Nicht-invasiver Nachweis einer Pneumonie im Zusammenhang mit Covid-19 mittels Gaschromatographie - Ionenmobilitätsspektrometrie (GC-IMS)

Die Analyse flüchtiger organischer Verbindungen (VOCs) in der ausgeatmeten Luft ist von zunehmendem Interesse bei der Diagnose von Lungeninfektionen. Über 2.000 VOCs können durch Gaschromatographie und Massenspektrometrie (GC-MS) nachgewiesen werden; Erkannte VOC-Muster können Informationen über chronisch obstruktive Lungenerkrankungen, Asthma, Lungenkrebs und interstitielle Lungenerkrankungen liefern. Leider kann GC-MS, obwohl es sehr empfindlich ist, nicht am Bett durchgeführt werden und dauert bestenfalls Stunden, um Proben vorzubereiten, die Analyse durchzuführen und dann die Ergebnisse zu interpretieren.

Im Vergleich zu anderen Methoden der Atemanalyse bietet die Ionenmobilitätsspektrometrie (IMS) eine zehnfach höhere Nachweisrate von VOCs. Durch die Kopplung eines Ionenmobilitätsspektrometers mit einer GC-Säule bietet GC-IMS eine sofortige zweifache Trennung von VOCs mit Visualisierung in einem dreidimensionalen Chromatogramm. Die Gesamtanalysezeit beträgt etwa 300 Sekunden, und die Ausrüstung wurde miniaturisiert, um eine Analyse am Krankenbett zu ermöglichen.

Das BreathSpec-Gerät wurde zuvor verwendet, um Strahlenschäden bei Patienten zu untersuchen, die sich einer Strahlentherapie im Edinburgh Cancer Center unterziehen (REC Ref. 16-SS-0059, als Teil des H2020 TOXI-Triage-Projekts, http://www.toxi-triage. EU/) und Lungenentzündung bei Patienten, die sich in der Notaufnahme der Royal Infirmary of Edinburgh vorstellten (REC ref 18-LO-1029). Diese Arbeit hat eine Methode der künstlichen Intelligenz entwickelt, die eine schnelle Analyse der großen Datenmenge ermöglicht, die aus diesen Atemproben gesammelt wurden, um Signaturen zu identifizieren, die auf einen bestimmten pathologischen Prozess wie Lungenentzündung oder Strahlenverletzung hinweisen können.

Das TOXI-Triage-Projekt hat gezeigt, dass das BreathSpec GC-IMS Personen schnell triagieren kann, um diejenigen zu identifizieren, die in einer Situation mit vielen Opfern bestimmten flüchtigen Flüssigkeiten ausgesetzt waren (http://www.toxi-triage.eu/).

In einer Pilotstudie wurden Brustkorbinfektionen in der Acute Medical Unit des Royal Liverpool University Hospital untersucht. Das endgültige diagnostische Modell ermöglichte eine faire Unterscheidung zwischen bakteriellen Brustinfektionen und Brustinfektionen aufgrund anderer Erreger mit einer Fläche unter der Empfänger-Operator-Charakteristikkurve (AUC-ROC) von 0,73 (95 % CI 0,61–0,86). Die zusammenfassenden Testmerkmale waren eine Sensitivität von 62 % (95 %-KI 41–80 %) und eine Spezifität von 80 % (95 %-KI 64–91 %) [8].

Dies wurde in der von der EU H2020 finanzierten „Breathspec Study“ erweitert, die darauf abzielte, Atemproben von Patienten mit bakteriellen oder viralen Infektionen der oberen oder unteren Atemwege zu unterscheiden. Über 1220 Patienten wurden rekrutiert, wobei 191 Patienten als eindeutig bakterielle Infektion identifiziert und 671 als eindeutig nicht bakteriell eingestuft wurden. Bei allen Patienten wurde eine Virologie durchgeführt, wobei bei 259 Patienten eine Virusinfektion bestätigt wurde. Wie gut sie mit dieser Methodik unterschieden werden können, wird noch durch die Datenverarbeitung ermittelt. Mehr als 100 Patienten wurden für diese Studie in Edinburgh rekrutiert. Seitdem wurde künstliche Intelligenz in unsere Analyseprozesse integriert, was eine schnellere und verfeinerte Analyse ermöglicht.

Unser Ziel ist es, dass diese Technologie eine Signatur einer Covid-19-Pneumonie oder innerhalb von 10 Minuten in nicht-invasiv gesammelten Atemproben identifiziert, um eine Triage von Patienten in Kategorien mit hohem und niedrigem Risiko für Covid-19 zu ermöglichen. Dies ermöglicht die Ausrichtung auf knappe Ressourcen und komplexe Protokolle im Zusammenhang mit Hochrisikopatienten, einschließlich persönlicher Schutzausrüstung (PSA), Kohorten und engagiertem medizinischem und pflegerischem Personal.

Ein gesunder freiwilliger Arm wurde im Juli 2020 hinzugefügt - 40 Teilnehmer