4 biomarkert értékelő expirogram elemzési algoritmus szívelégtelenség diagnosztikai teljesítménye (SenseIR-IC)

A krónikus betegségek és különösen a szívelégtelenség (HF) összefüggésében a telemedicina és a távfelügyelet napjainkban a legnagyobb klinikai kihívások közé tartozik. A kézi eszközöket használó gondozási pontok mérőrendszereinek fejlesztése „digitális biomarkereket” biztosít, amelyek kulcsfontosságú elemei a távfelügyeletnek.

A kilélegzett levegőben lévő biomarkerek „digitális biomarkerek” lehetnek, mivel a kilélegzett levegőben lévő molekulák mérése nem invazív. Jelenleg 6 kilégzett biomarkert hagy jóvá az Egyesült Államok FDA, és ezeket klinikai összefüggésben használják. Szívelégtelenségben 4 különböző fajról mutattak ki potenciális diagnosztikai vagy prognosztikai érdeklődést: NO, CO, aceton és izoprén. Míg azonban ezeknek a fajoknak a koncentrációja az alveoláris levegőben (CA) a vérkoncentrációjukat (Cs) tükrözi, a kapcsolat összetettebb, mivel figyelembe kell venni a hörgőfa különböző részeit és az ezekben a különböző kompartmentekben végbemenő cseréket. . Így egy faj koncentrációjának mérése a kilélegzett levegőben a teljes kilégzés során (vagy "expirogram") valós idejű méréssel nemcsak a faj szisztémás koncentrációjától, hanem a tüdőfunkció változásaitól is függ. .Az expirogram készítése tehát nemcsak a faj endogén forrásának mérését teszi lehetővé, hanem a szívelégtelenség által közvetlenül előidézett tüdőfunkció-változásokról is, amelyek jól felismerhető prognosztikai értékkel bírnak.

→ A különböző jelölt kilélegzett biomarkerek kombinációja IC-ben, a kényszerített kilégzés valós idejű mérése során, szelektív, érzékeny és miniatürizálható szenzorok segítségével diagnosztikai, prognosztikai és beteg kimenetelű információkat szolgáltatna szívelégtelenség esetén.

A Quartz-Enhanced Photoacoustic Specroscopy (QEPAS) alkalmas módszer a szívelégtelenségben szenvedő betegek távfelügyeletére. Lehetővé teszi olyan érzékelők létrehozását, amelyeket jó szelektivitás és alacsony érzékelési küszöb jellemez. Mi több, valós idejű elemzés is lehetséges, és az érzékelők potenciálisan miniatürizálhatók. Ezek az érzékelők ezért képesek különböző fajok expirogramjának elkészítésére (ahelyett, hogy egyszerűen mérnék a CA-t a lejárat végén). Az ilyen típusú összetett jelek matematikai modellezéssel és mesterséges intelligencia technikákkal, például "mély neurális hálózatokkal" elemezhetők. Ezeket a matematikai modellezési módszereket pulmonális, neurológiai vagy szívfunkciós paraméterek modellezésére használták.

A Dr. A. Vicet-tel (MCF-UM, Institut d'Electronique et des Systèmes) és Prof. N. Molinarival (CHRU Montpellier, Institut Desbrest d'Épidémiologie et de Santé Publique) együttműködésben folyó transzlációs kutatási projekt részeként a A kutatócsoport jelenleg a QEPAS módszerrel különféle kilélegzett biomarkerek szenzorait fejleszti, amelyeket a térfogatok, áramlások és tüdőrekeszek szinkron mennyiségi meghatározásával párosítottak. Ezek az érzékelők jelenleg analitikai validálás alatt állnak (a laboratóriumban). Az első expirogramokat spline regressziós dimenziócsökkentési módszerrel készítettük és modelleztük.