RU2784774C1 - Способ ранней неинвазивной диагностики covid-19 путем анализа выдыхаемого человеком воздуха - Google Patents
Способ ранней неинвазивной диагностики covid-19 путем анализа выдыхаемого человеком воздуха Download PDFInfo
- Publication number
- RU2784774C1 RU2784774C1 RU2022109457A RU2022109457A RU2784774C1 RU 2784774 C1 RU2784774 C1 RU 2784774C1 RU 2022109457 A RU2022109457 A RU 2022109457A RU 2022109457 A RU2022109457 A RU 2022109457A RU 2784774 C1 RU2784774 C1 RU 2784774C1
- Authority
- RU
- Russia
- Prior art keywords
- array
- response
- air
- sensor
- gas
- Prior art date
Links
- 200000000015 coronavirus disease 2019 Diseases 0.000 title claims abstract description 32
- 238000003745 diagnosis Methods 0.000 title claims description 16
- 238000004458 analytical method Methods 0.000 title abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 57
- 230000001953 sensory Effects 0.000 claims abstract description 24
- 201000010099 disease Diseases 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 13
- 241000711573 Coronaviridae Species 0.000 claims abstract description 6
- 238000004140 cleaning Methods 0.000 claims abstract description 6
- 230000005669 field effect Effects 0.000 claims description 12
- 229910044991 metal oxide Inorganic materials 0.000 claims description 11
- 150000004706 metal oxides Chemical class 0.000 claims description 11
- 230000035945 sensitivity Effects 0.000 claims description 7
- 238000010438 heat treatment Methods 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 abstract description 6
- 238000007374 clinical diagnostic method Methods 0.000 abstract description 5
- 239000000126 substance Substances 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract 1
- 210000004027 cells Anatomy 0.000 description 32
- 238000005070 sampling Methods 0.000 description 13
- 150000001875 compounds Chemical class 0.000 description 11
- 239000012528 membrane Substances 0.000 description 10
- 230000001717 pathogenic Effects 0.000 description 10
- 244000052769 pathogens Species 0.000 description 10
- 206010053983 Corona virus infection Diseases 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000004065 semiconductor Substances 0.000 description 7
- YCOZIPAWZNQLMR-UHFFFAOYSA-N Pentadecane Chemical compound CCCCCCCCCCCCCCC YCOZIPAWZNQLMR-UHFFFAOYSA-N 0.000 description 6
- BGHCVCJVXZWKCC-UHFFFAOYSA-N Tetradecane Chemical compound CCCCCCCCCCCCCC BGHCVCJVXZWKCC-UHFFFAOYSA-N 0.000 description 6
- 206010047461 Viral infection Diseases 0.000 description 6
- 208000001756 Virus Disease Diseases 0.000 description 6
- 230000017613 viral reproduction Effects 0.000 description 6
- 230000001537 neural Effects 0.000 description 5
- 230000027455 binding Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- BWDBEAQIHAEVLV-UHFFFAOYSA-N 6-methylheptan-1-ol Chemical compound CC(C)CCCCCO BWDBEAQIHAEVLV-UHFFFAOYSA-N 0.000 description 3
- PPBRXRYQALVLMV-UHFFFAOYSA-N Styrene Natural products C=CC1=CC=CC=C1 PPBRXRYQALVLMV-UHFFFAOYSA-N 0.000 description 3
- 241000700605 Viruses Species 0.000 description 3
- 201000009910 diseases by infectious agent Diseases 0.000 description 3
- 239000003446 ligand Substances 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000002207 metabolite Substances 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 210000004205 output neuron Anatomy 0.000 description 3
- 238000010926 purge Methods 0.000 description 3
- 210000002345 respiratory system Anatomy 0.000 description 3
- 230000001954 sterilising Effects 0.000 description 3
- 238000004659 sterilization and disinfection Methods 0.000 description 3
- -1 tert-dodecanethiol Chemical compound 0.000 description 3
- HVVZVBWIBBTXAJ-UHFFFAOYSA-N 1-methylideneindene Chemical compound C1=CC=C2C(=C)C=CC2=C1 HVVZVBWIBBTXAJ-UHFFFAOYSA-N 0.000 description 2
- NLHRRMKILFRDGV-UHFFFAOYSA-N 3-methyltridecane Chemical compound CCCCCCCCCCC(C)CC NLHRRMKILFRDGV-UHFFFAOYSA-N 0.000 description 2
- 210000001331 Nose Anatomy 0.000 description 2
- ROWKJAVDOGWPAT-UHFFFAOYSA-N acetoin Chemical compound CC(O)C(C)=O ROWKJAVDOGWPAT-UHFFFAOYSA-N 0.000 description 2
- 150000001412 amines Chemical class 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 230000000875 corresponding Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003748 differential diagnosis Methods 0.000 description 2
- 239000010408 film Substances 0.000 description 2
- 238000004949 mass spectrometry Methods 0.000 description 2
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical Effects 0.000 description 2
- 238000003752 polymerase chain reaction Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- GKQXPTHQTXCXEV-UHFFFAOYSA-N (4-chlorophenyl)methanethiol Chemical compound SCC1=CC=C(Cl)C=C1 GKQXPTHQTXCXEV-UHFFFAOYSA-N 0.000 description 1
- HUJMWBOFGAQSMR-UHFFFAOYSA-N 14371-82-5 Chemical compound [O-][N+](=O)C1=CC(C(F)(F)F)=CC=C1S HUJMWBOFGAQSMR-UHFFFAOYSA-N 0.000 description 1
- RBQYYKPIUNQAQV-UHFFFAOYSA-N 2,4,6-trimethyl-3-phenylpyridine Chemical compound CC1=NC(C)=CC(C)=C1C1=CC=CC=C1 RBQYYKPIUNQAQV-UHFFFAOYSA-N 0.000 description 1
- BWZVCCNYKMEVEX-UHFFFAOYSA-N 2,4,6-trimethylpyridine Chemical compound CC1=CC(C)=NC(C)=C1 BWZVCCNYKMEVEX-UHFFFAOYSA-N 0.000 description 1
- UCJMHYXRQZYNNL-UHFFFAOYSA-N 2-ethylhexane-1-thiol Chemical compound CCCCC(CC)CS UCJMHYXRQZYNNL-UHFFFAOYSA-N 0.000 description 1
- 229920002395 Aptamer Polymers 0.000 description 1
- UENWRTRMUIOCKN-UHFFFAOYSA-N Benzyl mercaptan Chemical compound SCC1=CC=CC=C1 UENWRTRMUIOCKN-UHFFFAOYSA-N 0.000 description 1
- WQAQPCDUOCURKW-UHFFFAOYSA-N Butanethiol Chemical compound CCCCS WQAQPCDUOCURKW-UHFFFAOYSA-N 0.000 description 1
- 241001678559 COVID-19 virus Species 0.000 description 1
- VTXVGVNLYGSIAR-UHFFFAOYSA-N DECANE-1-THIOL Chemical compound CCCCCCCCCCS VTXVGVNLYGSIAR-UHFFFAOYSA-N 0.000 description 1
- CUDSBWGCGSUXDB-UHFFFAOYSA-N Dibutyl disulfide Chemical compound CCCCSSCCCC CUDSBWGCGSUXDB-UHFFFAOYSA-N 0.000 description 1
- 238000002965 ELISA Methods 0.000 description 1
- DNJIEGIFACGWOD-UHFFFAOYSA-N Ethanethiol Chemical compound CCS DNJIEGIFACGWOD-UHFFFAOYSA-N 0.000 description 1
- DCAYPVUWAIABOU-UHFFFAOYSA-N Hexadecane Chemical compound CCCCCCCCCCCCCCCC DCAYPVUWAIABOU-UHFFFAOYSA-N 0.000 description 1
- 210000000867 Larynx Anatomy 0.000 description 1
- 210000004072 Lung Anatomy 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 230000036740 Metabolism Effects 0.000 description 1
- 238000010222 PCR analysis Methods 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 206010038683 Respiratory disease Diseases 0.000 description 1
- NXCSDJOTXUWERI-UHFFFAOYSA-N [1]benzothiolo[3,2-b][1]benzothiole Chemical compound C12=CC=CC=C2SC2=C1SC1=CC=CC=C21 NXCSDJOTXUWERI-UHFFFAOYSA-N 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000038129 antigens Human genes 0.000 description 1
- 108091007172 antigens Proteins 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001354 calcination Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002800 charge carrier Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000002596 correlated Effects 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 230000010460 detection of virus Effects 0.000 description 1
- WNAHIZMDSQCWRP-UHFFFAOYSA-N dodecane-1-thiol Chemical compound CCCCCCCCCCCCS WNAHIZMDSQCWRP-UHFFFAOYSA-N 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000001917 fluorescence detection Methods 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- VPIAKHNXCOTPAY-UHFFFAOYSA-N heptane-1-thiol Chemical compound CCCCCCCS VPIAKHNXCOTPAY-UHFFFAOYSA-N 0.000 description 1
- PMBXCGGQNSVESQ-UHFFFAOYSA-N hexane-1-thiol Chemical compound CCCCCCS PMBXCGGQNSVESQ-UHFFFAOYSA-N 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000011068 load Methods 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 238000001755 magnetron sputter deposition Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000035786 metabolism Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 239000002105 nanoparticle Substances 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 230000004796 pathophysiological change Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000035812 respiration Effects 0.000 description 1
- 238000001223 reverse osmosis Methods 0.000 description 1
- 230000008786 sensory perception of smell Effects 0.000 description 1
- 125000005373 siloxane group Chemical group [SiH2](O*)* 0.000 description 1
- 230000035943 smell Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 150000003440 styrenes Chemical class 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 125000003396 thiol group Chemical group [H]S* 0.000 description 1
- 230000001131 transforming Effects 0.000 description 1
- 230000003612 virological Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Abstract
Изобретение относится к области неинвазивной диагностики заболевания COVID-19 путем измерения параметров состава газовой среды, которую выдыхает диагностируемый человек. Способ неинвазивной диагностики проводят при помощи устройства (8), содержащего газовую сенсорную ячейку (4) для анализа выдыхаемого человеком воздуха. Ячейка включает в себя массив от 1 до N полуселективных газовых сенсоров с различным механизмом отклика (1), датчик температуры воздуха (2), датчик относительной влажности воздуха (3), измерительный блок (5), микропроцессор (6), а также средство сбора и подачи в газовую сенсорную ячейку выдыхаемого воздуха. Газовые сенсоры выбраны таким образом, чтобы давать некоррелированный отклик на маркеры заболеваний, содержащиеся в выдыхаемом воздухе. При этом подают выдыхаемый воздух в газовую сенсорную ячейку. Измеряют температуру и влажность поступившего воздуха и изменяют температуру газовых сенсоров в массиве. Подают на электроды массива газовых сенсоров импульс напряжения заданной длительности и амплитуды и измеряют зависимости от времени величины параметра отклика каждого газового сенсора в массиве. Рассчитывают величину отклика каждого газового сенсора в массиве. Усредняют полученные величины сенсорного отклика. Определяют вероятность наличия коронавирусного заболевания у человека путем анализа усредненных величин сенсорного отклика согласно классификатору, предварительно занесенному в память микропроцессора и полученному за счет измерений сенсорного отклика массива сенсоров для выборок здоровых и больных COVID-19 людей. Исследованную пробу дополнительно стерилизуют и сбрасывают в атмосферу. Проводят очистку сенсорной ячейки перед следующим тестами. Достигается быстрая диагностика COVID-19, которая может применяться в тест-системах для ежедневного быстрого скрининга людей в местах их массового скопления, с высокой точностью и достоверностью результатов измерений за счет некоррелированного отклика от отдельных сенсоров массива, что обеспечивает максимальную эффективность анализа при минимальном времени анализа. 1 з.п. ф-лы, 5 ил.
Description
ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ
[0001] Изобретение относится к области неинвазивной диагностики заболевания COVID-19 путем измерения параметров состава газовой среды, которую выдыхает диагностируемый человек.
УРОВЕНЬ ТЕХНИКИ
[0002] В настоящее время одним из основных методов диагностики возможного наличия активной коронавирусной инфекции является тестирование на респираторное заболевание и связанный с ней вирус SARS-CoV-2, проводимое в форме молекулярного распознавания с использованием полимеразной цепной реакции (ПЦР) (URL:/https://ru.wikipedia.org/wiki/Тестирование_на_коронавирусную_инфекцию_COVID-19; дата обращения: 29.03.2022).
[0003] У данного метода есть несколько недостатков, основным из которых является «человеческий фактор». Материал для анализа должен быть взят из правильного места, при этом пациент должен быть правильно подготовлен ко взятию анализа – за несколько часов до анализа следует прекратить любое употребление пищи или жидкости, а также не полоскать горло, иначе существует вероятность снизить концентрацию вируса настолько, что результат теста будет отрицательным даже при наличии явно клинической картины (URL:/https://rg.ru/2020/12/01/v-voz-vyskazali-otnoshenie-k-pcr-diagnostike-dlia-obnaruzheniia-koronavirusa.html; дата обращения: 29.03.2022).
[0004] Известно устройство для диагностики коронавируса COVID-19 [RU 203478U1, дата публикации 07.04.2021]. Устройство включает в себя емкости с пахучими веществами, емкость со сжатым воздухом и отводящую трубку. Диагностика проводится путем подачи смеси пахучего соединения со сжатым воздухом в камеру с пациентом и его по ответам определяет наличие у него обоняния.
[0005] К недостаткам способа можно отнести то, что диагностируется не сам вирус, а косвенное его присутствие по отсутствию или наличию обоняния, которое может сохраняться и при заболевании коронавирусом, а, следовательно, процент ложноотрицательных тестов будет слишком велик.
[0006] Известно устройство и способ для быстрого детектирования вирусов [WO 2021/214763A1, дата публикации 28.10.2021]. Способ выявления наличия вирусной инфекции включает: а) выдержку сенсорной поверхности, содержащую множество наночастиц, поверхностно связанных с лигандом, выбранным из додекантиола, гексантиола, декантиола, трет-додекантиола, бутантиола, 2-этилгексантиола, дибутилдисульфида, 2-нитро-4-трифторметилбензолтиола, бензилмеркаптана, 4-хлорбензолметантиола, 3-этокситиолфенола, 4-трет-метилбензолтиола и 1-гептантиола, в выдыхаемом воздухе, б) определение уровней летучих органических соединений (ЛОС), указывающих на присутствие одного или нескольких ЛОС в образце дыхания субъекта; и в) сравнение профиля ЛОС субъекта с профилем ЛОС контрольного образца и/или с профилем ЛОС, полученным от субъекта в более ранний момент времени; чтобы таким образом определить наличие одной или нескольких вирусных инфекций, отсутствия вирусной инфекции, рецидива вирусной инфекции, типа вирусной инфекции или вирусной нагрузки или стадию заболевания.
[0007] К недостаткам системы можно отнести сложность сенсорного элемента, поскольку лиганды для каждой вирусной инфекции необходимо подбирать экспериментально, а также очевидное одноразовое применение сенсорных элементов, поскольку ЛОС будут связываться с лигандами необратимо. В патенте не освещен метод детектирования ЛОС, однако можно предположить, что это какие-то оптические методы, которые также могут требовать дорогостоящего оборудования.
[0008] Известен летучий маркер для диагностики новой коронавирусной инфекции и его применение [CN 112067712A, дата публикации 11.12.2020]. Маркер для диагностики новой коронавирусной инфекции, содержит следующие летучие органические вещества: два или более стирола, ацетоин, 2,4,6-триметилпиридин, 3-метилтридекан, тетрадекан, изооктанол, пентадекан, гексадекан и 1-метилен-1H-инден. Заражение новым коронавирусом диагностируют путем обнаружения содержания диагностического маркера в выдыхаемом воздухе: когда по меньшей мере два соединения из фенилэтил-2,4,6-триметилпиридина, тетрадекана, изооктанола и пентадекана обнаружены в выдыхаемом воздухе, а 3-метилтридекан и стирол отсутствуют, субъект не инфицирован новой коронавирусной инфекцией; если в выдыхаемом воздухе обнаруживаются по крайней мере два из фенитил-2,4,6-триметилпиридина, тетрадекана, изооктанола, пентадекана и присутствует ацетоин или 1-метилен-1H-инден, подтверждается, что субъект инфицирован новой коронавирусной инфекцией. Маркеры могут быть обнаружены, например, масс-спектроскопией.
[0009] К недостаткам метода можно отнести высокую стоимость масс-спектроскопии, а также сложность создания газовых сенсоров на перечисленные соединения.
[0010] Известен способ неинвазивной дифференциальной диагностики заболеваний органов дыхательной системы и устройство для его осуществления [RU 2760396C1, дата публикации 24.11.2021]. Способ неинвазивной дифференциальной диагностики заболеваний органов дыхательной системы включает предварительный отбор проб выдыхаемого воздуха у пациентов и определение набора конкретных летучих маркеров, характерного для заболевания, с последующей обработкой данных с помощью нейронной сети. При этом идентификацию патофизиологических изменений выдыхаемого воздуха осуществляют на основании расчета величины выходного нейрона обученной искусственной нейронной сети выше порога разделения положительных и отрицательных проб, при этом вероятность наличия заболевания определяют методом Area Under ROC curve (AUC), также значения по каждому отдельному типу патологии формируют предварительно обученной нейронной сетью на соответствующем контрольном наборе пациентов без патологии, числом 20 и более в соотношении 50:50 с наличием патологии, и определяющей тип заболевания органов дыхательной системы путем определения степени схожести газового паттерна обследуемого при скрининге пациента с газовыми паттернами групп пациентов обучающего набора искусственной нейронной сети и при значениях величины выходного нейрона от 0,25 до 0,64 диагностируют злокачественные новообразования в легких, при значениях величины выходного нейрона от 0,1 до 0,24 злокачественные образования орофарингеальной области и гортани, при значениях 0,65 до 1 коронавирусную инфекцию (COVID-19) и внебольничную пневмонию. В качестве сенсорных элементов использовали 14 метал-оксидных сенсоров.
[0011] К недостаткам данного способа можно отнести ограниченный выбор сенсоров, что накладывает ограничение на количество анализируемых химических соединений, в то время как использование сенсоров другой природы (органические полевые транзисторы, электрохимические ячейки) может существенно расширить потенциал системы и снизить ее стоимость.
[0012] Известен способ и система для быстрого скрининга патогенов в дыхании с использованием аптамеров [CN 111381023A, дата публикации 07.07.2020]. Способ включает в себя следующие стадии: (1) сбор патогенов, для чего фиксируют адсорбционную пленку на внутренней стороне маски, которая надевается на исследуемого человека, в процессе дыхания (несколько вдохов-выдохов) которого происходит адсорбция патогенов из выдыхаемого воздуха на пленку; или сбор образца патогена при дыхании методом быстрого замораживания и конденсации с последующим переносом патогена на мембрану; (2) иммобилизация патогенов: снятие адсорбционной мембраны и проведение ультрафиолетовой сшивки на адсорбционной мембране в течение 3-8 секунд с использованием ультрафиолета или проведение прокаливания адсорбционной мембраны для фиксации патогенов на ней; (3) добавление реагента для детекции, способного специфически связываться с белком патогена или молекулами нуклеиновой кислоты на адсорбционной мембране, и флуоресцировать на определенной длине волны; (4) быстрый скрининг: обнаружение флуоресценции с помощью прибора или невооруженным глазом, с последующим скринингом патогенов по цвету.
[0013] К недостаткам метода и системы можно отнести сложность ее исполнения, что делает время получения данных достаточно большим, а также сложность ее перестройки на новые соединения, ведь для каждой болезни будет требоваться синтез нового реагента, который с одной стороны должен будет присоединиться к нужному патогену, а с другой стороны иметь функциональную группу, которая обеспечит сигнал флуоресценции в требуемом диапазоне.
[0014] Известен способ и устройство для диагностики инфекционных заболеваний у водителей машин [EP 3875957A1, дата публикации 08.09.2021]. Способ состоит из следующих шагов: (1) сбор выдыхаемого воздуха от водителя; (2) фильтрация собранного воздуха; (3) конденсация и концентрация (удаление воды, например, методом обратного осмоса) фильтрованного воздуха и (4) его анализ, различными методиками микроскопии (оптическая или рентгеновская), биохимического или физического обследования, или методами машинного обучения.
[0015] Главный недостаток такого способа заключается в длительности времени диагностики, поскольку очевидно, что проверка каждого водителя будет отнимать много времени, что будет создавать заторы на дорогах в связи с долгим ожиданием результатов проверки на пунктах контроля и в перспективе большее число контактов между больными и здоровыми людьми. Более того, достоверность результатов при определении того или иного инфекционного заболевания будет сильно зависеть от методики анализа и ее чувствительности, которые в патенте не описаны.
[0016] Известен способ селективного определения концентрации газообразных меркаптосодержащих и/или аминосодержащих соединений в газовой среде [RU 2675667С1, дата публикации 21.12.2018]. Данный результат достигается с помощью одиночного газового сенсора на основе органического полевого транзистора, путем оценивания величины изменения от времени порогового напряжения, которая зависит от концентрации аминосодержащих соединений, либо величины изменения от времени подвижности носителей заряда, которая зависит от концентрации меркаптосодержащих соединений.
[0017] Недостатком такого способа является ограниченное количество химических соединений, которое может быть селективно определено при его использовании.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
[0018] Техническая проблема, на решение которой направлено заявляемое изобретение, состоит в разработке способа быстрой диагностики (в т.ч. на ранней стадии заболевания) COVID-19 для ежедневного скрининга здоровья человека на основе анализа состава газовой среды, которую он выдыхает.
[0019] Технический результат, достигаемый при реализации заявляемого изобретения, заключается в разработке способа быстрой диагностики COVID-19 на основе анализа выдыхаемого человеком воздуха за счет использования массива высокочувствительных полу-селективных сенсоров, имеющих различные механизмы отклика, что обеспечивает высокую точность и достоверность результатов измерений за счет некоррелированного отклика от отдельных сенсоров массива. Выбор сенсоров обусловлен необходимостью обеспечения максимальной эффективности анализа при минимальном времени анализа. Заявляемый способ может быть использован для создания устройств или тест-систем для ежедневного быстрого скрининга людей в местах их массового скопления.
[0020] Технический результат достигается за счет того, что способ неинвазивной диагностики заболевания COVID-19 путем анализа выдыхаемого человеком воздуха, характеризуются тем, что диагностику проводят при помощи устройства, содержащего газовую сенсорную ячейку для анализа выдыхаемого человеком воздуха, которая включает в себя:
массив от 1 до N полу-селективных газовых сенсоров с различным механизмом отклика, выбранным таким образом, чтобы давать некоррелированный отклик на маркеры заболеваний, содержащиеся в выдыхаемом воздухе, датчик температуры воздуха, датчик относительной влажности воздуха;
измерительный блок, подключенный к массиву газовых сенсоров, выполненный с возможностью подачи напряжения заданной длительности и амплитуды на электроды каждого газового сенсора в массиве и измерения зависимости от времени величины параметра отклика каждого газового сенсора в массиве;
микропроцессор, к которому подключены измерительный блок, датчик температуры воздуха, датчик относительной влажности воздуха, при этом микропроцессор выполнен с возможностью расчета величины отклика каждого газового сенсора в массиве, усреднения полученных величин сенсорного отклика, определения вероятности заболевания путем анализа усредненных величин сенсорного отклика согласно классификатору, предварительно занесенному в память микропроцессора, и полученному за счет измерений сенсорного отклика для различных выборок здоровых и больных COVID-19 людей;
средство сбора и подачи в газовую сенсорную ячейку выдыхаемого воздуха;
при этом
подают выдыхаемый воздух в газовую сенсорную ячейку;
измеряют температуру и влажность поступившего воздуха и изменяют температуру газовых сенсоров в массиве путем контролируемого нагрева до рабочей температуры, обусловленной требуемым уровнем чувствительности, для управления скоростью сенсорного отклика и восстановления;
при помощи измерительного блока на электроды массива газовых сенсоров подают импульс напряжения заданной длительности и амплитуды и измеряют зависимости от времени величины параметра отклика каждого газового сенсора в массиве;
рассчитывают величину отклика каждого газового сенсора в массиве;
усредняют полученные величины сенсорного отклика;
определяют вероятность наличия коронавирусного заболевания у человека путем анализа усредненных величин сенсорного отклика согласно классификатору, предварительно занесенному в память микропроцессора и полученному за счет измерений сенсорного отклика массива сенсоров для выборок здоровых и больных COVID-19 людей;
исследованную пробу дополнительно стерилизуют и сбрасывают в атмосферу;
проводят очистку сенсорной ячейки перед следующим тестами.
[0021] Кроме того, в частном случае реализации изобретения в качестве газовых сенсоров для формирования массива газовых сенсоров используются по меньшей мере один сенсор на органических полевых транзисторах, по меньшей мере одну электрохимическую ячейку и по меньшей мере один металлооксидный сенсор.
[0022] Массив газовых сенсоров с различным механизмом отклика обладает существенно отличающейся селективностью и диапазоном чувствительности, что ведет к тому, что суммарный отклик на смесь соединений, из которой состоит выдыхаемый воздух, будет существенно разным и некоррелированным. В случае коронавирусной инфекции на данный момент нет достоверных данных о том, какие именно метаболиты могут выступать в качестве маркеров заболевания, особенно на фоне появления новых штаммов, которые могут вызывать различные изменения в метаболизме человека. Поэтому в случае диагностики инфицирования коронавирусом (особенно на ранних стадиях) важно использовать комплексный подход с использованием массива полу-селективных сенсоров с различным механизмом отклика, чьи сигналы анализируются методами машинного обучения. В то время как наиболее распространённый в литературе подход, использующий одиночные сенсоры на определенное соединение, такое как, например, оксид азота II (приборы Niox Vero от Circassia (https://www.niox.com/en/niox-vero/about-niox-vero/) или Vivatmo Me от Bosch (https://www.vivatmo.com/en/for-doctors/products/vivatmo-me/)) наиболее вероятно будет менее достоверен, поскольку не будет анализировать возможное существенное изменение концентрации других метаболитов, которое может быть вызвано, например, новыми штаммами вируса.
СВЕДЕНИЯ, ПОДТВЕРЖДАЮЩИЕ РЕАЛИЗАЦИЮ ИЗОБРЕТЕНИЯ
[0023] Реализация изобретения подтверждается графическими материалами, на которых изображены:
на фиг.1 показана схема варианта устройства для диагностики COVID-19 со сбором выдоха напрямую в устройство;
на фиг.2 показана схема варианта устройства для диагностики COVID-19 с предварительным сбором в пробоотборный мешок, из которого воздух подается в сенсорную ячейку с помощью мембранного насоса;
на фиг.3 показана схема варианта устройства для диагностики COVID-19 в пробоотборный мешок, из которого воздух подается в сенсорную ячейку с помощью вакуумного насоса;
на фиг.4 показана диаграмма двух принципиальных компонентов измерений сенсорного отклика для здоровых и больных COVID-19 людей, составляющих учебную выборку, массивом из 6 сенсоров на основе органических полевых транзисторов, электрохимических ячеек и металлооксидных сенсоров. Красные точки соответствуют здоровым людям, а синие - людям, которые болеют COVID-19;
на фиг. 5 показана одномерная диаграмма линейных дискриминант измерений сенсорного отклика для здоровых и больных COVID-19 людей, составляющих учебную выборку, массивом из 6 сенсоров на основе органических полевых транзисторов, электрохимических ячеек и металлооксидных сенсоров. Covid status 0 и 1 соответствуют здоровым и больным COVID-19 людям, соответственно.
[0024] На фиг. 1, 2, 3 позиции имеют следующее обозначение:
1 - массив сенсоров с различным механизмом отклика, находящийся в сенсорной ячейке;
2 - датчик температуры воздуха, находящийся в сенсорной ячейке;
3 - датчик относительной влажности воздуха, находящийся в сенсорной ячейке;
4 - сенсорная ячейка;
5 - измерительный блок;
6 - микропроцессор с памятью;
7 - электронная часть;
8 - устройство для анализа выдыхаемого воздуха;
9 - устройство вывода, ПК, дисплей, монитор, карта памяти;
10 - входной воздушный клапан;
11 - система продувки сенсорной ячейки чистым воздухом;
12 - выходной воздушный клапан;
13 - система стерилизации пробы;
14 - воздушный клапан сброса пробы;
15 - съемный мундштук с фильтром;
16 - пробоотборный мешок;
17 - мембранный насос со входным фильтром;
18 - входной воздушный клапан с фильтром;
19 - выходной воздушный клапан вакуумного насоса;
20 - вакуумный насос;
[0025] Заявляемый способ неинвазивной диагностики заболевания COVID-19 путем анализа выдыхаемого человеком воздуха может быть реализован при помощи устройства, схема которого представлена на фиг.1, которое включает в себя:
сенсорную ячейку 4, в которой размещены массив газовых сенсоров 1, датчик 2 температуры воздуха и датчик 3 относительной влажности воздуха;
устройство пробоотбора, включающее в себя съемный 15 мундштук с фильтром;
измерительный блок 5, содержащий источник напряжения (на чертежах не показан), способный подавать напряжение произвольной амплитуды на электроды (сток-исток и затвор-исток в случае органических полевых транзисторов; пару электродов в случае металло-оксидных сенсоров и между эталонным, измерительным и контр-электродом в случае электрохимических ячеек) (на чертежах не показаны) каждого газового сенсора 1 в массиве, а также блок измерения параметра отклика (ток, сопротивление, напряжение) (на чертежах не показан), способный одновременно измерять параметр отклика каждого газового сенсора 1 в массиве в зависимости от времени;;
микропроцессор 6, подключенный к источнику напряжения и блоку измерения параметра отклика измерительного блока 5, способный подавать управляющие напряжения источнику напряжения согласно программе измерений;
систему 11 продувки сенсорной ячейки чистым воздухом с входным воздушным клапаном 10;
систему 13 стерилизации пробы, соединенную с сенсорной ячейкой 4, воздушным клапаном 12 и обеспечивающую сброс стерилизованной пробы в атмосферу с помощью клапана 14.
[0026] Микропроцессор 6 снабжен программным обеспечением, обеспечивающим:
расчет и усреднение величины отклика для каждого газового сенсора в массиве 1;
преобразование массива измеренных величин отклика для определения вероятности заболевания COVID-19, например, методами машинного обучения;
хранение в памяти данных о калибровочных измерениях с различными выборками здоровых и больных COVID-19 людей;
[0027] Микропроцессор 6 соединен со средством вывода информации пользователю 9 (например, монитор, дисплей и пр.).
[0028] Также к микропроцессору 6 подключены датчик 2 температуры воздуха и датчик 3 относительной влажности воздуха, которые обеспечивают информацию об окружающей атмосфере, а также нагреватели массива газовых сенсоров 1, которые обеспечивают контролируемый нагрев каждого элемента массива газовых сенсоров 1 для управления скоростью сенсорного отклика и восстановления.
[0029] В предпочтительном варианте реализации изобретения массив газовых сенсоров 1 состоит из сенсоров в количестве от 1 до N, включающий по меньшей мере один сенсор, выполненный на основе органического полевого транзистора, состоящего из двух электродов («сток» и «исток»), разделенных слоем органического полупроводника, электрода затвора и диэлектрического слоя, описанного, например, в патенте RU 2675667C1, по меньшей мере один металло-оксидный сенсор, состоящий из двух электродов («сток» и «исток»), разделенных слоем полупроводника, а также нагревателя, который обеспечивает нагрев полупроводника до рабочей температуры (выбор температуры обусловлен требуемым уровнем чувствительности [Metal Oxide Gas Sensors: Sensitivity and Influencing Factors // Sensors (Basel). - 2010. - V. 10, № 3. - P. 2088-106.]) и по меньшей мере одной электрохимической ячейки, состоящей из трех электродов (эталонный, измерительный и контр-электрод), помещенных в электролит.
[0030] Активный слой органического полупроводника может быть получен любым известным методом, включая растворные или печатные технологии, а конкретнее методы, такие как метод вращающейся подложки, метод налива, методы Ленгмюра-Блоджетт и Ленгмюра-Шеффера, термическое и магнетронное напыления в вакууме, метод физического парового транспорта и другими. Способы получения методами Ленгмюра-Блоджетт и Ленгмюра-Шеффера, а также методом вращающейся подложки описаны в статье [Operationally Stable Ultrathin Organic Field Effect Transistors Based on Siloxane Dimers of Benzothieno[3,2-B][1]Benzothiophene Suitable for Ethanethiol Detection // Advanced Electronic Materials. - 2022. - P. 2101039. DOI: 10.1002/aelm.202101039.].
[0031] В предпочтительном варианте реализации изобретения различная селективность отклика газовых сенсоров на основе органических полевых транзисторов в массиве 1 достигается путем покрытия полупроводникового слоя транзистора дополнительным рецепторным слоем. Такие газовые сенсоры описаны, например, в патенте RU 2 676 860 С1, где в качестве рецепторных слоев использовали тонкие пленки металлопорфиринов с различными металлами в координационном центре. Также различная селективность сенсоров в массиве обеспечивается использованием металлооксидных сенсоров и электрохимических ячеек с различными полупроводниками или селективными мембранами [[Online Breath Analysis Using Metal Oxide Semiconductor Sensors (Electronic Nose) for Diagnosis of Lung Cancer // J Breath Res. - 2019. - V. 14, № 1. - P. 016004.].
[0032] Необходимость использования массива газовых сенсоров 1 с различным механизмом отклика обусловлена тем, что показатели эффективности распознавания здоровых и больных COVID-19 людей снижаются при использовании сенсоров, дающих коррелированный отклик.
[0033] В предпочтительном варианте реализации способа используется съемный мундштук 15 с фильтром, при этом сенсорная ячейка 4 (фиг. 1) трубками подключена к мундштуку 15, что обеспечивает сбор выдоха напрямую в сенсорную ячейку, чей выход соединен с клапаном 12, который обеспечивает соединение сенсорной ячейки 4 с системой 13 стерилизации пробы, которая далее производит сброс исследованной пробы в атмосферу через клапан 14. При этом сенсорная ячейка 5 имеет отдельный вход с клапаном 10 для соединения с системой подачи чистого воздуха 11 для продувки сенсорной ячейки.
[0034] В частном случае реализации вход сенсорной ячейки 4 (фиг. 2) соединен с мембранным насосом 17, который выполняет роль системы принудительного пробоотбора из пробоотборного мешка 16.
[0035] В частном случае реализации выход сенсорной ячейки 4 (фиг. 3) соединен с вакуумным насосом 20, который выполняет роль системы принудительного пробоотбора из пробоотборного мешка 16, соединенного со входом сенсорной ячейки 4 через клапан 19. Для пробоотбора таким образом закрываются клапаны 18, 10, 12, открывается клапан 19, с помощью вакуумного насоса 20 создается разряженная атмосфера во ячейке 4, закрывается клапан 19, открывается клапан 18, и за счет разницы давлений в пробоотборном мешке 16 и сенсорной ячейке 4 порция выдыхаемого воздуха попадает в последнюю.
[0036] Реализация способа неинвазивной диагностики заболевания COVID-19 путем анализа выдыхаемого человеком воздуха осуществляется следующим образом:
[0037] Пробу выдоха диагностируемого человека, содержащую различные метаболиты, чей состав и концентрация меняются при заболевании COVID-19, направляют в сенсорную камеру 4, включающую в себя массив N газовых сенсоров 1 на основе органических полевых транзисторов, металлооксидных и электрохимических ячеек с использованием одного из способа пробоотбора: напрямую с использованием съемного мундштука с фильтром 15 (фиг.1) или принудительно при помощи мембранного насоса 17 или вакуумного насоса 20, при этом проба выдыхаемого воздуха собирается заранее в пробоотборный мешок 16 (фиг.2,3). На электроды (на чертежах не показаны) каждого из N газовых сенсоров в массиве 1 с помощью многоканального источника напряжения (на чертежах не показан) измерительного блока 5 подают напряжение прямоугольной формы длительностью t и периодом T амплитуды 
, одновременно измеряя величины параметров отклика (ток, сопротивление, напряжение) 
, представляющие собой сигналы газовых сенсоров 1 в зависимости от времени. Длительность и период подачи напряжения выбирается так, чтобы минимизировать дрейф базовой линии, при этом получая максимально высокую сенсорную чувствительность газового сенсора в массиве 1. Во время процедуры первичной калибровки значения параметров отклика для каждого из газовых сенсоров 1 измеряются 
в 95% влажном воздухе, сохраняются в памяти микропроцессора 6 и далее используются как параметр для расчета сенсорного отклика 
по формуле 
. Таким образом, при каждом измерении массив из N газовых сенсоров 1 генерирует ряд величин 
с заданной периодичностью T.
[0038] Перед использованием для массива газовых сенсоров 1 проводят калибровочные измерения и создают классификатор. Для этого измеряют выборки здоровых и больных COVID-19 людей. На основании изменения для различных сенсоров в память микропроцессора 6 записывается разброс значений сенсорного отклика для здоровых и больных COVID-19 людей. Далее калибровочные измерения, полученные от массива из N газовых сенсоров 1 составляются в 2 вектора размерности N 
.
[0039] При диагностике человека, измеренные значения отклика массива газовых сенсоров 1 
методами машинного обучения сравниваются с векторами учебной выборки, занесенными в память микропроцессора 6, измеренными для выборки здоровых и больных COVID-19 людей (фиг. 5) 
, и по наименьшему расстоянию до одного из векторов учебной выборки определяется здоров ли диагностируемый человек или болен. Для классификации измеренных значений и диагностики заболевания путем сравнения измеренного вектора с векторами учебной выборки могут использоваться различные методы, например, метод принципиальных компонент (фиг. 4), линейных дискриминант (фиг. 5) или алгоритмы искусственных нейронных сетей. Верификация факта заболевания производится путем расчета Евклидова расстояния между измеренным вектором 
и множеством векторов учебной выборки . Сравнение может быть произведено либо в пространстве исходной размерности N, либо в пространстве сниженной размерности для более интуитивного сравнения и наглядной визуализации (как правило, это размерность 2). В таком случае, снижение размерности производится методами принципиальных компонент, линейных дискриминант, локального селективного внедрения (Local linear embedding) или другими, как это показано в статье [Fully Integrated Ultra-Sensitive Electronic Nose Based on Organic Field-Effect Transistors // Sci Rep. - 2021. - V. 11, № 1. - P. 10683.].
[0040] На фиг. 4,5 показаны диаграммы принципиальных компонент и линейных дискриминант, полученные путем проецирования набора 6-ти мерных векторов, составленных из измерений массива из 6 газовых сенсоров с различным механизмом отклика и селективности (число групп сенсоров определяет исходную размерность), полученных на выборке здоровых и больных COVID-19 людей и далее спроецированных на пространство размерности 2 (метод принципиальных компонент, фиг. 4) и 1 (метод линейных дискриминант, фиг. 5). Далее каждое новое измерение проецируется на эту диаграмму и по наименьшему расстоянию до одного из кластеров учебной выборки, соответствующих определенным продуктам, делается вывод о наличии заболевания.
[0041] Устройства, использующие заявляемый способ, могут быть использованы для ежедневного скрининга людей в местах их массового скопления, таких как больницы, офисные здания, аэропорты, вокзалы и т.д. в качестве первичного метода быстрой диагностики. При положительном диагнозе он может быть подтвержден любой существующей тест системой, такой как ИФА тесты на антиген или ПЦР анализ.
Claims (15)
1. Способ неинвазивной диагностики заболевания COVID-19 путем анализа выдыхаемого человеком воздуха, характеризующийся тем, что диагностику проводят при помощи устройства, содержащего газовую сенсорную ячейку для анализа выдыхаемого человеком воздуха, которая включает в себя:
массив от 1 до N полуселективных газовых сенсоров с различным механизмом отклика, выбранным таким образом, чтобы давать некоррелированный отклик на маркеры заболеваний, содержащиеся в выдыхаемом воздухе, датчик температуры воздуха, датчик относительной влажности воздуха;
измерительный блок, подключенный к массиву газовых сенсоров, выполненный с возможностью подачи напряжения заданной длительности и амплитуды на электроды каждого газового сенсора в массиве и измерения зависимости от времени величины параметра отклика каждого газового сенсора в массиве;
микропроцессор, к которому подключены измерительный блок, датчик температуры воздуха, датчик относительной влажности воздуха, при этом микропроцессор выполнен с возможностью расчета величины отклика каждого газового сенсора в массиве, усреднения полученных величин сенсорного отклика, определения вероятности заболевания путем анализа усредненных величин сенсорного отклика согласно классификатору, предварительно занесенному в память микропроцессора и полученному за счет измерений сенсорного отклика для различных выборок здоровых и больных COVID-19 людей;
средство сбора и подачи в газовую сенсорную ячейку выдыхаемого воздуха;
при этом
подают выдыхаемый воздух в газовую сенсорную ячейку;
измеряют температуру и влажность поступившего воздуха и изменяют температуру газовых сенсоров в массиве путем контролируемого нагрева до рабочей температуры, обусловленной требуемым уровнем чувствительности, для управления скоростью сенсорного отклика и восстановления;
при помощи измерительного блока на электроды массива газовых сенсоров подают импульс напряжения заданной длительности и амплитуды и измеряют зависимости от времени величины параметра отклика каждого газового сенсора в массиве;
рассчитывают величину отклика каждого газового сенсора в массиве;
усредняют полученные величины сенсорного отклика;
определяют вероятность наличия коронавирусного заболевания у человека путем анализа усредненных величин сенсорного отклика согласно классификатору, предварительно занесенному в память микропроцессора и полученному за счет измерений сенсорного отклика массива сенсоров для выборок здоровых и больных COVID-19 людей;
исследованную пробу дополнительно стерилизуют и сбрасывают в атмосферу;
проводят очистку сенсорной ячейки перед следующим тестами.
2. Способ по п.1, отличающийся тем, что в качестве газовых сенсоров для формирования массива газовых сенсоров используют по меньшей мере один сенсор на органических полевых транзисторах, по меньшей мере одну электрохимическую ячейку и по меньшей мере один металлооксидный сенсор.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/RU2023/000110 WO2023153958A2 (ru) | 2022-02-08 | 2023-04-07 | Способ ранней неинвазивной диагностики covid-19 путем анализа выдыхаемого человеком воздуха |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2784774C1 true RU2784774C1 (ru) | 2022-11-29 |
Family
ID=
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2117290C1 (ru) * | 1995-05-30 | 1998-08-10 | Баир Сергеевич Хышиктуев | Способ дифференциальной диагностики заболеваний бронхолегочной системы |
| CN112557327A (zh) * | 2020-12-22 | 2021-03-26 | 天津城建大学 | 一种新冠病毒covid-19标志物检测仪及检测方法 |
| WO2021201905A1 (en) * | 2020-04-03 | 2021-10-07 | Zeteo Tech, Inc. | Diagnosis of respiratory diseases using analysis of exhaled breath and aerosols |
| EP3971569A1 (en) * | 2020-09-17 | 2022-03-23 | Université de Versailles Saint-Quentin-en-Yvelines | A method for analysing a sample for screening, diagnosis or monitoring of covid-19 |
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2117290C1 (ru) * | 1995-05-30 | 1998-08-10 | Баир Сергеевич Хышиктуев | Способ дифференциальной диагностики заболеваний бронхолегочной системы |
| WO2021201905A1 (en) * | 2020-04-03 | 2021-10-07 | Zeteo Tech, Inc. | Diagnosis of respiratory diseases using analysis of exhaled breath and aerosols |
| EP3971569A1 (en) * | 2020-09-17 | 2022-03-23 | Université de Versailles Saint-Quentin-en-Yvelines | A method for analysing a sample for screening, diagnosis or monitoring of covid-19 |
| CN112557327A (zh) * | 2020-12-22 | 2021-03-26 | 天津城建大学 | 一种新冠病毒covid-19标志物检测仪及检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| HAOXUAN CHEN et al. "COVID-19 screening using breath-borne volatile organic compounds". Journal of Breath Research, No 15, 22.10.2021. * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Santini et al. | Electronic nose and exhaled breath NMR-based metabolomics applications in airways disease | |
| CN104856679B (zh) | 用于哮喘、肺结核及肺癌诊断及疾病管控的呼吸分析系统及方法 | |
| Di Natale et al. | Lung cancer identification by the analysis of breath by means of an array of non-selective gas sensors | |
| US10359417B2 (en) | Portable sampling device and method for detection of biomarkers in exhaled breath | |
| Schon et al. | Versatile breath sampler for online gas sensor analysis | |
| EP2502065B1 (en) | Device and method for analysing samples to diagnose disease | |
| JP5652847B2 (ja) | 呼気分析の方法 | |
| JP6749912B2 (ja) | 検体を測定するための、ミニポイントオブケアのガスクロマトグラフィ検査ストリップ及び方法 | |
| CN107076694A (zh) | 用于挥发性有机化合物检测的传感器 | |
| Pennazza et al. | Measure chain for exhaled breath collection and analysis: A novel approach suitable for frail respiratory patients | |
| JP2016532117A (ja) | ユニバーサル呼気分析サンプリング・デバイス | |
| 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 | |
| CN111413492A (zh) | 一种用于检测新型冠状病毒covid-2019肺炎的方法及系统 | |
| EP3880072B1 (en) | A device to measure breath humidity | |
| RU2784774C1 (ru) | Способ ранней неинвазивной диагностики covid-19 путем анализа выдыхаемого человеком воздуха | |
| Kuchmenko et al. | Development of a method for assessing helicobacter pylori activity based on exhaled air composition with the use of an array of piezoelectric chemical sensors | |
| WO2023153958A2 (ru) | Способ ранней неинвазивной диагностики covid-19 путем анализа выдыхаемого человеком воздуха | |
| CN111951964A (zh) | 一种快速检测新型冠状病毒肺炎的方法及系统 | |
| Pennazza et al. | Application of a quartz microbalance based gas sensor array for the study of halitosis | |
| RU2787244C1 (ru) | Газовая сенсорная ячейка для неинвазивного анализа выдыхаемого человеком воздуха | |
| KR20180037350A (ko) | 호기 분석을 통한 질병진단장치 | |
| CA3221298A1 (en) | A device for detecting health disorders from biological samples and a detection process | |
| US20130029318A1 (en) | Microchips and Methods for Testing a Fluid Sample | |
| US20210262964A1 (en) | Nanotube sensors and related methods | |
| Chandrapalan et al. | Cross-reactive Sensors (or e-Noses) |