Sviluppo di un modello multivariato per l’analisi del sudore basato su misure Raman = Development of a multivariate model for sweat analysis based on Raman measurements

La misura del livello di metaboliti nel sangue è una tematica di grande interesse nel campo medico, clinico e terapeutico. La ricerca di nuovi metodi di analisi e modalità di campionamento ha portato a diverse soluzioni, esplorando non solo metodi diretti, ma anche metodi di misura indiretti tramite l’analisi della concentrazione degli analiti nel sudore, rendendo così il rilevamento non invasivo, più agevole e soprattutto continuo. Gli analiti di interesse per questo studio sono glucosio, lattato ed urea, ovvero i componenti principali del sudore eccrino e metaboliti di notevole interesse clinico e fisiologico. In particolare, l’utilizzo di metodi spettrometrici, come la spettroscopia Raman, si è rivelato l’approccio più promettente per lo sviluppo di nuovi strumenti di campionamento ed analisi che possano rappresentare una valida alternativa alle misure effettuate in seguito a prelievi di sangue da parte del personale medico. Il principale limite di questa metodologia è costituito dall’efficienza delle analisi degli spettri ottenuti in quanto viene tipicamente effettuata individuando un picco specifico per l’analita di interesse, restringendo quindi il campo di dati presi in considerazione nel procedimento. Tale metodo porta a misure troppo sensibili a interferenze date da molecole con caratteristiche simili a quella di interesse. Nell’analisi mediante spettroscopia Raman, questi tre componenti si comportano da interferenti reciproci ed il metodo proposto mira a diminuire questo effetto sfruttando tecniche chemiometriche di analisi multivariata. Lo scopo di questo lavoro di tesi è la creazione di un modello analitico e matematico per il calcolo della concentrazione di glucosio, lattato e urea in soluzioni simulanti il sudore umano, mediante l’analisi dello spettro Raman del campione. Il procedimento comprende la scrittura del codice in Python, la fase di istruzione del modello, costruendo delle rette di taratura tramite soluzioni a concentrazione degli analiti nota e crescente, ed infine una fase di testing per la validazione dell’efficacia del modello per soluzioni simulanti il sudore e contenenti gli interferenti delle misure. I risultati sono stati positivi, con ottimi campi di linearità (R2 > 0.99) ed una buona capacità del modello nell’analizzare tutti e tre i componenti di interesse.