Detekce SARS-CoV-2 (COVID-19) pomocí SERS spektroskopie v kombinaci s umělou inteligencí (Kaïssa Covid)

Spektroskopie je disciplína studia interakcí mezi světlem a hmotou za účelem provádění analýz, které nemají obdoby, pokud jde o rychlost získávání dat. V závislosti na spektrálních rozsazích používaných senzory je možné provádět molekulární (molekulární a vibrační spektroskopie) nebo elementární (atomová spektroskopie) analýzy.

Jako součást tohoto projektu si GreenTropism vybral jako spektrální techniku ​​technologii Surface Enhanced Raman Scattering (SERS). Vědecká literatura uvádí několik případů použití technologie SERS pro analýzu virů za různých podmínek: variabilní virové zatížení, po amplifikaci, použití substrátů obohacených o antigeny.

SERS umožňuje analýzu vzorku naneseného na substrát v průměru (od patnácti sekund do 10 minut v závislosti na zařízení a přítomnosti komplementárního zobrazení). Již osvědčený pro identifikaci virů na kmenech patogenních pro lidi a zvířata, jeho nasazení je zpomaleno složitostí zpracovávaných dat.

Tyto technologie získávání spekter vyžadují společné použití statistických nástrojů a vícerozměrných analýz, které umožňují diskriminaci vzorků (klasifikace) a/nebo kvantifikaci. Donedávna byla kapacita a výkon statistických nástrojů limitován dostupnými výpočetními kapacitami. Zrušení tohoto technologického zámku umožnilo nástup a demokratizaci technik umělé inteligence (AI), teoretizovaných v 60. letech 20. století a používaných dnes.

Nástroj Kaïssa, AI od GreenTropism, kromě zpracování velkých dat, byl navržen a vyškolen speciálně pro zpracování spektrálních dat a automatizaci všech algoritmických řetězců potřebných k přechodu od podpory spektra k jeho interpretaci a prezentaci konečné odpovědi.

Analýza chemometrických dat za účelem klasifikace implementuje několik typů algoritmů, které Kaissa používá, a automaticky je kombinuje, aby získala nejlepší možné analýzy těchto dat. Tyto algoritmy jsou rozděleny do dvou velkých skupin: matematické předzpracování a klasifikační modely.

Kombinace fotonických technologií (zde SERS) a AI umožňuje analýzy více substrátů v reálném čase, bez apriorních znalostí uživatele o vzorku a bez předchozích odborných znalostí. Tyto vlastnosti z něj dělají cenný nástroj pro diagnostiku infekce SARS-CoV-2 v kontextu Point Of Care.

V práci provedené v období od března do června 2020 několik modelů ukázalo na testovacích databázích neintegrovaných do učení výkon diskriminace mezi pozitivními a negativními pacienty na SARS-CoV-2 podle RT-PCR ekvivalentní Youdenovým indexům. 0,6 až 0,92. Na druhou stranu tyto modely zdůraznily variabilitu v použití vzorků, která má za následek pokles výkonu během testů na statisticky nezávislých databázích vyžadujících další spektrální akvizice, což dnes vede k prezentaci tohoto projektu zprávy.