CN117794451A - 从生物样本中检测健康障碍的设备和检测处理 - Google Patents

从生物样本中检测健康障碍的设备和检测处理 Download PDF

Info

Publication number
CN117794451A
CN117794451A CN202280053981.9A CN202280053981A CN117794451A CN 117794451 A CN117794451 A CN 117794451A CN 202280053981 A CN202280053981 A CN 202280053981A CN 117794451 A CN117794451 A CN 117794451A
Authority
CN
China
Prior art keywords
sample
image
carrier gas
breath
ionization chamber
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202280053981.9A
Other languages
English (en)
Inventor
里卡多·丹尼尔·德·西莫内
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Li KaduoDannierDeXimonei
Original Assignee
Li KaduoDannierDeXimonei
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Li KaduoDannierDeXimonei filed Critical Li KaduoDannierDeXimonei
Publication of CN117794451A publication Critical patent/CN117794451A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/66—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light electrically excited, e.g. electroluminescence
    • G01N21/67—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light electrically excited, e.g. electroluminescence using electric arcs or discharges
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/082—Evaluation by breath analysis, e.g. determination of the chemical composition of exhaled breath
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/027—Control of working procedures of a spectrometer; Failure detection; Bandwidth calculation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/443—Emission spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/497—Physical analysis of biological material of gaseous biological material, e.g. breath
    • G01N33/4975—Physical analysis of biological material of gaseous biological material, e.g. breath other than oxygen, carbon dioxide or alcohol, e.g. organic vapours
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/097—Devices for facilitating collection of breath or for directing breath into or through measuring devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2803—Investigating the spectrum using photoelectric array detector
    • G01J2003/2813—2D-array
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J2003/2866—Markers; Calibrating of scan
    • G01J2003/2873—Storing reference spectrum

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Biochemistry (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computing Systems (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pulmonology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Databases & Information Systems (AREA)
  • Physiology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Software Systems (AREA)

Abstract

本发明涉及用于检测气体样本中的化合物的仪器和处理。特别地，用于从生物样本中检测健康障碍，更优选地用于从哺乳动物的呼吸样本中检测疾病。它被纳入诊断COVID‑19的方法和仪器中。

Description

从生物样本中检测健康障碍的设备和检测处理
技术领域
本发明涉及用于检测气体样本中的化合物的仪器和处理(process)，具体地涉及用于从生物样本中检测健康障碍(disorder)的仪器和处理，更优选地涉及用于从哺乳动物的呼吸样本中检测疾病的仪器和处理。它被纳入诊断COVID-19的方法和仪器中。
背景技术
人体作用(respiration)含有大量挥发性有机化合物(VOC)，它们是代谢活动的产物。这些VOC可能会根据诸如年龄、体重、性别、生活方式或饮食习惯等的遗传或环境因素而不同，并且可能会影响人的呼吸的化学成分，这取决于这些化合物的量和浓度。疾病也会导致呼吸作用期间呼出气(exhaled breath)中的VOC的变化。
数百年前，医生就已经知道呼吸中的气味与疾病之间的关系。通过气味检测疾病的历史可以追溯到公元四世纪，当时医生根据经验，能够通过人呼吸的气味来确定他们患有什么疾病。例如，水果味呼吸被认为是与糖尿病相关联的酮症酸中毒的征兆，并且氨的气味可能与肾衰竭有关。这种方法并不准确，因为疾病必须处于晚期才能通过人类嗅觉检测到。但是，技术进步使得电子系统能够在此基础上发展起来以通过呼吸来诊断疾病并提供关于人体状态的信息。
电子鼻代表了一种创新的VOC采样方法，因为这些设备可以使用纳米传感器阵列结合学习算法而在线识别复杂的VOC混合物。每组传感器对VOC混合物的不同部分敏感，并且阵列表现出良好的辨别性能以及高灵敏度和短响应时间。
因此，电子鼻的使用构成了目前用于诊断COVID-19的标准和优选方法的一种有吸引力的替代方法，其是基于鼻咽部和/或口咽拭子的实时逆转录聚合酶链反应(RT-PCR)。在这个意义上，诊断速度快、成本低以及不需要侵入性采样程序的事实是电子鼻的主要优点。
在现有技术中可以找到的用于从呼吸样本中的VOC诊断疾病的设备中，可以提到文档US20190167152A1中公开的用于使用呼出气诊断肺炎的设备。所述设备包括呼吸检测器，该呼吸检测器可操作以捕获并保留呼出气中所含的挥发性有机化合物(VOC)；与呼吸检测器装置通信的呼吸VOC分析器，其中所述VOC是1-丙醇并且其中所述呼吸VOC分析器包括被配置为确定关注的VOC的电子鼻或气相色谱-质谱(GC-MS)分析器。另一方面，文档WO2020/160753A1介绍了一种用于减少混杂因素对于呼吸作用的化学成分的实时分析的影响的装置，其中所述装置与化学分析器耦合。该分析器包括离子发生器和离子分析器，该离子发生器通过电离来自传递至分析器的所述流的关注的分子来产生离子，并且该离子分析器分析所述离子。所述离子分析器可以是质谱仪、离子迁移谱仪、或者质谱仪和离子迁移谱仪的组合。此外，文档https://doi.org/10.1007/s00464-020-08169-0公开了使用来自“The Aeonose Company”的名为“Aeonose”的设备来诊断COVID-19疾病。该设备包含检测CO、N2和VOC的三个金属氧化物型传感器。每次测量时，传感器都会经历温度循环。呼出的VOC经由氧化还原反应与传感器发生反应，引起电导率变化并生成随后被存储和分析的数值模式。
市场上可用于疾病检测的呼吸分析设备基于质谱仪、离子迁移谱仪、气相色谱仪或它们的组合，这意味着成本高且尺寸大。不同类型的传感器具有一定的缺点，诸如恢复慢(金属氧化物半导体)、响应漂移(金属氧化物半导体、导电聚合物、表面声波)、抗噪声能力低(光电离检测器)以及不同组传感器(导电聚合物、金属氧化物半导体场效应、石英晶体微平衡、表面声波)之间和长期来看相同的传感器缺乏再现性。如果要避免这些缺点，替代方法将是使用不同类型的传感器阵列来克服这些限制并最大限度地发挥其优势。但是，这意味着更高的成本和更复杂的设备。
另一方面，文档doi.org/10.1039/c6ja00226a介绍了一种基于电晕放电诱导等离子体光谱法的系统。该系统用于确定氧气和氮气混合物的浓度。电晕放电诱导等离子体光谱法(CDIPS)技术基于通过恒定气流上的电晕放电生成等离子体。来自等离子体的辐射提供了关于其物理性质的信息，诸如成分、电子密度和温度。因此，发射体物质的行为可以与离子密度和电子温度的变化相关，从而允许对此类物质的量化。等离子体的发射由UV-可见光谱仪收集，从而获得由离散且窄的原子发射线和较宽的分子物质(诸如N2或O2)带组成的光谱，这是等离子体中存在的元素的特性。该系统表现出高重现性，并且可以在不同的实验室使用，从而在每个实验室获得相同的信息。这项技术需要非常昂贵的标准光谱仪。
仍然需要一种允许通过采用能够检测呼出气成分变化的电晕放电诱导等离子体光谱测定技术来诊断诸如COVID-19的疾病的设备。
仍然需要一种能够以安全、快速、经济和非侵入性的方式进行的诊断；其中消除了电子鼻中传统使用的化学传感器受到污染和耗尽的可能性。
附图说明
图1是根据呼吸样本的疾病检测设备。
图2是阳极和阴极横截面以及电晕放电等离子体示意图。
图3是图像处理方案。
图4是本发明的设备的图像数据的处理方案。
图5和图6是本发明的设备的一个实施例的照片。
发明内容
本发明提供了一种用于从生物样本中检测健康障碍的设备，包括用于在所述样本中产生放电的部件；至少一个光学传感器和用于图像处理的部件。所述设备不需要复杂的检测系统，而且还能够以高效率和非常低的成本进行分析，因为它只需要图像检测器来进行诊断。
本发明提供了一种设备，其使所述生物样本(优选地为气态样本，更优选地为呼吸样本)经受能够诱发等离子体的放电。
其中所述健康障碍包括疾病。
本发明提供了一种图像传感器和用于通过人工智能处理图像的部件。所述放电可以是电晕放电。因此，该系统可以命名为电晕放电诱导等离子体数字光谱法。
该系统对于诊断COVID-19具有高重现性。这项技术可以提供使用低成本仪器以非侵入性和快速的方式诊断或筛查健康障碍的可能性。
其中所述疾病或健康障碍优选地选自由病毒感染、细菌感染、乳腺癌、前列腺癌、肺癌、结肠癌、血液中存在酒精、糖尿病、肾衰竭或血液中存在大麻素组成的组。更优选是COVID-19疾病。细菌感染可能是肺炎。此外，还可以是可以通过呼出气中存在的生物标志物表现出来的任何健康障碍。
根据本发明的用于检测化合物的设备也可以检测存在于选自由尿液样本和粪便样本组成的组的生物样本中的挥发性化合物。
在优选实施例中，本发明包括：样本入口、载气入口、均化区段和气体出口(1)；至少一个电离室(2)；至少一个光学传感器(3)；以及图像存储和处理系统(4)。在本发明的更优选实施例中，所述样本入口、所述载气入口、所述均化区段和所述气体出口包括：样本入口端口；样本入口管道，其将所述样本入口端口与电离室连通；气体出口端口；气体出口管道，其将电离室与所述气体出口端口连通；电离产物截留过滤器(retention filter)；样本入口和出口泵；为所述泵供电的低压电源；载气入口端口；载气入口管道；链接样本和载气入口管道的元件；至少一个样本流量控制阀；至少一个载气流量控制阀。其中所述电离室优选地包括具有两个电极的主体：阳极和阴极；为所述电极供电的高压或低压电源。并且其中所述电离室优选地还包括链接所述电离室(2)内部与光学传感器(3)的光纤。
在本发明的优选实施例中，所述阳极包括中心电极，并且所述阴极是形成同轴针-圆柱体几何形状的圆柱体；并且所述光学传感器包括至少一个显微镜或照相相机，其可以是移动电话相机。
在本发明的另一个优选实施例中，所述图像存储和处理系统(4)包括：与所述光学传感器(3)连接的计算机，其接收、存储和通过人工智能分析样本在通过电极之间的电弧时产生的等离子体图像。
在另一个优选实施例中，本发明包括PC USB连接；锂离子电池；集成触摸屏；建立无线连接的必要元件。
其中本发明的用于从呼吸样本检测疾病的设备包括放电诱导等离子体数字光谱仪。
在本发明的另一个实施例中，所述设备还包括其中引入固体或液体样本的样本储存器；其包括汽化液体或固体样本的部件。其中所述固体或液体样本可以是粪便和尿液。在这个实施例中，用于汽化所述液体或固体样本的所述部件可以包括激光器。
本发明的另一个目的是一种用于从呼吸样本检测疾病的处理，优选地，所述处理使用本发明的设备并且包括以下步骤：
a)提供具有呼吸样本的容器；
b)提供与呼吸样本混合的载气，以均匀且受控的方式将所述样本携带到电离室中；
c)借助于电弧使所述载气和所述呼吸电离；
d)捕获并存储在所述电弧中生成的等离子体的图像；
e)在没有呼吸样本的情况下，通过循环所述纯载气排空电离室；
f)通过人工智能处理所述图像以确定所述图像是否与病人的呼吸样本兼容；
g)给出结果的视觉指示。
本发明的另一个目的是一种用于从呼吸样本中检测疾病的处理，其包括以下步骤：
a)提供与样本混合的载气，以将所述样本携带到电弧中；
b)借助于电弧使所述载气和所述样本电离；
c)捕获并存储在所述电弧中生成的等离子体的图像；
所述处理还可以包括以下步骤：
d)通过人工智能处理所述图像以确定所述图像是否与建立的参数兼容；
e)给出结果的视觉指示。
本发明的另一个目的是一种包含被抽空且灭菌的柔性材料的仅具有一个气体进口的容器，该容器可以用作为本发明的生物样本的呼出气填充。
本发明的另一个目的是一种被称为数字光谱法的利用本发明的设备的图像分析处理，包括以下步骤：
a.生成用于图像训练的数据库，其表示生成光谱的波长；
b.生成每个训练图像的光谱，拟合数据和交叉验证模型；
c.生成待分析样本的光谱及其预测。
具体实施方式
本发明的一个目的是通过放电诱导等离子体数字光谱法从气态样本中检测化合物、疾病或健康障碍的设备，其特征在于能够检测存在于呼吸中充当疾病相关的生物标志物的挥发性有机化合物(VOC)浓度的变化。根据本发明，该设备能够通过放电生成等离子体。当呼吸样本通过放电生成的电弧时，它们被电离。因此，离子密度和电子温度发生变化，从而可以对这些物质进行量化。以这种方式，一组光学传感器可以记录这些变化，并通过图像处理和分析(称为数字光谱法)以及神经网络训练，该设备能够检测疾病。
本文档中的健康障碍包括病毒感染、COVID-19病毒感染、肺炎病毒感染、糖尿病、细菌感染、肺炎细菌感染、肾衰竭、乳腺癌、前列腺癌、肺癌和结肠癌以及可以通过呼出气中存在的生物标记物表达自身的任何障碍或疾病。此外，本文档中的健康障碍包括由于血液中存在药物或物质(如酒精或大麻素)而导致的良好健康状况的改变。
本发明的用于从呼吸检测疾病的设备包括样本入口、载气入口、均化区段和气体出口(1)；至少一个电离室(2)；至少一个光学传感器(3)；以及图像存储和处理系统(4)。
在优选实施例中，所述样本入口、所述载气入口、所述均化区段和所述气体出口(1)；所述电离室(2)；所述光学传感器(3)；以及所述图像存储和处理系统(4)包含在同一壳体中。
其中所述样本入口；所述载气入口、所述均化区段和所述气体出口(1)包括样本入口端口；样本入口管道，其将所述入口端口与电离室连通；气体出口端口；气体出口管道，其将电离室与所述出口端口连通；电离产物截留过滤器；样本入口和出口泵，借助于其调节系统的流速和工作压力；为所述泵供电的低压电源；载气入口端口；载气入口管道；链接样本和载气入口管道的元件；至少一个样本流量控制阀和至少一个载气流量控制阀。
在本发明的优选实施例中，所使用的载气是氮气，其可以在膜分离系统中“原位”生成，从膜分离系统中从空气中获得氮气。在另一个实施例中，所述氮源可以由氮气瓶(nitrogen cylinder)组成。
在本发明的另一个实施例中，载气可以是空气，其中空气源可以包括压缩气缸、合成气缸或集成到设备中的环境空气泵送系统。
在本发明的另一个实施例中，载气可以是稀有气体或惰性气体中的任何一种。
在另一个实施例中，该设备不需要使用载气，气态样本被简单地吹过位于接纳所述样本的壳体的外表面中的“格栅(grill)”。这种设计使得该设备可携带，从而使尺寸与智能电话相当。
在本发明的优选实施例中，链接样本和载气入口管道的元件是三通阀，其放置在样本入口管道中并且仅允许样本进入电离室，或者仅允许载气或两者的混合物进入电离室。另外，样本入口和载气入口管道可以包括流量控制阀，其允许在三通阀中混合样本和载气之前独立地控制样本和载体的流速。
在本发明的另一个实施例中，链接样本和载气入口管道的元件可以是T型或Y型接头。
在甚至更优选的实施例中，根据呼吸样本分析过程的不同阶段的需要，通过软件自动操作所述流量控制阀。
在优选实施例中，所述电离产物截留过滤器位于将电离室与出口端口连通的气体出口管道内部。在保留或吸收离开电离室的样本之后，所述过滤器可以被移除以被丢弃并被另一个过滤器替换。
在优选实施例中，所述电离室(2)由主体组成，该主体包括两个电极：阳极和阴极。在所述电极之间施加电势差，使得生成能够电离进入所述电离室的载气或样本与载气的混合物的电弧(电晕放电)。
此外，所述电离室(2)优选地包括为所述电极供电的高压或低压电源；以及一根或多根光纤，其将电晕放电产生的光从电离室的主体内部传导至显微镜和/或照相相机。
在本发明的优选实施例中，所述电离室的主体的特征在于具有圆柱形几何形状。此外，根据该实施例，电极的特征在于阳极由中心针组成并且阴极是形成同轴针-圆柱体几何形状的圆柱体。
在本发明的实施例中，所述光学传感器(3)可以包括至少一个显微镜，或者至少一个智能电话中使用的类型的照相相机。
另一方面，图像存储和处理系统(4)包括与所述光学传感器(3)连接的计算机，其接收、存储并通过人工智能分析样本在通过所述电极之间的电弧时产生的等离子体图像。
此外，该设备包括PC USB连接；锂离子电池，其为设备的在其操作时需要电力的所有组件提供电能；集成触摸屏，用于控制设备的操作；以及建立WiFi类型连接的必要元件，以便能够将图像和诊断结果传输到云和/或蓝牙连接，使得它能够通过“点对点(ad hoc)”应用从智能电话进行控制。
在本发明的优选实施例中，已使用呼出气填充的抽空且灭菌的容器用于收集呼吸样本。以这种方式，避免了用户与设备之间的直接接触。随后，将所述容器连接到设备，并且样本被泵送并在链接样本和载气入口管道的元件中与载气混合，然后进入电离室。在本发明的甚至更优选的实施例中，所述采样容器具有大于500mL的体积。在甚至更优选的实施例中，容器体积接近2000mL。该体积远大于普通人呼出的量(约500ML)，从而至少需要四次呼气才能完成容器的填充。因此，呼气的开始、中间和结束的产物被同时收集，因为它也可以中和由不同用户(儿童、青少年、成人和老年人；男人和女人)输送的呼吸的压力和体积的差异。此外，使用该采样容器大大降低了由于唾液或不想要物质的进入而导致读数错误的可能性。
在本发明的另一个实施例中，该设备还包括其中引入固体或液体样本(诸如粪便和尿液)的样本储存器。根据该实施例，该设备包括用于汽化液体或固体样本的部件。优选地，用于汽化所述液体或固体样本的所述部件包括激光器。另外，该设备还包括用于收集所述汽化样本并将其引入到电离室中的部件。
优选地，使用先前描述的疾病检测设备从呼吸检测疾病的处理包括以下步骤：
a)提供具有呼吸样本的容器；
b)提供与呼吸样本混合的载气，以均匀且受控的方式将所述样本携带到电离室中；
c)借助于电弧使所述载气和所述呼吸电离；
d)捕获并存储在所述电弧中生成的等离子体的图像；
e)在没有呼吸样本的情况下，通过循环所述纯载气排空电离室；
f)通过人工智能处理所述图像以确定所述图像是否与病人的呼吸样本兼容；
g)给出结果的视觉指示。
应用示例
示例1
下面详细描述本发明的设备。
所述设备包括样本入口、载气入口、均化区段和气体出口(1)；至少一个电离室(2)；光学传感器(3)；以及图像存储和处理系统(4)。进而，所有这些元件都包含在同一壳体中。
如图1的图中所示，所述样本入口、所述载气入口、所述均化区段和所述气体出口(1)包括样本入口端口(101)；样本入口管道(103)，其将所述入口端口与电离室连通；气体出口端口(105)；气体出口管道(107)，其将电离室与所述出口端口连通；电离产物截留过滤器(109)；样本入口和出口泵(111)；为所述泵(113)供电的低压电源；载气入口端口(115)；载气入口管道(117)；链接样本和载气入口管道的三通阀(119)；样本流量控制阀(121)和载气流量控制阀(123)。
其中，所述流量控制阀(121)和(123)根据呼吸样本分析过程的不同阶段的需要通过软件自动操作。
使用的载气是氮气。
其中所述电离产物截留过滤器(109)位于将电离室与气体出口端口连通的气体出口管道内。在保留或吸收离开电离室的样本之后，所述过滤器(109)可以被移除以被丢弃并被另一个过滤器替换。
电离室(2)由主体(201)组成，主体(201)包括两个电极：
阳极(203)和阴极(205)。另外，所述电离室包括高压电源(207)。借助于所述电源(207)，向所述电极施加电势差，使得在电晕放电中生成能够电离进入电离室的载气或样本与载气的混合物的电弧。所述电离室还包括将所述室的主体(201)与光学传感器(3)链接的光纤(209)。
所述电离室的主体具有圆柱形几何形状，并且电极是由中心针组成的阳极(203)和作为形成同轴针-圆柱体几何形状的圆柱体(205)的阴极，如图2中所示。
光学传感器(3)是显微镜，其捕获电离室的主体内部的电极之间生成的电晕放电的图像。图像存储和处理系统(4)包括与所述显微镜(3)连接的计算机，其接收、存储并通过人工智能分析样本在通过所述电极之间的电弧时产生的等离子体图像。
此外，该设备包括PC USB连接；锂离子电池，其为设备的在其操作时需要电力的所有组件提供电能，提供至少3小时的续航时间；集成触摸屏；以及建立无线连接(WiFi和蓝牙类型)的必要元件。
本实施例中使用的呼吸样本容器由预先抽空并消毒的、体积为2000mL的塑料袋组成。
示例2
从患有和未患有COVID-19的志愿者收集样本用于本文和以下示例中进行的测定。样本是借助于吸气量操纵，随后呼出肺活量来采集的。呼出气被收集在具有底部出口的无菌2L尿液引流袋和120cm管A4中以使气体混合物均化。每个采样袋都被正确标记并隔离在尼龙袋中以供进一步分析。为了收集COVID-19疾病的所有可能标记，决定不使用过滤器。
每位志愿者都被指示在提供呼吸样本之前禁食2小时。志愿者还被要求通过出口管给袋子充气，并被要求避免吹口水。
呼吸样本收集过程：
志愿者被要求深而充分地吸气(以达到最大的肺活量)，然后尽可能用力且快速地呼出。鼓励志愿者用足够的力量来完成，保持鼻子被覆盖，以完成既定的体积并填充塑料容器。典型的呼气量估计为500mL，因此至少需要四次呼气。一旦采样袋装满，就关闭阀门并将其存放在带有其标签的安全袋中。
示例3
化学计量分析和人工智能。
为了执行样本的识别并确定设备的辨别能力，执行以下过程来训练和识别分析的样本。这些样本对应于先前被诊断患有或未患有COVID-19疾病的志愿者。
被称为数字光谱法的图像分析处理被划分为三个步骤：
a.生成用于图像训练的数据库，其表示生成光谱的波长。
b.生成每个训练图像的光谱，拟合数据以及交叉验证模型。
c.生成待分析样本的光谱及其预测。
注意：所有使用的机器学习(ML)模型都属于“scikit-learn”python库
为了开发生成图像光谱的模型，使用了表示指定“波长”的图像。这些是图像训练模型的变量。生成模型的过程与处理要研究的图像的过程类似：“PIL”库用于获取图像中每个像素的RGB组成。将对应的任意长度分配给这些值组合中的每一个。一旦生成了具有所有组合的数据帧，就会生成机器学习(随机森林)模型。该模型(从现在起称为PixelMod)后面用于定义作为属于所研究的图像的每个像素的长度。
该设备拍摄电晕放电的图像(并用它们记录视频)，类似于图2中所示的那个。这些图像是通过“CV2”库获取的。
为了开发训练模型，使用相同的PIL库提取每个待分析图像的像素信息，不包括黑色像素。一旦该数据被提取，就将使用PixelMod来确定每个像素所属的长度。在分配完成之后，生成表，其中包含每个图像所具有的每个长度的所有像素。该表是用于生成ML(随机森林)训练模型的新基础。该分类模型将有两个变量：阳性(COVID-19)-阴性。gridsearch_cv(交叉验证)用于在不同参数之间进行迭代，然后获得最佳的一个。还使用交叉验证来检查哪个是获得的最佳分数。如果超过预期阈值，那么进行到最后一步。该模型(从现在起称为entrenaMod)用于预测未知测量对应的组。
对于要分析的样本，过程与训练步骤类似：使用PixelMod生成每个图像的光谱表，一旦表完成，就使用entrenaMod对其进行预测。该结果将以概率方式针对每个变量公开，所得数字是测量的平均图像概率。
处理方案在图3中详述。
示例4
志愿者被要求填写包含相关数据的表格，以控制分析方案。要求的数据是：年龄、性别和既往疾病或状况，诸如慢性阻塞性肺病(COPD)、他们是否吸烟、哮喘、糖尿病和高血压(HBP)。收集到的数据如表1中所示。
表1：志愿者数据。
根据通过PCR分析确定的是否存在COVID-19疾病，对样本进行标记并分类为两组。样本分类如表2中所示。
表2：用于数据处理的样本的识别
用于训练模型的样本集不包含在结果的预测中。对每个容器/样本进行五次测量，其中两次测量用于训练。另一方面，模型中的选择标准是将大于0.45的分数分类为“可疑”、大于或等于0.55分类为“阳性”，并且小于0.45分类为“阴性”。考虑表3和根据数字光谱法的分析的预测百分比(阳性/阴性/可疑)，获得表3中所示的以下结果。
表3：根据本发明的设备对志愿者组进行的COVID-19诊断。
从这些结果中可以观察到，报告健康志愿者的概率接近90％，而患有糖尿病的健康志愿者的概率为55％，处于临界值。这显示了本发明在志愿者中检测除COVID-19以外的疾病的能力。
在阳性病例中，可以观察到可疑和阴性的百分比非常相似且顺序相同，这表明阳性病例的普遍存在。这些结果经过PCR分析进行验证，其不仅表明与其它类型的分析高度一致，而且还表明可以用作COVID-19的原位检测方法。
为了确定测量系统的精度，使用了COVID-19阳性和阴性病例的所有图像，总共4652张。根据该信息，构建了表4。
表4.图像分析结果的概要。
从表4可以观察到，本发明的设备允许在疾病的不同阶段在志愿者呼出气中确定COVID-19疾病。该系统的可信度接近95％，假阴性为5％。
示例5
化学计量分析和人工智能。
为了识别样本并确定本发明的设备的辨别潜力，进行了以下过程。
该设备的训练考虑了关于SARS-CoV-2诊断测试解释的报告(西班牙传染病和临床微生物学协会，Instituto de Salud Carlos III)。表5示出了疾病的根据按所指示方法进行的测试的不同阶段。
表5.各个测试的一般解释概要。
PCR Ag IgM IgG 说明
+ - - - 前症状阶段
+ +/- +/- +/- 初始阶段
+/- - + +/- 第二阶段(8至14天)
+/- - ++ ++ 第三阶段>15天
+ - +/- ++ 既往感染、免疫
根据该表，所开发的方法可以检测从初始阶段到第三阶段的疾病。为了确定该方法是否可以检测COVID-19疾病，并且不会与其它已存在的呼吸道疾病相混淆，每位志愿者在进行这项自愿测试之前都被要求明确表明他或她是否患有任何肺部疾病。表6示出了每位志愿者要求的数据以及与呼出气采样同时进行的测试的结果。
表6.志愿者测试的对照。
样本被分为两组，有或没有COVID-19疾病，用于训练设备。表6示出了用于训练目的的每个样本的识别。考虑通过PCR和/或Abbott测试获得的结果进行识别。
图4示出了数据读取、处理、分类、交叉验证和结果呈现的示例。该图由不同的块和小部件(widget)组成：文件、数据表、预处理光谱和光谱可视化。另一个块由不同的分类器、测试和评分的评估块以及混淆矩阵组成。最后是图形结果和Python脚本的块。使用PillowPhyton库分析图像。该库计算并返回图像的熵。通过该方法将双层图像(模式“1”)视为灰度(“L”)图像。如果提供了掩模，那么该方法对其中掩模图像为非零的图像的那些部分采用直方图。掩模图像必须与图像具有相同的尺寸，并且是双层图像(模式“1”)或灰度图像(“L”)。使用同一库的色相-饱和度-值(HSV)函数，以hsv(色相,饱和度％,值％)形式给出，其中色相和饱和度与HSL相同，并且值在0％到100％之间(黑色＝0％，正常＝100％)。例如，hsv(0,100％,100％)是纯红色。此格式也被称为色相-饱和度-亮度(HSB)，并且可以被表示为hsb(色相,饱和度％,亮度％)，其中每个值都按照它们在HSV中的方式被使用。然后，该信息用于训练不同的化学计量模型(神经网络、随机森林等)，如图4中所示。
为了评估特异性和敏感性，进行了28次未用作数据训练的测量。然后对不同AI方法获得的结果进行平均，并且将超过0.55概率的结果指定为阳性和阴性。作为示例，如果(神经网络、随机森林、k-最近邻和线性支持向量机)的平均值给出0.55用于阳性，那么该样本被视为COVID-阳性，并且如果(神经网络、随机森林、k-最近邻和支持向量机)的平均值给出0.55用于阴性，那么该样本被视为COVID-无法检测。另一方面，结果在0.45到0.55之间的概率平均值被视为可疑，并且不用于确定敏感性(真阳性率(TPR))和敏感性(真阴性率(TNR))。结果在表7中示出。
表7.通过PCR和示例1的设备分析的样本数量。PCR被假定为金标准(GoldStandard)。
阳性PCR 阳性设备 阴性PCR 阴性设备 TPR TNR
10 7 18 15 91％ 82％
使用表7中的数据，还可以获得阳性预测值(PPV)和阴性预测值(NPV)，以使用PCR作为金标准来指示采样人群中COVID-19的流行度。在这种情况下，确定了70％的PPV和80％的NPV，这表明该分析系统可以用作筛选方法。
已表明该系统的检测准确率接近91％，并且它可以报告值低于5％的假阴性。另一方面，所使用的系统需要非常低成本的一次性用品，并且处理样本或含有呼出空气的袋子的时间约为3分钟。此外，所使用的方法对用户来说不是侵入性的，因此不麻烦，并且采样时间也相对短。该分析系统表明，它可以用作一种筛查方法，在很短的时间内、大量人群中进行测试，用于监测COVID-19疾病。

Claims (39)

1.一种用于从生物样本中检测健康障碍的设备，包括用于在所述样本中生成放电的部件；至少一个光学传感器和用于图像处理的部件。
2.如权利要求1所述的设备，其中所述放电在所述样本中生成等离子体，并且所述样本是气态样本。
3.如权利要求1所述的设备，其中所述健康障碍包括疾病。
4.如权利要求1所述的设备，其中所述生物样本包括呼吸样本。
5.如权利要求1所述的设备，包括：样本入口、载气入口、均化区段和气体出口(1)；至少一个电离室(2)；至少一个光学传感器(3)；以及图像存储和处理系统(4)。
6.如权利要求5所述的设备，其中所述样本入口、所述载气入口、所述均化区段和所述气体出口包括：样本入口端口；样本入口管道，其将所述入口端口与电离室连通；气体出口端口；气体出口管道，其将电离室与所述出口端口连通；电离产物截留过滤器；样本入口和出口泵；为所述泵供电的低压电源；载气入口端口；载气入口管道；链接样本和载气入口管道的元件；至少一个样本流量控制阀；至少一个载气流量控制阀。
7.如权利要求5所述的设备，其中所述电离室包括具有两个电极的主体：阳极和阴极；以及为所述电极供电的电压电源。
8.如权利要求7所述的设备，其中所述电源包括高压电源。
9.如权利要求7所述的设备，其中所述电源包括低压电源。
10.如权利要求5所述的设备，其中所述电离室还包括链接所述电离室(2)的主体的内部和所述光学传感器(3)的光纤。
11.如权利要求7所述的设备，其中所述阳极包括中心电极并且所述阴极是形成同轴针-圆柱体几何形状的圆柱体。
12.如权利要求1所述的设备，其中所述光学传感器包括至少一个显微镜。
13.如权利要求1所述的设备，其中所述光学传感器包括至少一个照相相机。
14.如权利要求5所述的设备，其中所述图像存储和处理系统(4)包括：连接到所述光学传感器(3)的计算机，其接收、存储和通过人工智能分析样本在通过电极之间的电弧时产生的等离子体的图像。
15.如权利要求1所述的设备，其中它还包括PC USB连接；锂离子电池；集成触摸屏；建立无线连接的必要元件。
16.如权利要求1所述的设备，其中所述健康障碍是病毒感染。
17.如权利要求1所述的设备，其中所述健康障碍是COVID-19的病毒感染。
18.如权利要求1所述的设备，其中所述健康障碍是肺炎的病毒感染。
19.如权利要求1所述的设备，其中所述健康障碍是糖尿病。
20.如权利要求1所述的设备，其中所述健康障碍是细菌感染。
21.如权利要求1所述的设备，其中所述健康障碍是肺炎的细菌感染。
22.如权利要求1所述的设备，其中所述健康障碍是肾衰竭。
23.如权利要求1所述的设备，其中所述健康障碍选自由：乳腺癌、前列腺癌、肺癌和结肠癌组成的组。
24.如权利要求1所述的设备，其中所述健康障碍是血液中存在酒精。
25.如权利要求1所述的设备，其中所述健康障碍与血液中存在大麻素有关。
26.如权利要求1所述的设备，其中所述健康障碍包括能够通过呼出气中存在的生物标志物表现自身的任何障碍。
27.如权利要求1所述的用于从呼吸样本检测疾病的设备，包括放电诱导等离子体数字光谱仪。
28.如权利要求1所述的设备，其中所述生物样本包括尿液样本。
29.如权利要求1所述的设备，其中所述生物样本包括粪便样本。
30.如权利要求1所述的设备，其中它还包括样本储存器，其中引入固体或液体样本。
31.如权利要求30所述的设备，其中所述固体或液体样本包括粪便和尿液。
32.如权利要求30所述的设备，其中它包括用于汽化液体或固体样本的部件。
33.如权利要求32所述的设备，其中所述用于汽化所述液体或固体样本的部件包括激光器。
34.一种用于从呼吸样本中检测健康障碍的处理，其使用如权利要求1所述的设备并且包括以下步骤：
a)提供具有呼吸样本的容器；
b)提供与呼吸样本混合的载气，以均匀且受控的方式将所述样本携带到电离室中；
c)借助于电弧使所述载气和所述呼吸电离；
d)捕获并存储在所述电弧中生成的等离子体的图像；
e)在没有呼吸样本的情况下，通过循环所述纯载气排空电离室；
f)通过人工智能处理所述图像以确定所述图像是否与病人的呼吸样本兼容；
g)给出结果的视觉指示。
35.一种用于从气体样本中检测化合物的处理，其使用如权利要求1所述的设备并且包括以下步骤：
a.提供与样本混合的载气，以将所述样本携带到电弧中；
b.借助于电弧使所述载气和所述样本电离；
c.捕获并存储在所述电弧中生成的等离子体的图像；
36.如权利要求35所述的处理，还包括以下步骤：
a.通过人工智能处理所述图像，以确定所述图像是否与建立的参数兼容；
b.给出结果的视觉指示。
37.一种包含被抽空且灭菌的柔性材料的容器，所述容器仅具有一个气体进口，所述容器可以用作为如权利要求1所述的生物样本的呼出的呼吸填充。
38.一种如权利要求1所述的设备的被称为数字光谱法的图像分析处理，包括以下步骤：
39.一种被称为数字光谱法的图像分析处理，其利用如权利要求1所述的设备，包括以下步骤：
a.生成用于图像训练的数据库，其表示生成光谱的波长；
b.生成每个训练图像的光谱，拟合数据和交叉验证模型；
c.生成待分析样本的光谱及其预测。
CN202280053981.9A 2021-06-03 2022-06-03 从生物样本中检测健康障碍的设备和检测处理 Pending CN117794451A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202163196336P 2021-06-03 2021-06-03
US63/196,336 2021-06-03
PCT/IB2022/055180 WO2022254386A1 (en) 2021-06-03 2022-06-03 A device for detecting health disorders from biological samples and a detection process

Publications (1)

Publication Number Publication Date
CN117794451A true CN117794451A (zh) 2024-03-29

Family

ID=82595172

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280053981.9A Pending CN117794451A (zh) 2021-06-03 2022-06-03 从生物样本中检测健康障碍的设备和检测处理

Country Status (6)

Country Link
EP (1) EP4346580A1 (zh)
CN (1) CN117794451A (zh)
BR (1) BR112023025421A2 (zh)
CA (1) CA3221298A1 (zh)
CO (1) CO2023018209A2 (zh)
WO (1) WO2022254386A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117761262B (zh) * 2024-02-22 2024-04-30 暨南大学 一种箱式的逸散源挥发性成分可控高精度表征系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050233459A1 (en) * 2003-11-26 2005-10-20 Melker Richard J Marker detection method and apparatus to monitor drug compliance
CN1620502A (zh) * 2001-11-09 2005-05-25 陶氏环球技术公司 用于测量丙酮的基于酶的系统和传感器
AU2003207552A1 (en) * 2002-01-29 2003-09-02 James D. Talton Methods of collecting and analyzing human breath
JP2009529673A (ja) * 2006-03-07 2009-08-20 ユニバーシティ オブ フロリダ リサーチ ファウンデーション，インク． 服薬遵守モニターシステム
US9528979B2 (en) * 2011-11-15 2016-12-27 Technion Research And Development Foundation Ltd. Breath analysis of pulmonary nodules
US20160371590A1 (en) * 2015-06-16 2016-12-22 Lunatech, Llc Longitudinal Health And Predictive Modeling From Air Analyzer And Treatment System
US10463275B2 (en) * 2015-08-09 2019-11-05 Elemental Sensor Llc Device for capturing and concentrating volatile organic compounds
GB2566681B (en) * 2017-09-14 2021-07-28 Ip2Ipo Innovations Ltd Biomarker
US20190167152A1 (en) 2017-12-01 2019-06-06 Koninklijke Philips N.V. Method and apparatus for the diagnosis of pneumonia using exhaled breath metabolomics
WO2020160753A1 (en) 2019-02-05 2020-08-13 Fossil Ion Technology S.L. Method and apparatus to reduce the impact of confounding factors for breath analysis
WO2020186335A1 (en) * 2019-03-18 2020-09-24 Canary Health Technologies Inc. Biomarkers for systems, methods, and devices for detecting and identifying substances in a subject's breath, and diagnosing and treating health conditions
US11996280B2 (en) * 2019-06-29 2024-05-28 Zeteo Tech, Inc. Methods and systems for detecting aerosol particles without using complex organic MALDI matrices
US11298063B2 (en) * 2019-10-20 2022-04-12 Bao Q Tran Hydrogen powered device

Also Published As

Publication number Publication date
WO2022254386A1 (en) 2022-12-08
EP4346580A1 (en) 2024-04-10
CA3221298A1 (en) 2022-12-08
BR112023025421A2 (pt) 2024-02-27
CO2023018209A2 (es) 2023-12-29

Similar Documents

Publication Publication Date Title
US20200337594A1 (en) Biomarkers for systems, methods, and devices for detecting and identifying substances in a subject's breath, and diagnosing and treating health conditions
US20200029858A1 (en) Systems, Methods and Devices for Detecting and Identifying Substances in a Subject's Breath
Guo et al. Non-invasive blood glucose monitoring for diabetics by means of breath signal analysis
Wojnowski et al. Electronic noses in medical diagnostics
JP6462142B2 (ja) 癌罹患危険度評価装置、プログラム、及び癌罹患危険度を試験する方法
Shimizu et al. Deep learning application trial to lung cancer diagnosis for medical sensor systems
US20190307396A1 (en) Device and method for detection of cannabis and other controlled substances using faims
CN117794451A (zh) 从生物样本中检测健康障碍的设备和检测处理
Sujono et al. Asthma identification using gas sensors and support vector machine
Binson et al. Artificial intelligence based breath analysis system for the diagnosis of lung cancer
CN116745618A (zh) 用于筛查受试者的疾病的系统、方法和设备
Antón et al. Headspace-programmed temperature vaporizer-mass spectrometry and pattern recognition techniques for the analysis of volatiles in saliva samples
JP2019039896A (ja) 疾病判定システム及びヘルスケアサービス提供システム
JP4452783B2 (ja) 呼気分析装置を用いた肝硬変検査方法及び装置
EP4018927A1 (en) Apparatus for identifying pathological states and corresponding method.
CN109313173B (zh) 紧凑型气体分析设备和方法
US20220095923A1 (en) System and apparatus for detecting diseases
KR102342105B1 (ko) 다중 모세관 컬럼 이온 이동도 분석장치를 이용한 그리드 패턴 기반 질병 진단 방법
CN210931411U (zh) 一种用于肺癌筛查的基于石墨烯传感器的呼气检测仪
CN107490501B (zh) 用于分析人类呼吸样本的气体收集装置和方法
Chandrasekaran et al. IoT based Ketoacidosis Detection.
Bhaskar et al. Automated COVID-19 Detection From Exhaled Human Breath Using CNN-CatBoost Ensemble Model
VA et al. Detection of lung cancer and stages via breath analysis using a self-made electronic nose device
CN210863616U (zh) 一种呼出气VOCs检测装置
Salminen et al. People Stink!: Towards identification of people from breath samples

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication