Hjärtsviktsdiagnostisk prestanda för en expirogramanalysalgoritm som utvärderar 4 biomarkörer (SenseIR-IC)

Särskilt i samband med kroniska sjukdomar och hjärtsvikt (HF) har telemedicin och teleövervakning framstått som stora kliniska utmaningar idag. Utvecklingen av point-of-care mätsystem med hjälp av handhållna enheter ger "digitala biomarkörer" som är ett nyckelelement i fjärrövervakning.

Biomarkörer som finns i utandningsluft kan utgöra "digitala biomarkörer", eftersom mätningen av molekyler i utandningsluften är icke-invasiv. För närvarande är 6 utandningsbiomarkörer validerade av amerikanska FDA och används i ett kliniskt sammanhang. Vid hjärtsvikt har 4 olika arter visat sig vara av potentiellt diagnostiskt eller prognostiskt intresse: NO, CO, aceton och isopren. Men även om koncentrationen av dessa arter i alveolär luft (CA) återspeglar deras blodkoncentration (Cs), är förhållandet mer komplext, eftersom man måste ta hänsyn till de olika avdelningarna i bronkialträdet och de utbyten som äger rum inom dessa olika avdelningar. . Att mäta koncentrationen av en art i utandningsluften under en fullständig utandning (eller "expirogram") med hjälp av en realtidsmätning visar sig således inte bara vara beroende av artens systemiska koncentration, utan också på förändringar i lungfunktionen. Att få ett expirogram gör det således inte bara möjligt att specificera mätningen av artens endogena källa, utan ger också information om förändringar i lungfunktionen, direkt inducerade av hjärtsvikt, och som har ett välkänt prognostiskt värde.

→ Kombinationen av olika kandidatbiomarkörer för utandning i IC, under en realtidsmätning av forcerad utandning, med användning av selektiva, känsliga och miniatyriserbara sensorer skulle ge diagnostisk, prognostisk och patientinformation vid hjärtsvikt.

Kvartsförstärkt fotoakustisk spektroskopi (QEPAS) är en lämplig metod för fjärrövervakning av hjärtsviktspatienter. Det möjliggör skapandet av sensorer som kännetecknas av god selektivitet och låga detektionströsklar. Dessutom är realtidsanalys möjlig, och sensorerna är potentiellt miniatyriserbara. Dessa sensorer kan därför tillhandahålla expirogram för olika arter (istället för att bara mäta CA i slutet av utgången). Komplexa signaler av denna typ kan analyseras med hjälp av matematisk modellering och artificiell intelligens såsom "djupa neurala nätverk". Dessa matematiska modelleringsmetoder har använts för att modellera lung-, neurologiska eller hjärtfunktionsparametrar.

Som en del av ett translationellt forskningsprojekt i samarbete med Dr. A. Vicet (MCF-UM, Institut d'Electronique et des Systèmes) och Prof. N. Molinari (CHRU Montpellier, Institut Desbrest d'Épidémiologie et de Santé Publique), Forskargruppen utvecklar för närvarande sensorer för olika utandningsbiomarkörer med hjälp av QEPAS-metoden, vilka har kopplats till synkron kvantifiering av volymer, flöden och lungkompartment. Dessa sensorer genomgår för närvarande analytisk validering (i laboratoriet). De första expirogrammen har erhållits och modellerats med användning av en splineregressionsdimensionsreduktionsmetod.