RU2787244C1 - Gas sensor cell for non-invasive analysis of human exhaled air - Google Patents
Gas sensor cell for non-invasive analysis of human exhaled air Download PDFInfo
- Publication number
- RU2787244C1 RU2787244C1 RU2022109300A RU2022109300A RU2787244C1 RU 2787244 C1 RU2787244 C1 RU 2787244C1 RU 2022109300 A RU2022109300 A RU 2022109300A RU 2022109300 A RU2022109300 A RU 2022109300A RU 2787244 C1 RU2787244 C1 RU 2787244C1
- Authority
- RU
- Russia
- Prior art keywords
- array
- response
- sensor
- gas
- air
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 18
- 230000004044 response Effects 0.000 claims abstract description 55
- 201000010099 disease Diseases 0.000 claims abstract description 31
- 230000001953 sensory Effects 0.000 claims abstract description 12
- 230000005669 field effect Effects 0.000 claims description 11
- 229910044991 metal oxide Inorganic materials 0.000 claims description 10
- 150000004706 metal oxides Chemical class 0.000 claims description 10
- 239000000203 mixture Substances 0.000 abstract description 10
- 238000005259 measurement Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 43
- 150000001875 compounds Chemical class 0.000 description 12
- 238000005070 sampling Methods 0.000 description 11
- 239000012528 membrane Substances 0.000 description 10
- 239000004065 semiconductor Substances 0.000 description 7
- 230000001717 pathogenic Effects 0.000 description 5
- 244000052769 pathogens Species 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitrogen oxide Substances O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 4
- 210000001331 Nose Anatomy 0.000 description 4
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 3
- 150000001412 amines Chemical class 0.000 description 3
- 239000003153 chemical reaction reagent Substances 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 201000005202 lung cancer Diseases 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 208000006673 Asthma Diseases 0.000 description 2
- 230000002596 correlated Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 125000000524 functional group Chemical group 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 239000002159 nanocrystal Substances 0.000 description 2
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Chemical compound O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 2
- 150000002894 organic compounds Chemical class 0.000 description 2
- 125000003396 thiol group Chemical group [H]S* 0.000 description 2
- 229920002395 Aptamer Polymers 0.000 description 1
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 206010012601 Diabetes mellitus Diseases 0.000 description 1
- DNJIEGIFACGWOD-UHFFFAOYSA-N Ethanethiol Chemical compound CCS DNJIEGIFACGWOD-UHFFFAOYSA-N 0.000 description 1
- 206010061205 Hereditary disease Diseases 0.000 description 1
- 230000036740 Metabolism Effects 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
- 230000001154 acute Effects 0.000 description 1
- 150000001298 alcohols Chemical class 0.000 description 1
- 150000001299 aldehydes Chemical class 0.000 description 1
- QGZKDVFQNNGYKY-UHFFFAOYSA-N ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000002800 charge carrier Substances 0.000 description 1
- 238000007374 clinical diagnostic method Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 230000001678 irradiating Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000001755 magnetron sputter deposition Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000035786 metabolism Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 239000002082 metal nanoparticle Substances 0.000 description 1
- 229910052813 nitrogen oxide Inorganic materials 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 239000010970 precious metal Substances 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
- 238000010926 purge Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 125000005373 siloxane group Chemical group [SiH2](O*)* 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing Effects 0.000 description 1
- 150000003505 terpenes Chemical class 0.000 description 1
- 235000007586 terpenes Nutrition 0.000 description 1
- 238000007751 thermal spraying Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 150000003568 thioethers Chemical class 0.000 description 1
- 230000001131 transforming Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Abstract
Description
ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕFIELD OF TECHNOLOGY TO WHICH THE INVENTION RELATES
[0001] Изобретение относится к области исследования и анализа состояния человека путем измерения параметров состава газовой среды, которую он выдыхает.[0001] The invention relates to the field of research and analysis of the human condition by measuring the parameters of the composition of the gas environment, which he exhales.
[0002] Более конкретно, изобретение относится к системам анализа газовой среды на основе массива полуселективных сенсоров с различным механизмом отклика и обладающих кросс-селективностью к оксидам азота, аминам, сульфидам, углеводородам, спиртам, альдегидам, терпенам, которые вместе известны как маркерные летучие органические соединения (ЛОС) различных заболеваний.[0002] More specifically, the invention relates to gas analysis systems based on an array of semi-selective sensors with a different response mechanism and having cross-selectivity to nitrogen oxides, amines, sulfides, hydrocarbons, alcohols, aldehydes, terpenes, which are collectively known as marker volatile organic compounds (LOS) of various diseases.
[0003] Заявляемое изобретение может найти применение при создании приборов и/или диагностических комплексов для первичной неинвазивной диагностики и/или экспресс-тестирования на наличие различных заболеваний, например, астмы, ХОБЛ, сахарного диабета, острых респираторных заболеваний, которые могут использоваться для диагностики пациентов в медицинских учреждениях, в местах массовых скоплений людей, а также как устройства point-of-care для использования в домашних условиях.[0003] The claimed invention can find application in the creation of devices and / or diagnostic complexes for primary non-invasive diagnostics and / or rapid testing for the presence of various diseases, for example, asthma, COPD, diabetes mellitus, acute respiratory diseases, which can be used to diagnose patients in medical facilities, in crowded places, as well as point-of-care devices for home use.
УРОВЕНЬ ТЕХНИКИBACKGROUND OF THE INVENTION
[0004] Известно устройство для диагностики заболеваний человека по выдыхаемому воздуху [RU 51849U1, дата публикации 10.03.2006]. Данное устройство содержит N газовых датчиков, каждый из которых предназначен для выявления в выдыхаемом воздухе определенного газа.[0004] A device for diagnosing human diseases by exhaled air is known [RU 51849U1, publication date 10.03.2006]. This device contains N gas sensors, each of which is designed to detect a specific gas in the exhaled air.
[0005] Основным недостатком устройства является ограниченность его применений, поскольку человек выдыхает порядка 750 соединений и очевидно, что установка такого количества газовых датчиков экономически невыгодна и невозможна, а, следовательно, устройство способно диагностировать ограниченное число болезней.[0005] The main disadvantage of the device is its limited applications, since a person exhales about 750 compounds, and it is obvious that installing such a number of gas sensors is economically unprofitable and impossible, and, therefore, the device is capable of diagnosing a limited number of diseases.
[0006] Известен способ и система для быстрого скрининга патогенов в дыхании с использованием аптамеров [CN 111381023A, дата публикации 07.07.2020]. В систему для быстрого скрининга входят маска с адсорбционной мембраной или устройство для сбора патогенов в дыхании методом быстрой заморозки, прибор для облучения мембраны ультрафиолетом или печь для прокаливания мембраны для иммобилизации патогенов, автоматический дозатор жидкости для добавления флуоресцентного реагента, способного специфически связываться с белком патогена или молекулами нуклеиновой кислоты на мембране, промывочный аппарат для промывки мембраны от непрореагировавшего реагента и устройство для детектирования флуоресценции или изменения цвета.[0006] A known method and system for rapid screening of pathogens in the breath using aptamers [CN 111381023A, publication date 07/07/2020]. The rapid screening system includes a mask with an adsorption membrane or a device for collecting pathogens in the breath by quick freezing, a device for irradiating the membrane with ultraviolet light or an oven for annealing the membrane to immobilize pathogens, an automatic liquid dispenser for adding a fluorescent reagent that can specifically bind to a protein of a pathogen or nucleic acid molecules on the membrane, a washer for washing the membrane of unreacted reagent, and a device for detecting fluorescence or color change.
[0007] 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.[0007] The disadvantages of the method and system include the complexity of its execution, which makes the time to obtain data quite large, as well as the complexity of its restructuring for new compounds, because for each disease, the synthesis of a new reagent will be required, which, on the one hand, will have to join to the desired pathogen, and on the other hand, have a functional group that will provide a fluorescence signal in the required range.
[0008] Известна система электронного носа для определения рака легких на ранних стадиях [CN 103018282B, дата публикации 15.07.2015]. Данная система содержит: массив датчиков, представляющих собой монослои нанокристаллов различных функциональных металлов, нанесенные на плоские встречно-штыревые электроды, изготовленные из драгоценных металлов на кремниевой подложке методом термического напыления; чувствительный металлический монослой нанокристаллов синтезирован из металлических наночастиц с использованием специфического сульфидрилорганического соединения с различными функциональными группами. [0008] An electronic nose system for detecting lung cancer in the early stages is known [CN 103018282B, publication date 07/15/2015]. This system contains: an array of sensors, which are monolayers of nanocrystals of various functional metals deposited on flat interdigital electrodes made of precious metals on a silicon substrate by thermal spraying; A sensitive metal nanocrystal monolayer was synthesized from metal nanoparticles using a specific organosulfidryl compound with various functional groups.
[0009] Недостатком данной системы может служить ее недостаточная чувствительность, поскольку используемые сенсоры резистивного типа обычно менее чувствительны, чем устройства на основе полевых транзисторов. К недостаткам также можно отнести использование одного типа сенсорных элементов в массиве, тогда как использование сенсоров с различным механизмом отклика позволило бы получать менее коррелированные отклики, и таким образом детектировать не только рак легких, но и другие болезни. [0009] The disadvantage of this system may be its lack of sensitivity, since the resistive-type sensors used are usually less sensitive than FET-based devices. The disadvantages also include the use of one type of sensor elements in the array, while the use of sensors with a different response mechanism would make it possible to obtain less correlated responses, and thus detect not only lung cancer, but also other diseases.
[0010] Известна система электронного носа для ранней постановки диагноза и предсказания приступов наследственных болезней, связанных с обменом веществ [WO 2020159464A3, дата публикации 24.09.2020]. Система состоит из набора металлооксидных сенсоров, с помощью которых проводится анализ газовоздушной смеси.[0010] An electronic nose system for early diagnosis and prediction of attacks of hereditary diseases associated with metabolism is known [WO 2020159464A3, publication date 09/24/2020]. The system consists of a set of metal oxide sensors, which are used to analyze the gas-air mixture.
[0011] Недостаток системы состоит в ограниченном наборе сенсоров, а также в отсутствии какой-либо системы обработки и интерпретации информации, полученной с помощью использованных сенсоров.[0011] The disadvantage of the system is a limited set of sensors, as well as the absence of any system for processing and interpreting information obtained using the sensors used.
[0012] 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 измерения величины изменения от времени порогового напряжения, которая зависит от концентрации аминосодержащих соединений, в то время как величина изменения от времени подвижности носителей заряда зависит от концентрации меркаптосодержащих соединений.[0012] A method is known for selective determination of the concentration of gaseous mercapto-containing and/or amine-containing compounds in a gaseous medium [RU 2675667C1,
[0013] Недостатком такого способа является ограниченное количество химических соединений, которое может быть селективно определено при его использовании. [0013] The disadvantage of this method is the limited number of chemical compounds that can be selectively determined when using it.
[0014] Известен газовый мультисенсор на основе органических полевых транзисторов и устройство для анализа многокомпонентной газовой смеси типа «электронный нос» на его основе [RU 2676860С1, дата публикации 11.01.2019]. Сущность изобретения заключается в использовании массива органических полевых транзисторов, покрытых разными рецепторными слоями на основе различных металлопорфиринов, которые обеспечивают различную селективность сенсоров в массиве. Анализ откликов такого массива методами машинного обучения дает возможность определить вид газа и его концентрацию для таких соединений, как аммиак, сероводород и диоксид азота. Более того, данная методика позволяет также различить эти соединения в неизвестной воздушной смеси.[0014] A gas multisensor based on organic field-effect transistors and a device for analyzing a multicomponent gas mixture of the "electronic nose" type based on it are known [RU 2676860C1, publication date 01/11/2019]. The essence of the invention lies in the use of an array of organic field-effect transistors coated with different receptor layers based on various metalloporphyrins, which provide different selectivity of sensors in the array. Analysis of the responses of such an array using machine learning methods makes it possible to determine the type of gas and its concentration for compounds such as ammonia, hydrogen sulfide and nitrogen dioxide. Moreover, this technique also makes it possible to distinguish between these compounds in an unknown air mixture.
[0015] Недостатком данного газового мультисенсора является ограниченный выбор сенсоров, что накладывает ограничение на количество анализируемых химических соединений, в то время как использование сенсоров с другим механизмом отклика (металлооксидные сенсоры, электрохимические ячейки) может существенно расширить функциональные возможности системы детектирования.[0015] The disadvantage of this gas multisensor is the limited choice of sensors, which imposes a limitation on the number of analyzed chemical compounds, while the use of sensors with a different response mechanism (metal oxide sensors, electrochemical cells) can significantly expand the functionality of the detection system.
СУЩНОСТЬ ИЗОБРЕТЕНИЯSUMMARY OF THE INVENTION
[0016] Техническая проблема, на решение которой направлено заявляемое изобретение, состоит в создании высокочувствительной газовой сенсорной ячейки для анализа состава газовой среды, которую выдыхает человек, с целью неинвазивной диагностики различных заболеваний.[0016] The technical problem to be solved by the claimed invention is to create a highly sensitive gas sensor cell for analyzing the composition of the gaseous medium exhaled by a person in order to non-invasively diagnose various diseases.
[0017] Технический результат, достигаемый при реализации заявляемого изобретения, заключается в создании встраиваемой газовой сенсорной ячейки, содержащей массив полуселективных сенсоров, имеющих различные механизмы отклика, что обеспечивает повышение точности и достоверности результатов измерений за счет некоррелированного отклика от отдельных сенсоров массива. Возможность выбора различных сенсоров обеспечивает максимальную эффективность анализа в случае каждого конкретного заболевания, характеризуемого различными маркерными соединениями в составе выдыхаемой газовой смеси. Заявляемая газовая ячейка может быть ключевым элементом медицинских устройств, позволяющих проводить анализ выдыхаемого воздуха с целью ранней диагностики различных заболеваний, а также для ежедневного контроля за состоянием здоровья пациентов.[0017] The technical result achieved in the implementation of the claimed invention is to create an embedded gas sensor cell containing an array of semi-selective sensors with different response mechanisms, which improves the accuracy and reliability of the measurement results due to the uncorrelated response from the individual sensors of the array. The ability to select different sensors ensures maximum analysis efficiency in the case of each specific disease characterized by different marker compounds in the composition of the exhaled gas mixture. The inventive gas cell can be a key element of medical devices that allow the analysis of exhaled air for the purpose of early diagnosis of various diseases, as well as for daily monitoring of the health of patients.
[0018] Заявляемый технический результат достигается за счет того, что газовая сенсорная ячейка для неинвазивного анализа выдыхаемого человеком воздуха включает в себя:[0018] The claimed technical result is achieved due to the fact that the gas sensor cell for non-invasive analysis of air exhaled by a person includes:
массив от 1 до N газовых сенсоров с различным механизмом отклика, выбранным таким образом, чтобы давать некоррелированный отклик на маркеры заболеваний, датчик температуры воздуха, датчик относительной влажности воздуха;an array of 1 to N gas sensors with a different response mechanism chosen to give an uncorrelated response to disease markers, an air temperature sensor, a relative air humidity sensor;
измерительный блок, подключенный к массиву газовых сенсоров, выполненный с возможностью подачи напряжения произвольной амплитуды на электроды каждого газового сенсора в массиве и измерения зависимости параметра отклика каждого газового сенсора в массиве от времени;a measuring unit connected to the array of gas sensors, configured to apply a voltage of arbitrary amplitude to the electrodes of each gas sensor in the array and measure the dependence of the response parameter of each gas sensor in the array on time;
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 сенсорных откликов, определения вероятности заболевания или прогрессирования/ремиссии болезни путем анализа усредненных величин сенсорного отклика согласно классификатору, предварительно занесенному в память микропроцессора и полученному за счет измерений сенсорного отклика для различных выборок людей, больных тем или иным заболеванием, или сравнения с показаниями, полученными ранее.a microprocessor connected to a measuring unit, an air temperature sensor, a relative air humidity sensor, while the microprocessor is configured to calculate the response value of each gas sensor in the array, average the obtained values of sensory responses, determine the probability of disease or progression/remission of the disease by analyzing the averaged values sensory response according to a classifier previously stored in the memory of the microprocessor and obtained by measuring the sensory response for various samples of people with a particular disease, or comparing with previously obtained readings.
[0019] Кроме того, в частном случае реализации массив газовых включает в себя по меньшей мере один сенсор на основе органических полевых транзисторов, по меньшей мере одну электрохимическую ячейку и по меньшей мере один металлооксидный сенсор.[0019] In addition, in a particular implementation, the gas array includes at least one sensor based on organic field-effect transistors, at least one electrochemical cell, and at least one metal oxide sensor.
[0020] 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 пациента, будет существенно разным и некоррелированным. Это дает возможность отличать не только здоровых людей от больных, что для ряда болезней возможно при помощи одного сенсора, в частности, наблюдение за состоянием больных астмой можно обеспечить путем измерения только уровня оксида азота II, что, например, реализовано в приборе NOBreath от компании Bedfont (https://www.bedfont.com/nobreath), но и отличать различные болезни между собой, включая различение на ранних стадиях.[0020] An array of gas sensors with a different response mechanism has a significantly different selectivity and sensitivity range, which leads to the fact that the overall response to the mixture of compounds that make up the exhaled air of the patient will be significantly different and uncorrelated. This makes it possible to distinguish not only healthy people from sick people, which for a number of diseases is possible using a single sensor, in particular, monitoring the condition of asthma patients can be ensured by measuring only the level of nitric oxide II, which, for example, is implemented in the NOBreath device from Bedfont (https://www.bedfont.com/nobreath), but also distinguish different diseases from each other, including distinguishing in the early stages.
СВЕДЕНИЯ, ПОДТВЕРЖДАЮЩИЕ РЕАЛИЗАЦИЮ ИЗОБРЕТЕНИЯINFORMATION CONFIRMING THE IMPLEMENTATION OF THE INVENTION
[0021] Реализация изобретения подтверждается чертежами, на которых изображены:[0021] The implementation of the invention is confirmed by the drawings, which show:
На фиг.1 показана схема анализа выдыхаемого воздуха со сбором выдоха напрямую в прибор.Figure 1 shows a diagram of the analysis of exhaled air with the collection of exhalation directly into the device.
На фиг.2 показана схема анализа выдыхаемого воздуха с предварительным сбором в пробоотборный мешок, из которого воздух подается в сенсорную ячейку с помощью мембранного насоса.Figure 2 shows a diagram of the analysis of exhaled air with pre-collection in a sampling bag, from which air is supplied to the sensor cell using a membrane pump.
На фиг.3 показана схема анализа выдыхаемого воздуха с предварительным сбором в пробоотборный мешок, из которого воздух подается в сенсорную ячейку с помощью создания разреженной среды в последней с помощью вакуумирования.Figure 3 shows a diagram of the analysis of exhaled air with pre-collection in a sampling bag, from which air is supplied to the sensor cell by creating a rarefied environment in the latter by vacuum.
На фиг.4 показан отклик массива сенсоров, состоящего из 6 (шести) сенсоров (графики пронумерованы от (а) до (е) с целью продемонстрировать отклик каждого отдельного сенсора в массиве) при анализе выдыхаемого воздуха здорового человека в течение 10 (десяти) дней. Горизонтальная линия соответствует медианному значению здоровых людей.Figure 4 shows the response of an array of sensors, consisting of 6 (six) sensors (graphs are numbered from (a) to (e) in order to demonstrate the response of each individual sensor in the array) when analyzing the exhaled air of a healthy person for 10 (ten) days . The horizontal line corresponds to the median value of healthy people.
На фиг.5 показан отклик массива сенсоров, состоящего из 6 (шести) сенсоров (графики пронумерованы от (а) до (е) с целью продемонстрировать отклик каждого отдельного сенсора в массиве сенсоров). Под одинаковыми буквами на фиг.4 и фиг.5 представлены одни и те же сенсоры в массиве при анализе выдыхаемого воздуха человека, который изначально был в состоянии ремиссии, однако через 2 (два) дня его состояние ухудшилось, а еще через 5 (пять) дней стало возвращаться к норме. Горизонтальная линия соответствует медианному значению ремиссии.Figure 5 shows the response of a sensor array consisting of 6 (six) sensors (graphs are numbered from (a) to (e) in order to demonstrate the response of each individual sensor in the sensor array). Under the same letters in figure 4 and figure 5, the same sensors are presented in the array when analyzing the exhaled air of a person who was initially in remission, but after 2 (two) days his condition worsened, and after another 5 (five) days began to return to normal. The horizontal line corresponds to the median remission.
На чертежах позиции имеют следующее значения:In the drawings, positions have the following meanings:
1 - массив сенсоров с различным механизмом отклика, находящийся внутри сенсорной ячейки;1 - an array of sensors with a different response mechanism, located inside the sensor cell;
2 - датчик температуры воздуха внутри сенсорной ячейки;2 - air temperature sensor inside the sensor cell;
3 - датчик относительной влажности воздуха внутри сенсорной ячейки;3 - relative air humidity sensor inside the sensor cell;
4 - сенсорная ячейка;4 - sensor cell;
5 - измерительный блок;5 - measuring block;
6 - микропроцессор с памятью;6 - microprocessor with memory;
7 - электронная часть;7 - electronic part;
8 - устройство для неизвазивного анализа выдыхаемого человеком воздуха;8 - device for non-invasive analysis of air exhaled by a person;
9 - устройство вывода, ПК, монитор, или встраиваемый карта памяти;9 - output device, PC, monitor, or built-in memory card;
10 - выходной клапан;10 - outlet valve;
11 - съемный мундштук с фильтром;11 - removable mouthpiece with filter;
12 - пробоотборный мешок;12 - sampling bag;
13 - мембранный насос со входным фильтром;13 - membrane pump with inlet filter;
14 - вакуумный насос;14 - vacuum pump;
15 - входной клапан;15 - inlet valve;
[0022] Устройство 8 для неинвазивного анализа выдыхаемого человеком воздуха, представленное на фиг.1, включает в себя:[0022] The
сенсорную ячейку 4, включающую массив газовых сенсоров 1, датчик 2 температуры воздуха и датчик 3 относительной влажности воздуха;a
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 металлооксидных сенсоров и между эталонным, измерительным и контрэлектродом 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;measuring
микропроцессор 6, подключенный к источнику напряжения и блоку измерения параметра отклика измерительного блока 5, способный подавать управляющие напряжения источнику напряжения согласно программе измерений;a
устройство 9 вывода результатов измерений.
съемный мундштук с фильтром 11 для сбора выдыхаемого воздуха;removable mouthpiece with
Микропроцессор 6 снабжен программным обеспечением, обеспечивающим:
расчет средней величины отклика для каждого газового сенсора 1 в массиве;calculating an average response value for each
преобразование массива измеренных величин отклика для определения вероятности того или иного заболевания, например, методами машинного обучения;transforming an array of measured response values to determine the probability of a particular disease, for example, using machine learning methods;
хранение в памяти данных о калибровочных измерениях с различными выборками здоровых и больных различными заболеваниями людей;storage in memory of data on calibration measurements with different samples of healthy and sick people with various diseases;
[0023] Микропроцессор 6 соединен со средством 9 вывода информации пользователю (например, монитор, дисплей и пр.).[0023] The
[0024] Также к микропроцессору 6 подключены датчик 2 температуры воздуха и датчик 3 относительной влажности воздуха, которые обеспечивают получение дополнительной информации о выдыхаемой воздушной атмосфере, а также нагреватели (на чертежах не показано) газовых сенсоров массива 1, которые обеспечивают контролируемый нагрев элемента массива газовых сенсоров 1 для управления скоростью сенсорного отклика и восстановления.[0024] Also connected to the
[0025] 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 металлооксидный 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 контрэлектрод), помещенных в электролит.[0025] In a preferred embodiment of the invention, the array of
[0026] Активный слой органического полупроводника органического полевого транзистора 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.].[0026] The active layer of the organic semiconductor of an organic field-effect transistor can be obtained by any known method, including solution or printing technologies, and more specifically methods such as the rotating substrate method, the pouring method, the Langmuir-Blodgett and Langmuir-Schaeffer methods, thermal and magnetron sputtering in vacuum , the method of physical steam transport and others. Methods for obtaining by the Langmuir-Blodgett and Langmuir-Schaeffer methods, as well as by the rotating substrate method are described in the article [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.].
[0027] В предпочтительном варианте реализации изобретения различная селективность отклика газовых сенсоров 1 на основе органических полевых транзисторов в массиве достигается путем покрытия полупроводникового слоя транзистора дополнительным рецепторным слоем. Такие газовые сенсоры описаны, например, в патенте RU 2676860С1, 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.]. [0027] In a preferred embodiment of the invention, different response selectivity of
[0028] Необходимость использования массива газовых сенсоров 1 сенсоров с различным механизмом отклика обусловлена тем, что эффективность распознавания здоровых и больных людей падает при использовании сенсоров одного типа, дающих коррелированный отклик, поскольку использование последних не позволяет получать дополнительную информацию и различать болезни между собой.[0028] The need to use an array of
[0029] Заявляемая газовая сенсорная ячейка может быть использована для создания устройства для неинвазивного анализа выдыхаемого человеком воздуха, которое содержит съемный мундштук 11 с фильтром, при этом сенсорная ячейка 4 (фиг. 1) трубками подключена мундштуку 11, что обеспечивает сбор выдоха напрямую в сенсорную ячейку, чей выход соединен с клапаном 10, который обеспечивает сброс исследованной пробы. При этом на вход сенсорная ячейки 4 может быть подключена система подачи чистого воздуха для продувки ячейки перед следующим циклом диагностики (на чертежах не показано).[0029] The inventive gas sensor cell can be used to create a device for non-invasive analysis of air exhaled by a person, which contains a
[0030] В частном случае реализации устройства для неинвазивного анализа выдыхаемого человеком воздуха, сенсорная ячейка 4 (фиг. 2) соединена с мембранным насосом 13, который выполняет роль системы принудительного пробоотбора из пробоотборного мешка 12, в который предварительно собран исследуемый выдыхаемый воздух.[0030] In a particular case of the implementation of a device for non-invasive analysis of the air exhaled by a person, the sensor cell 4 (Fig. 2) is connected to the membrane pump 13, which acts as a forced sampling system from the
[0031] В частном случае реализации устройства для неинвазивного анализа выдыхаемого человеком воздуха сенсорная ячейка 4 (фиг. 3) соединена с вакуумным насосом 14, который выполняет роль системы принудительного пробоотбора из пробоотборного мешка 12, соединенного со входом сенсорной ячейки 4 через клапан 15. Для пробоотбора таком образом закрывается клапан 15, открывается клапан 10, с помощью вакуумного насоса 14 создается разряженная атмосфера в ячейке 4, закрывается клапан 10, открывается клапан 15 и за счет разницы давлений в пробоотборном мешке 12 и сенсорной ячейке 4 порция выдыхаемого воздуха попадает в последнюю.[0031] In a particular case of the implementation of a device for non-invasive analysis of air exhaled by a person, the sensor cell 4 (Fig. 3) is connected to a
[0032] Использование устройства для неизвазивного анализа выдыхаемого человеком воздуха, содержащего заявляемую газовую сенсорную ячейку, осуществляется следующим образом:[0032] The use of a device for non-invasive analysis of air exhaled by a person containing the inventive gas sensor cell is carried out as follows:
[0033] Пробу выдоха диагностируемого человека, содержащую различные метаболиты, чей состав и концентрация меняются при заболевании, направляют в сенсорную ячейку 4, включающую в себя массив N газовых сенсоров 1, состоящий из органических полевых транзисторов, металлооксидных сенсоров и электрохимических ячеек с использованием одного из способа пробоотбора: напрямую с использованием съемного мундштука 11 с фильтром (фиг.1) или принудительно при помощи мембранного насоса 13 или вакуумного насоса 14 при этом проба выдыхаемого воздуха собирается заранее в пробоотборный мешок 12 (фиг.2,3). На электроды (на чертежах не показаны) каждого из N газовых сенсоров 1 в массиве 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 каждого газового сенсора 1 в массиве. 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 . [0033] An exhalation sample of a person being diagnosed, containing various metabolites, whose composition and concentration change during illness, is sent to a
[0034] Таким образом при каждом измерении массив из N газовых сенсоров 1 генерирует ряд величин с заданной периодичностью T, которые усредняются в микропроцессоре 6 для каждого газового сенсора 1 по времени для получения средних откликов R на выдыхаемый воздух. Средние значения откликов R сравниваются либо с предыдущими данными диагностируемого, чтобы понять степень прогрессии/ремиссии его болезни либо сравниваются с классификатором болезней, измеренным, рассчитанным, например, методами машинного обучения и занесенным предварительно в память микропроцессора 6. [0034] Thus, with each measurement, an array of
[0035] На фиг.4 (а)-(е) показана динамика откликов с массива различных сенсоров 1 на выдыхаемый воздух здорового человека. На рисунке указана средняя линия, учитывающая разброс откликов R, возникающий, поскольку забор был сделан с разное время суток. На фиг.5 (а)-(е) показана динамика заболевания, что отражается на изменении отклика R газовых сенсоров 1, а также последующая ремиссия после болезни, при которой отклик R газовых сенсоров 1 возвращается на уровень ремиссии. [0035] Figure 4 (a)-(e) shows the dynamics of responses from an array of
Claims (5)
Publications (1)
Publication Number | Publication Date |
---|---|
RU2787244C1 true RU2787244C1 (en) | 2022-12-30 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2817246C1 (en) * | 2023-02-15 | 2024-04-12 | Федеральное государственное бюджетное учреждение "Национальный медицинский исследовательский центр онкологии имени Н.Н. Петрова" Министерства здравоохранения Российской Федерации | Method for diagnosing malignant tumors of thoracic cavity organs |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018282A (en) * | 2012-12-21 | 2013-04-03 | 上海交通大学 | Electronic nose system for early detection of lung cancer |
RU2675667C1 (en) * | 2017-12-18 | 2018-12-21 | Общество с ограниченной ответственностью "Технологии Печатной Электроники" (ООО "ПРИНТЭЛТЕХ") | Method of selective determination of the concentration of gas-containing mercapt-containing and/or amine-containing compounds by means of a gas sensor on the basis of organic field transistor and device for selective determination of the concentration of gas-bearing and/or amine-containing compounds |
RU2676860C1 (en) * | 2018-02-28 | 2019-01-11 | Общество с ограниченной ответственностью "Технологии Печатной Электроники" (ООО "ПРИНТЭЛТЕХ") | Gas multi-sensor based on organic field transistors (options) and device for analysis of multi-component gas mixture of the “electron nose” type on its basis |
CN111381023A (en) * | 2020-03-16 | 2020-07-07 | 廖世奇 | Method and system for rapidly screening pathogens in breath by using aptamer |
WO2020159464A2 (en) * | 2019-01-29 | 2020-08-06 | Canakkale Onsekiz Mart Universitesi Rektorlugu | An electronic nose system for determining early diagnosis and attacks of hereditary metabolic diseases |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018282A (en) * | 2012-12-21 | 2013-04-03 | 上海交通大学 | Electronic nose system for early detection of lung cancer |
RU2675667C1 (en) * | 2017-12-18 | 2018-12-21 | Общество с ограниченной ответственностью "Технологии Печатной Электроники" (ООО "ПРИНТЭЛТЕХ") | Method of selective determination of the concentration of gas-containing mercapt-containing and/or amine-containing compounds by means of a gas sensor on the basis of organic field transistor and device for selective determination of the concentration of gas-bearing and/or amine-containing compounds |
RU2676860C1 (en) * | 2018-02-28 | 2019-01-11 | Общество с ограниченной ответственностью "Технологии Печатной Электроники" (ООО "ПРИНТЭЛТЕХ") | Gas multi-sensor based on organic field transistors (options) and device for analysis of multi-component gas mixture of the “electron nose” type on its basis |
WO2020159464A2 (en) * | 2019-01-29 | 2020-08-06 | Canakkale Onsekiz Mart Universitesi Rektorlugu | An electronic nose system for determining early diagnosis and attacks of hereditary metabolic diseases |
CN111381023A (en) * | 2020-03-16 | 2020-07-07 | 廖世奇 | Method and system for rapidly screening pathogens in breath by using aptamer |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2817246C1 (en) * | 2023-02-15 | 2024-04-12 | Федеральное государственное бюджетное учреждение "Национальный медицинский исследовательский центр онкологии имени Н.Н. Петрова" Министерства здравоохранения Российской Федерации | Method for diagnosing malignant tumors of thoracic cavity organs |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shehada et al. | Silicon nanowire sensors enable diagnosis of patients via exhaled breath | |
Di Natale et al. | Lung cancer identification by the analysis of breath by means of an array of non-selective gas sensors | |
Adiguzel et al. | Breath sensors for lung cancer diagnosis | |
US20200200721A1 (en) | Diagnostic apparatus | |
Sun et al. | Detection of volatile organic compounds (VOCs) from exhaled breath as noninvasive methods for cancer diagnosis | |
Santini et al. | Electronic nose and exhaled breath NMR-based metabolomics applications in airways disease | |
Schmekel et al. | Analysis of breath samples for lung cancer survival | |
JP6682975B2 (en) | Gas analyzer and gas analysis method | |
US20140330153A1 (en) | Selective Point of Care Nanoprobe Breath Analyzer | |
CN104856679B (en) | The breast rail system and method managed for asthma, pulmonary tuberculosis and pulmonary cancer diagnosis and disease | |
EP3830571A1 (en) | Systems, methods, and devices for detecting and identifying substances in a subject's breath | |
CN107076694A (en) | The sensor detected for VOC | |
Pennazza et al. | Measure chain for exhaled breath collection and analysis: A novel approach suitable for frail respiratory patients | |
Kumar et al. | Selective determination of ammonia, ethanol and acetone by reduced graphene oxide based gas sensors at room temperature | |
WO2013040134A1 (en) | Stimulated voc characterization | |
JP6836071B2 (en) | Gas analyzer and gas analysis method | |
TWI642936B (en) | Apparatus and method for analyzing breath gas mixture for halitosis detection | |
Pennazza et al. | Narrowing the gap between breathprinting and disease diagnosis, a sensor perspective | |
Saraoglu et al. | Determination of blood glucose level-based breath analysis by a quartz crystal microbalance sensor array | |
RU2787244C1 (en) | Gas sensor cell for non-invasive analysis of human exhaled air | |
Churcher et al. | AptaStrensor (aptamer-based sensor for stress monitoring): The interrelationship between NPY and cortisol towards chronic disease monitoring | |
Parmar et al. | Polymer modified quartz tuning fork (QTF) sensor array for detection of breath as a biomarker for diabetes | |
KR20180037350A (en) | Apparatus for diagnosing diseases using exhaled breath analysis | |
RU2784774C1 (en) | Method for early non-invasive diagnosis of covid-19 by analysis of human exhausted air | |
CN206057240U (en) | A kind of device of exhaled gas multicomponent joint-detection |