Forscherin misst die Wasserqualität an einem Fluss im Wald

Projekt

Atemgasanalyse mittels E-Nose-Technologie zur Diskriminierung von COVID-19-Pneumonien

Diese Arbeit beleuchtet das diagnostische Potential einer sogenannten elektronischen Nase (E-Nose) in der Diagnostik von Atemwegserkrankungen. Elektronische Nasen sind Sensor-basierte Geräte zur Analyse von Gasen und werden bereits im Umweltmonitoring kommerziell eingesetzt. Mit dieser Studie konnten ein Protokoll eta…

Diese Arbeit beleuchtet das diagnostische Potential einer sogenannten elektronischen Nase (E-Nose) in der Diagnostik von Atemwegserkrankungen. Elektronische Nasen sind Sensor-basierte Geräte zur Analyse von Gasen und werden bereits im Umweltmonitoring kommerziell eingesetzt. Mit dieser Studie konnten ein Protokoll etabliert werden, welches eine einfache Abnahme der Atemgasproben erlaubt, einen sicheren Transport und eine sichere Lagerung ermöglicht (um standortunabhängig zu messen), und ein Messverfahren verwendet, welches ohne große labortechnische Unterstützung ablaufen kann. Damit eröffnet die „Point-of-Care Atemgasanalytik“ ein völlig neues Spektrum der klinischen Diagnostik. Nicht-invasiv, kostenef-fizient und schnell konnten wir mit unserer E-Nose Patienten, die an COVID-19 erkrankt waren von gesunden Kontrollprobanden unterscheiden. Dafür wurden 126 Probanden für die Studie rekrutiert. Die Ausatemluft wurde gesammelt und mit einer portablen elektronischen Nase ge-messen. Die so erstellten Muster wurden von drei unabhängigen Teams mithilfe von künstli-cher Intelligenz verglichen. Hierbei wurden verschiede Machine Learning (ML) Modelle unab-hängig voneinander trainiert und an dem generierten Datensatz getestet. Alle drei Teams ka-men zu ähnlich robusten Ergebnissen, mit einer durchschnittlichen area under the curve (AUC) von über 90% und einem missclassification error (ME) unter 19%. Damit erreicht die Atem-gasanalyse mit dem hier beschriebenen Protokoll ähnliche Werte wie die SARS-CoV-2 PCR-Testung und bessere Ergebnisse als POC Antigentests. (Woehrle, Pfeiffer et al. 2024)