人工知能と組み合わせた SERS 分光法による SARS-CoV-2 (COVID-19) の検出 (Kaïssa Covid)

分光法は、データ取得速度の点で比類のない分析を実行するために、光と物質の間の相互作用を研究する分野です。 センサーで使用されるスペクトル範囲に応じて、分子 (分子および振動分光法) または元素 (原子分光法) 分析を実行できます。

このプロジェクトの一環として、GreenTropism はスペクトル技術として表面増強ラマン散乱 (SERS) 技術を選択しました。 科学文献は、さまざまな条件下でウイルス分析に SERS 技術を使用したいくつかの事例を報告しています。さまざまなウイルス量、増幅後、抗原が豊富な基質の使用などです。

SERS は、平均して基板上に堆積したサンプルの分析を可能にします (デバイスおよび補完的なイメージングの存在に応じて、15 秒から 10 分まで)。 ヒトや動物に病原性を示す株のウイルスを特定できることはすでに証明されていますが、処理するデータが複雑なため、展開が遅くなります。

これらのスペクトル取得技術では、サンプルの識別 (分類) および/または定量化を可能にするために、統計ツールと多変量解析を併用する必要があります。 最近まで、統計ツールの容量とパフォーマンスは、利用可能な計算能力によって制限されていました。 この技術的なロックの解除により、1960 年代に理論化され、今日適用されている人工知能 (AI) 技術の出現と民主化が可能になりました。

GreenTropism の AI ツールである Kaïssa は、ビッグ データの処理に加えて、スペクトル データを処理し、スペクトルのサポートからその解釈、および最終的な回答の提示に至るまでに必要なすべてのアルゴリズム チェーンを自動化するために特別に設計およびトレーニングされています。

ケモメトリック データの分析は、分類を目的として、Kaïssa が使用するいくつかのタイプのアルゴリズムを実装し、それらを自動的に組み合わせて、これらのデータの可能な限り最良の分析を取得します。 これらのアルゴリズムは、数学的な前処理モデルと分類モデルの 2 つの大きなグループに分けられます。

フォトニック技術 (ここでは SERS) と AI の組み合わせにより、サンプルに関するユーザーの事前知識や事前の専門知識がなくても、複数の基板のリアルタイム分析が可能になります。 これらの特徴により、ポイント オブ ケアのコンテキストで SARS-CoV-2 感染を診断するための貴重なツールになります。

2020 年 3 月から 6 月の間に実施された研究では、いくつかのモデルが、学習に統合されていないテスト データベースで、Youden 指数に相当する RT-PCR による SARS-CoV-2 の陽性患者と陰性患者の識別性能を示しました。 0.6 から 0.92 の 一方、これらのモデルは、追加のスペクトル取得を必要とする統計的に独立したデータベースでのテスト中にパフォーマンスの低下をもたらすサンプルの使用の変動性を強調しており、本日、このレポート プロジェクトのプレゼンテーションにつながりました。