Neinvazivní detekce pneumonie v souvislosti s Covid-19 pomocí plynové chromatografie - iontová mobilita spektrometrie (GC-IMS)

Analýza těkavých organických sloučenin (VOC) ve vydechovaném dechu je v diagnostice plicních infekcí stále více předmětem zájmu. Plynovou chromatografií a hmotnostní spektrometrií (GC-MS) lze detekovat více než 2 000 VOC; vzory detekovaných VOC mohou poskytnout informace o chronické obstrukční plicní nemoci, astmatu, rakovině plic a intersticiální plicní chorobě. Bohužel GC-MS, i když je vysoce citlivá, nelze provádět u lůžka a v nejlepším případě trvá hodiny, než se připraví vzorky, provede se analýza a poté se interpretují výsledky.

Ve srovnání s jinými metodami analýzy dechu nabízí iontová pohyblivostní spektrometrie (IMS) desetinásobně vyšší míru detekce VOC. Spojením iontového pohyblivého spektrometru s GC kolonou nabízí GC-IMS okamžitou dvojnásobnou separaci VOC s vizualizací v trojrozměrném chromatogramu. Celková doba analýzy je asi 300 sekund a zařízení bylo miniaturizováno, aby umožnilo analýzu u lůžka.

Přístroj BreathSpec byl dříve používán ke studiu obou radiačních poškození u pacientů podstupujících radioterapii v Edinburgh Cancer Center (REC ref 16-SS-0059, jako součást projektu H2020 TOXI-triage, http://www.toxi-triage. eu/) a pneumonie u pacientů přicházejících na ED Royal Infirmary of Edinburgh (REC ref 18-LO-1029). Tato práce vyvinula metodologii umělé inteligence, která umožňuje rychlou analýzu obrovského množství dat shromážděných z těchto vzorků dechu k identifikaci signatur, které mohou naznačovat konkrétní patologický proces, jako je zápal plic nebo radiační poškození.

Projekt TOXI-triage ukázal, že BreathSpec GC-IMS dokáže rychle třídit jednotlivce za účelem identifikace těch, kteří byli vystaveni konkrétním těkavým kapalinám v situaci hromadného neštěstí (http://www.toxi-triage.eu/).

Pilotní studie hodnotila infekce hrudníku na akutní lékařské jednotce Královské univerzitní nemocnice v Liverpoolu. Konečný diagnostický model umožňoval spravedlivé rozlišení mezi bakteriálními infekcemi hrudníku a infekcemi hrudníku způsobenými jinými agens s plochou pod křivkou operátora přijímače (AUC-ROC) 0,73 (95% CI 0,61-0,86). Souhrnné charakteristiky testu byly senzitivita 62 % (95% CI 41–80 %) a specificita 80 % (95% CI 64 – 91 %) [8].

Toto bylo rozšířeno ve studii „Breathspec Study“ financované EU H2020, jejímž cílem bylo odlišit vzorky dechu od pacientů s bakteriální nebo virovou infekcí horních nebo dolních cest dýchacích. Bylo přijato více než 1220 pacientů, přičemž 191 pacientů bylo identifikováno jako jednoznačně bakteriální infekce a 671 bylo klasifikováno jako rozhodně nebakteriální. U všech pacientů byla provedena virologie, u 259 pacientů byla potvrzena virová infekce. Zpracování data stále pokračuje, aby se určilo, jak dobře je lze pomocí této metodiky rozlišit. Do této studie v Edinburghu bylo přijato více než 100 pacientů. Od té doby byla umělá inteligence začleněna do našich analytických procesů, což umožňuje rychlejší a propracovanější analýzu.

Naší ambicí je, aby tato technologie identifikovala příznaky Covid-19 pneumonie nebo do 10 minut v neinvazivně odebraných vzorcích dechu, aby bylo možné rozdělit pacienty do vysoce a nízkorizikových kategorií pro Covid-19. To umožní zaměřit se na omezené zdroje a složité protokoly spojené s vysoce rizikovými pacienty, včetně osobních ochranných prostředků (PPE), kohort a specializovaného lékařského a ošetřovatelského personálu.

V červenci 2020 přibyla zdravá dobrovolná paže – 40 účastníků