评估 4 种生物标志物的心力图分析算法的心力衰竭诊断性能 (SenseIR-IC)

特别是在慢性疾病和心力衰竭 (HF) 的背景下，远程医疗和远程监护已成为当今的主要临床挑战。 使用手持设备的现场护理测量系统的开发提供了“数字生物标记”，这是远程监测的关键要素。

呼出空气中包含的生物标记物可以构成“数字生物标记物”，因为呼出空气中分子的测量是非侵入性的。 目前，6 种呼出的生物标志物已经过美国 FDA 的验证并用于临床。 在心力衰竭中，4 种不同的物质已被证明具有潜在的诊断或预后意义：NO、CO、丙酮和异戊二烯。 然而，虽然这些物质在肺泡空气 (CA) 中的浓度反映了它们的血液浓度 (Cs)，但这种关系更为复杂，必须考虑支气管树的不同区室以及这些不同区室内发生的交换。 因此，使用实时测量来测量完整呼气（或“呼气图”）期间呼出空气中某种物质的浓度，结果不仅取决于该物质的全身浓度，还取决于肺功能的变化因此，获得呼气图不仅可以指定物种内源性来源的测量，而且还可以提供由心力衰竭直接引起的肺功能变化的信息，并且具有公认的预后价值。

→ 在实时测量用力呼气过程中，IC 中不同候选呼出生物标志物的组合，使用选择性、灵敏和小型化传感器将提供心力衰竭的诊断、预后和患者结果信息。

石英增强光声光谱（QEPAS）是远程监测心力衰竭患者的合适方法。 它能够创建具有良好选择性和低检测阈值的传感器。 更重要的是，实时分析是可能的，并且传感器有可能小型化。 因此，这些传感器能够提供不同物种的呼气图（而不是简单地测量呼气结束时的 CA）。 可以使用数学建模和人工智能技术（例如“深度神经网络”）来分析这种类型的复杂信号。 这些数学建模方法已用于对肺、神经或心脏功能参数进行建模。

作为与 A. Vicet 博士（MCF-UM、Institut d'Electronique et des Systèmes）和 N. Molinari 教授（CHRU Montpellier、Institut Desbrest d'Épidémiologie et de Santé Publique）合作的转化研究项目的一部分，研究团队目前正在使用 QEPAS 方法开发各种呼出生物标志物的传感器，该方法与体积、流量和肺室的同步量化相结合。 这些传感器目前正在进行分析验证（在实验室中）。 第一个实验图已获得并使用样条回归降维方法进行建模。