Niet-invasieve detectie van longontsteking in de context van Covid-19 met behulp van gaschromatografie - ionenmobiliteitsspectrometrie (GC-IMS)

Analyse van vluchtige organische stoffen (VOC's) in uitgeademde lucht is van toenemend belang bij de diagnose van longinfectie. Meer dan 2.000 VOC's kunnen worden gedetecteerd door middel van gaschromatografie en massaspectrometrie (GC-MS); VOS-patronen die worden gedetecteerd, kunnen informatie bieden over chronische obstructieve longziekte, astma, longkanker en interstitiële longziekte. Helaas kan GC-MS, hoewel zeer gevoelig, niet aan het bed worden uitgevoerd en duurt het in het beste geval uren om monsters voor te bereiden, de analyse uit te voeren en vervolgens de resultaten te interpreteren.

In vergelijking met andere methoden voor ademanalyse biedt ionenmobiliteitsspectrometrie (IMS) een tienvoudig hoger detectiepercentage van VOC's. Door een ionenmobiliteitsspectrometer te koppelen aan een GC-kolom, biedt GC-IMS een onmiddellijke tweevoudige scheiding van VOC's met visualisatie in een driedimensionaal chromatogram. De totale analysetijd is ongeveer 300 seconden en de apparatuur is geminiaturiseerd om analyse aan het bed mogelijk te maken.

De BreathSpec-machine is eerder gebruikt om zowel stralingsletsel te bestuderen bij patiënten die radiotherapie ondergaan in het Edinburgh Cancer Centre (REC ref 16-SS-0059, als onderdeel van het H2020 TOXI-triage-project, http://www.toxi-triage. EU/) en longontsteking bij patiënten die zich presenteren op de SEH van de Royal Infirmary of Edinburgh (REC ref 18-LO-1029). Dit werk heeft een methodologie voor kunstmatige intelligentie ontwikkeld die een snelle analyse mogelijk maakt van de enorme hoeveelheid gegevens die uit deze ademmonsters zijn verzameld om handtekeningen te identificeren die kunnen wijzen op een bepaald pathologisch proces, zoals longontsteking of stralingsletsel.

Het TOXI-triage-project toonde aan dat de BreathSpec GC-IMS personen snel kon triageen om diegenen te identificeren die waren blootgesteld aan bepaalde vluchtige vloeistoffen in een massaslachtoffersituatie (http://www.toxi-triage.eu/).

Een pilotproef beoordeelde borstinfecties op de Acute Medical Unit van het Royal Liverpool University Hospital. Het uiteindelijke diagnostische model maakte een eerlijke discriminatie mogelijk tussen bacteriële luchtweginfecties en luchtweginfecties door andere agentia met een oppervlakte onder de receiver-operatorkarakteristieke curve (AUC-ROC) van 0,73 (95% BI 0,61-0,86). De samengevatte testkenmerken waren een sensitiviteit van 62% (95% BI 41-80%) en specificiteit van 80% (95% BI 64 - 91%) [8].

Dit werd uitgebreid in de door de EU H2020 gefinancierde "Breathspec Study", die tot doel had ademmonsters te onderscheiden van patiënten met een bacteriële of virale infectie van de bovenste of onderste luchtwegen. Er werden meer dan 1220 patiënten gerekruteerd, waarvan 191 patiënten werden geïdentificeerd als absoluut bacteriële infectie en 671 geclassificeerd als absoluut niet bacterieel. Bij alle patiënten werd virologie uitgevoerd, waarbij 259 patiënten een virale infectie bevestigden. Datumverwerking is nog gaande om te bepalen hoe goed ze kunnen worden onderscheiden met behulp van deze methodologie. Meer dan 100 patiënten werden gerekruteerd voor deze studie in Edinburgh. Sindsdien is kunstmatige intelligentie geïntegreerd in onze analytische processen, waardoor snellere en meer verfijnde analyses mogelijk zijn.

Onze ambitie is dat deze technologie een handtekening van Covid-19-pneumonie zal identificeren of binnen 10 minuten in niet-invasief verzamelde ademmonsters om triage van patiënten in hoge en lage risicocategorieën voor Covid-19 mogelijk te maken. Hierdoor kunnen schaarse middelen en complexe protocollen die verband houden met patiënten met een hoog risico, worden gericht, waaronder persoonlijke beschermingsmiddelen (PBM), cohorting en toegewijd medisch en verplegend personeel.

In juli 2020 is een gezonde vrijwilligersarm toegevoegd - 40 deelnemers