de Twitter y las cifras oficiales reportadas por la Secretaría de Salud demuestra la solidez del método, además de evidenciar el potencial de los datos de las redes sociales para anticipar brotes y optimizar la toma de decisiones. Asimismo, la inclusión de datos geoespaciales posibilita la identificación de zonas con mayor nivel de riesgo, aportando un recurso valioso para las autoridades de salud y la población en general. Con ello se promueve una respuesta más rápida y coordinada ante futuras amenazas sanitarias.

WAMDS2: Early detection of wet AMD using Swin Transformer V2

Jorge Ernesto Gonzalez Diaz — 2025-12-31

La degeneración macular asociada con la edad (DMAE) es una enfermedad ocular progresiva que afecta principalmente a personas mayores de 50 años. Entre sus variantes, la DMAE húmeda es la más grave, pues representa la evolución avanzada de la DMAE seca y puede causar una pérdida visual severa si no se detecta a tiempo. Este estudio se centra en el desarrollo de WAMDS2, un módulo web diseñado para identificar características asociadas con la DMAE húmeda, lo que facilita una detección temprana y precisa. Para ello, se llevó a cabo una revisión de literatura sobre la DMAE y técnicas avanzadas de visión por computadora y aprendizaje profundo. El modelo propuesto integra el Swin Transformer V2, un transformador de visión implementado en PyTorch, para analizar imágenes de fondo de ojo y clasificar los diferentes estadios de la enfermedad. El rendimiento del sistema se evaluó mediante métricas como precisión, sensibilidad y F1-Score, logrando una precisión del 84.76% en el conjunto de prueba, lo que sugiere su viabilidad en entornos clínicos. Los resultados obtenidos resaltan el potencial de WAMDS2 en el ámbito de la oftalmología y la visión por computadora, evidenciando su capacidad para mejorar el diagnóstico automatizado y la atención al paciente.