DETERMINACIÓN DE LÍQUIDOS INFLAMABLES EN RESTOS DE INCENDIOSMEDIANTE TÉCNICAS DE APRENDIZAJE AUTOMATIZADO

Resumo

La detección de líquidos inflamables (ILs) en los restos de un incendio es clave para esclarecer si se ha provocado de forma intencionada o no. Sin embargo, la interpretación de datos analíticos obtenidos de los restos de un incendio sigue siendo un reto para los investigadores forenses debido a la complejidad de este tipo de muestras. Esto es debido fundamentalmente a la cantidad de compuestos interferentes, como los resultantes de la pirólisis, que pueden dificultar la correcta identificación del ILs. Actualmente, la técnica analítica más utilizada en este campo es la cromatografía de gases-espectrometría de masas (GC-MS) [1]. En este sentido, la norma ASTM E1618 (Sociedad Americana de Pruebas y Materiales) establece un protocolo para la determinación de ILs mediante la comparación de los cromatogramas y compuestos diana de la muestra problema con los que se encuentran en una base de datos de referencia. Esta tediosa labor, requiere de tiempo y de personal muy especializado. Por esta razón, es necesario desarrollar nuevos métodos analíticos robustos que permitan una identificación objetiva y rápida de ILs en muestras de incendio. En este estudio, se presenta un método analítico alternativo basado en la técnica de análisis del espacio de cabeza acoplado a un detector de espectrometría de movilidad iónica (HS-IMS) [2]. En particular, se propone el uso del espectro total de movilidad iónica (IMSS) en combinación con diferentes técnicas de aprendizaje automatizado como las máquinas de vectores de soporte o el bosque aleatorio para la caracterización de distintos ILs en muestras quemadas. Los modelos de clasificación han mostrado altos rendimientos de hasta el 100% en algunos casos. Además, se ha desarrollado un prototipo de aplicación web con los mejores modelos que se pueden compartir con otros usuarios para caracterizar sus muestras. Los resultados obtenidos demuestran la viabilidad de la técnica HS-IMS, combinada con herramientas de aprendizaje automatizado adecuadas, como una alternativa prometedora no sólo para el análisis de ILs sino también para la interpretación rápida, automática y objetiva de los datos. Además, esta técnica puede aplicarse in situ para el análisis directo de los restos del incendio, ya que existendispositivos IMS portátiles.