Hjerteinsufficiens diagnostisk ydeevne af en expirogramanalysealgoritme, der evaluerer 4 biomarkører (SenseIR-IC)

I forbindelse med især kroniske sygdomme og hjertesvigt (HF) er telemedicin og telemonitorering dukket op som store kliniske udfordringer i dag. Udviklingen af ​​point-of-care målesystemer ved hjælp af håndholdte enheder giver "digitale biomarkører", der er et nøgleelement i fjernovervågning.

Biomarkører indeholdt i udåndingsluften kan udgøre "digitale biomarkører", da måling af molekyler i udåndingsluft er ikke-invasiv. I øjeblikket er 6 udåndede biomarkører valideret af US FDA og brugt i en klinisk kontekst. Ved hjertesvigt har 4 forskellige arter vist sig at være af potentiel diagnostisk eller prognostisk interesse: NO, CO, acetone og isopren. Men mens koncentrationen af ​​disse arter i alveolær luft (CA) afspejler deres blodkoncentration (Cs), er forholdet mere komplekst, idet det skal tage højde for de forskellige rum i bronkialtræet og de udvekslinger, der finder sted i disse forskellige rum. . Måling af koncentrationen af ​​en art i udåndingsluften under en fuldstændig udånding (eller "ekspirogram") ved hjælp af en realtidsmåling, viser sig således ikke kun at være afhængig af artens systemiske koncentration, men også af ændringer i lungefunktionen .Indhentning af et expirogram gør det således ikke kun muligt at specificere målingen af ​​artens endogene kilde, men giver også information om ændringer i lungefunktionen, direkte induceret af hjertesvigt, og som har en velkendt prognostisk værdi.

→ Kombinationen af ​​forskellige kandidatudåndede biomarkører i IC, under en realtidsmåling af tvungen udånding, ved brug af selektive, følsomme og miniaturiserbare sensorer ville give diagnostiske, prognostiske og patientresultater ved hjertesvigt.

Kvartsforstærket fotoakustisk spektroskopi (QEPAS) er en velegnet metode til fjernovervågning af hjertesvigtspatienter. Det muliggør skabelsen af ​​sensorer karakteriseret ved god selektivitet og lave detektionstærskler. Desuden er realtidsanalyse mulig, og sensorerne er potentielt miniaturiserbare. Disse sensorer er derfor i stand til at levere ekspirogrammer for forskellige arter (i stedet for blot at måle CA ved udløbet). Komplekse signaler af denne type kan analyseres ved hjælp af matematisk modellering og kunstig intelligens teknikker såsom "dybe neurale netværk". Disse matematiske modelleringsmetoder er blevet brugt til at modellere lunge-, neurologiske eller hjertefunktionsparametre.

Som en del af et translationelt forskningsprojekt i samarbejde med Dr. A. Vicet (MCF-UM, Institut d'Electronique et des Systèmes) og Prof. N. Molinari (CHRU Montpellier, Institut Desbrest d'Épidémiologie et de Santé Publique), forskerteamet udvikler i øjeblikket sensorer til forskellige udåndede biomarkører ved hjælp af QEPAS-metoden, som er blevet koblet med synkron kvantificering af volumener, flow og lungerum. Disse sensorer gennemgår i øjeblikket analytisk validering (i laboratoriet). De første eksirogrammer er blevet opnået og modelleret ved hjælp af en spline-regressionsdimensionsreduktionsmetode.