Ikke-invasiv påvisning av lungebetennelse i sammenheng med Covid-19 ved bruk av gasskromatografi - Ionemobilitetsspektrometri (GC-IMS)

Analyse av flyktige organiske forbindelser (VOC) i utånding er av økende interesse for diagnostisering av lungeinfeksjon. Over 2000 VOC kan påvises gjennom gasskromatografi og massespektrometri (GC-MS); mønstre av påvist VOC kan gi informasjon om kronisk obstruktiv lungesykdom, astma, lungekreft og interstitiell lungesykdom. Dessverre kan GC-MS mens den er svært sensitiv ikke gjøres ved sengen og tar i beste fall timer å forberede prøver, kjøre analysen og deretter tolke resultatene.

Sammenlignet med andre metoder for pusteanalyse, tilbyr ionemobilitetsspektrometri (IMS) en ti ganger høyere deteksjonshastighet av VOC. Ved å koble et ionemobilitetsspektrometer med en GC-kolonne, tilbyr GC-IMS umiddelbar todelt separasjon av VOC med visualisering i et tredimensjonalt kromatogram. Den totale analysetiden er ca. 300 sekunder og utstyret er miniatyrisert for å tillate nattbordsanalyse.

BreathSpec-maskinen har tidligere blitt brukt til å studere både stråleskade hos pasienter som gjennomgår strålebehandling ved Edinburgh Cancer Center (REC ref 16-SS-0059, som en del av H2020 TOXI-triage-prosjektet, http://www.toxi-triage. eu/) og lungebetennelse hos pasienter som kommer til ED ved Royal Infirmary of Edinburgh (REC ref 18-LO-1029). Dette arbeidet har utviklet kunstig intelligensmetodikk som tillater rask analyse av den enorme mengden data som samles inn fra disse pusteprøvene for å identifisere signaturer som kan indikere en spesiell patologisk prosess som lungebetennelse eller strålingsskade.

TOXI-triage-prosjektet viste at BreathSpec GC-IMS raskt kunne triagere individer for å identifisere de som hadde blitt eksponert for spesielle flyktige væsker i en masseulykkessituasjon (http://www.toxi-triage.eu/).

En pilotforsøk vurderte brystinfeksjoner ved den akutte medisinske enheten ved Royal Liverpool University Hospital. Den endelige diagnostiske modellen tillot rettferdig forskjellsbehandling mellom bakterielle brystinfeksjoner og brystinfeksjoner på grunn av andre midler med et område under mottakeroperatørens karakteristiske kurve (AUC-ROC) på 0,73 (95 % KI 0,61–0,86). Oppsummerende testkarakteristika var en sensitivitet på 62 % (95 % KI 41-80 %) og spesifisitet på 80 % (95 % KI 64 – 91 %) [8].

Dette ble utvidet i den EU H2020-finansierte "Breathspec Study" som hadde som mål å skille pusteprøver fra pasienter med bakteriell eller viral øvre eller nedre luftveisinfeksjon. Over 1220 pasienter ble rekruttert, med 191 pasienter identifisert som definitivt bakteriell infeksjon og 671 klassifisert som definitivt ikke bakteriell. Virologi ble utført på alle pasienter, med 259 pasienter bekreftet virusinfeksjon. Datobehandling pågår fortsatt for å avgjøre hvor godt de kan skilles ved hjelp av denne metoden. Mer enn 100 pasienter ble rekruttert til denne studien i Edinburgh. Siden den gang har kunstig intelligens blitt integrert i våre analytiske prosesser, noe som muliggjør raskere og mer raffinert analyse.

Vår ambisjon er at denne teknologien vil identifisere en signatur av Covid-19 lungebetennelse eller innen 10 minutter i ikke-invasivt innsamlede pusteprøver for å tillate triage av pasienter i høy- og lavrisikokategorier for Covid-19. Dette vil tillate målretting av knappe ressurser og komplekse protokoller knyttet til høyrisikopasienter, inkludert personlig verneutstyr (PPE), kohorting og dedikert medisinsk og pleiepersonell.

En frisk frivilligarm ble lagt til i juli 2020 - 40 deltakere