WO2023153958A2 - 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 PDF

Info

Publication number
WO2023153958A2
WO2023153958A2 PCT/RU2023/000110 RU2023000110W WO2023153958A2 WO 2023153958 A2 WO2023153958 A2 WO 2023153958A2 RU 2023000110 W RU2023000110 W RU 2023000110W WO 2023153958 A2 WO2023153958 A2 WO 2023153958A2
Authority
WO
WIPO (PCT)
Prior art keywords
array
response
sensor
air
gas
Prior art date
Application number
PCT/RU2023/000110
Other languages
English (en)
French (fr)
Other versions
WO2023153958A3 (ru
Inventor
Даниил Сергеевич АНИСИМОВ
Антон Андреевич АБРАМОВ
Виктория Петровна ГАЙДАРЖИ
Аскольд Альбертович ТРУЛЬ
Елена Валериевна АГИНА
Сергей Анатольевич ПОНОМОРЕНКО
Герман Александрович Шипулин
Сергей Михайлович ЮДИН
Вероника Игоревна СКВОРЦОВА
Original Assignee
Федеральное Государственное Бюджетное Учреждение Науки Институт Синтетических Полимерных Материалов Имени Н.С. Ениколопова Российской Академии Наук (Испм Ран)
Федеральное государственное бюджетное учреждение "Центр стратегического планирования и управления медико-биологическими рисками здоровью" Федерального медико-биологического агентства (ФГБУ "ЦСП" ФМБА России)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from RU2022109457A external-priority patent/RU2784774C1/ru
Application filed by Федеральное Государственное Бюджетное Учреждение Науки Институт Синтетических Полимерных Материалов Имени Н.С. Ениколопова Российской Академии Наук (Испм Ран), Федеральное государственное бюджетное учреждение "Центр стратегического планирования и управления медико-биологическими рисками здоровью" Федерального медико-биологического агентства (ФГБУ "ЦСП" ФМБА России) filed Critical Федеральное Государственное Бюджетное Учреждение Науки Институт Синтетических Полимерных Материалов Имени Н.С. Ениколопова Российской Академии Наук (Испм Ран)
Publication of WO2023153958A2 publication Critical patent/WO2023153958A2/ru
Publication of WO2023153958A3 publication Critical patent/WO2023153958A3/ru

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/403—Cells and electrode assemblies
    • G01N27/414—Ion-sensitive or chemical field-effect transistors, i.e. ISFETS or CHEMFETS
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/497—Physical analysis of biological material of gaseous biological material, e.g. breath
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs

Definitions

  • the invention relates to the field of non-invasive diagnosis of COVID-19 disease by measuring the parameters of the composition of the gaseous medium exhaled by the diagnosed person.
  • a device for diagnosing coronavirus COVID-19 is known [RU 203478U1, publication date 04/07/2021].
  • the device includes containers with odorous substances, a container with compressed air and an outlet tube. Diagnosis is carried out by supplying a mixture of an odorous compound with compressed air into the chamber with the patient and, according to his answers, determines whether he has a sense of smell.
  • the disadvantages of the method include the fact that it is not the virus itself that is diagnosed, but its indirect presence by the absence or presence of smell, which can persist even with coronavirus, and, therefore, the percentage of false negative tests will be too high.
  • the method for detecting the presence of a viral infection includes: a) exposure of a sensory surface containing a plurality of nanoparticles superficially bound to a ligand selected from dodecanethiol, hexanethiol, decanethiol, t-dodecanethiol, butanethiol, 2-ethylhexanethiol, dibutyl disulfide, 2-nitro-4-trifluoromethylbenzenethiol, benzylmercaptan, 4-chlorobenzenemethanethiol, 3-ethoxythiolphenol, 4-tert-methylbenzenethiol, and 1-heptanethiol, in exhaled air, b) determination of volatile organic compound (VOC) levels indicative of the presence of one or more VOCs in the subject's breath sample; and c)
  • VOC volatile organic compound
  • the disadvantages of the system include the complexity of the sensor element, since the ligands for each viral infection must be selected experimentally, as well as the obvious one-time use of the sensor elements, since the DOS will bind to the ligands irreversibly.
  • the patent does not cover the DOS detection method, however, it can be assumed that these are some kind of optical methods, which may also require expensive equipment.
  • a volatile marker for the diagnosis of a new coronavirus infection and its use is known [CN 112067712A, publication date 12/11/2020].
  • a marker for diagnosing a new coronavirus infection contains the following volatile organic compounds: two or more styrenes, acetoin,
  • the disadvantages of the method include the high cost of mass spectroscopy, as well as the complexity of creating gas sensors for the listed compounds.
  • a known method for non-invasive differential diagnosis of diseases of the respiratory system and a device for its implementation [RU 2760396C1, publication date 11/24/2021].
  • the method for non-invasive differential diagnosis of diseases of the respiratory system includes preliminary sampling of exhaled air from patients and determination of a set of specific volatile markers characteristic of the disease, followed by data processing using a neural network.
  • the identification of pathophysiological changes in the exhaled air is carried out on the basis of calculating the value of the output neuron of the trained artificial neural network above the threshold for separating positive and negative samples, while the probability of the presence of the disease is determined by the Area Under ROC curve (AUC) method, and the values for each individual type of pathology are preformed trained neural network on the corresponding control set patients without pathology, numbering 20 or more in a ratio of 50:50 with the presence of pathology, and determining the type of disease of the respiratory system by determining the degree of similarity of the gas pattern of the patient being examined during screening with the gas patterns of the patient groups of the artificial neural network training set and with the values of the output neuron from 0.25 to 0.64 diagnose malignant neoplasms in the lungs, with values of the output neuron from 0.1 to 0.24 malignant tumors of the oropharyngeal region and larynx, with values of 0.65 to 1 coronavirus infection (COVID-19) and community-acquired pneumonia
  • a known method and system for rapid screening of pathogens in the breath using aptamers [CN 111381023A, publication date 07/07/2020].
  • the method includes the following stages: (1) collection of pathogens, for which an adsorption film is fixed on the inside of the mask, which is put on the test person, in the process of breathing (several breaths) of which pathogens are adsorbed from the exhaled air onto the film; or collection of a sample of the pathogen during respiration by the method of rapid freezing and condensation, followed by transfer of the pathogen to the membrane; (2) immobilization of pathogens: removing the adsorption membrane and performing ultraviolet crosslinking on the adsorption membrane for 3-8 seconds using ultraviolet light, or performing calcination of the adsorption membrane to fix pathogens on it; (3) adding a detection reagent capable of specifically binding to a pathogen protein or nucleic acid molecules on adsorption membrane, and fluoresce at a certain wavelength; (4) rapid screening: fluorescence detection with instrument or
  • 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 the required pathogen, and on the other hand, have a functional group that will provide a fluorescence signal in the required range.
  • a known method and device for diagnosing infectious diseases in car drivers [EP 3875957A1, publication date 09/08/2021].
  • the method consists of the following steps: (1) collecting exhaled air from the driver; (2) filtering the collected air; (3) condensation and concentration (removal of water, for example, by reverse osmosis) of filtered air and (4) its analysis, various microscopy techniques (optical or X-ray), biochemical or physical examination, or machine learning methods.
  • the main disadvantage of this method is the length of the diagnostic time, since it is obvious that checking each driver will take a lot of time, which will create traffic congestion due to the long wait for the results of the check at the control points and, in the future, more contacts between patients and healthy people. Moreover, the reliability of the results in determining a particular infectious disease will greatly depend on the analysis method and its sensitivity, which are not described in the patent.
  • a method for selective determination of the concentration of gaseous mercapto-containing and/or amine-containing compounds in a gaseous medium [RU 2675667C1, publication date 12/21/2018]. This result is achieved using a single gas sensor based on organic field-effect transistor, by estimating the amount of time change of the threshold voltage, which depends on the concentration of amine-containing compounds, or the amount of time change of the mobility of charge carriers, which depends on the concentration of mercapto-containing compounds.
  • the technical problem to be solved by the claimed invention is to develop a method for rapid diagnosis (including at an early stage of the disease) of COVID-19 for daily screening of human health based on an analysis of the composition of the gas environment that he exhales.
  • the technical result achieved by the implementation of the claimed invention is to develop a method for rapid diagnosis of C0VID-19 based on the analysis of air exhaled by a person through the use of an array of highly sensitive semi-selective sensors with different response mechanisms, which ensures high accuracy and reliability of measurement results due to the uncorrelated response from individual array sensors.
  • the choice of sensors is driven by the need to ensure maximum analysis efficiency with minimum analysis time.
  • the claimed method can be used to create devices or test systems for daily rapid screening of people in crowded places.
  • the method for non-invasive diagnosis of COVID-19 disease by analyzing the air exhaled by a person is characterized by the fact that the diagnosis carried out using a device containing a gas sensor cell for the analysis of human exhaled air, which includes: an array of 1 to N semi-selective gas sensors with a different response mechanism chosen so as to give an uncorrelated response to disease markers contained in the exhaled air, air temperature sensor, relative humidity sensor; a measuring unit connected to the array of gas sensors, configured to apply a voltage of a given duration and amplitude to the electrodes of each gas sensor in the array and measure the time dependence of the value of the response parameter of each gas sensor in the array; a microprocessor connected to a measuring unit, an air temperature sensor, a relative air humidity sensor, wherein the microprocessor is configured to calculate the response value of each gas sensor in the array, average the obtained sensory response values, determine the probability of disease by analyzing the averaged sensory response values according to the classifier, pre-store
  • At least one sensor on organic field-effect transistors, at least one electrochemical cell and at least one metal oxide sensor are used as gas sensors to form an array of gas sensors.
  • 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 makes up the exhaled air will be significantly different and uncorrelated.
  • coronavirus infection there is currently no reliable data on which metabolites can act as markers of the disease, especially against the background of the emergence of new strains that can cause various changes in human metabolism. Therefore, in the case of diagnosing coronavirus infection (especially in the early stages), it is important to use an integrated approach using an array of semi-selective sensors with different response mechanism, whose signals are analyzed by machine learning methods.
  • nitric oxide II Naox Vero devices from Circassia (https://www.niox.com/en/niox-vero/about- niox-vero/) or Bosch's Vivatmo Me (https://www.vivatmo.com/en/for-doctors/products/vivatmo-me/)) is most likely to be less reliable because it will not analyze the possible significant change in the concentration of other metabolites, which can be caused, for example, by new strains of the virus.
  • figure 1 shows a diagram of a variant of the device for diagnosing C0VID-19 with the collection of exhalation directly into the device
  • figure 2 shows a diagram of a variant of the device for diagnosing C0VID-19 with pre-collection in a sampling bag, from which air is supplied to the sensor cell using a membrane pump
  • Fig.3 shows a diagram of a variant of the device for diagnosing C0VID-19 in a sampling bag, from which air is supplied to the sensor cell using a vacuum pump
  • figure 4 shows a diagram of two principal components of sensory response measurements for healthy and sick C0VID-19 people constituting a training sample, an array of 6 sensors based on organic field-effect transistors, electrochemical cells and metal oxide sensors.
  • Red dots correspond to healthy people, and blue dots to people who are sick with C0VID-19; in fig. 5 shows a one-dimensional plot of linear discriminant measurements of sensory response for healthy and patients with COVID-19 people, constituting the training sample, an array of 6 sensors based on organic field-effect transistors, electrochemical cells and metal oxide sensors. Covid status O and 1 correspond to healthy and sick people with COVID-19, respectively.
  • the claimed method for non-invasive diagnosis of the disease C0VID-19 by analyzing the air exhaled by a person can be implemented using a device, the scheme of which is shown in figure 1, which includes: sensor cell 4, which houses an array of gas sensors 1, air temperature sensor 2 and relative humidity sensor 3; sampling device, including a removable 15 mouthpiece with a filter; measuring unit 5 containing a voltage source (not shown in the drawings) capable of applying a voltage of arbitrary amplitude to the electrodes (drain-source and gate-source in the case of organic field-effect transistors; a pair of electrodes in the case of metal-oxide sensors and between the reference, measuring and control -electrode in the case of electrochemical cells) (not shown in the drawings) of each gas sensor 1 in the array, as well as a unit for measuring the response parameter (current, resistance, voltage) (not shown in the drawings), capable of simultaneously measuring the response parameter of each gas sensor 1 in array depending on the time;; a microprocessor 6 connected to the voltage source and the response parameter measurement unit
  • the microprocessor 6 is equipped with software that provides: calculation and averaging of the response value for each gas sensor in the array 1; transforming an array of measured response values to determine the likelihood of COVID-19 disease, for example, using machine learning methods; storage in memory of data on calibration measurements with various samples of healthy and sick COVID-19 people;
  • the microprocessor 6 is connected to a means of outputting information to the user 9 (for example, a monitor, display, etc.).
  • an air temperature sensor 2 and a relative humidity sensor 3 that provide information about the surrounding atmosphere, as well as gas sensor array 1 heaters that provide controlled heating of each element of the gas sensor array 1 to control the speed of the sensory response and recovery.
  • the array of gas sensors 1 consists of sensors in an amount from 1 to N, including at least one semi-selective sensor, made on the basis of an organic field-effect transistor, consisting of two electrodes (“drain” and “source” ) separated by a layer of an organic semiconductor, a gate electrode and a dielectric layer described, for example, in patent RU 2675667C1, at least one metal oxide sensor consisting of two electrodes (“drain” and “source”) separated by a layer of a semiconductor, as well as a heater , which provides heating of the semiconductor to the operating temperature (the choice of temperature is determined by the required sensitivity level [Metal Oxide Gas Sensors: Sensitivity and Influencing Factors // Sensors (Basel). - 2010. - V. 10, No. 3. - P. 2088-106. ]) and at least one electrochemical cell consisting of three electrodes (reference, measurement and counter electrode) placed in the electrolyte.
  • the active layer of an organic semiconductor can be obtained by any known method, including solution or printing technologies, and more specifically methods such as the rotating substrate method, pouring method, Langmuir-Blodgett and Langmuir-Schaeffer methods, thermal and magnetron deposition in vacuum, physical steam transport method and others.
  • Preparation methods 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][l]Benzothiophene Suitable for Ethanethiol Detection // advanced electronic materials. - 2022. - P. 2101039. DOI: 10.1002/aelm.202101039.].
  • different response selectivity of gas sensors based on organic field-effect transistors in array 1 is achieved by coating the semiconductor layer of the transistor with an additional receptor layer.
  • gas sensors are described, for example, in patent RU 2 676 860 C1, where thin films of metalloporphyrins with various metals in the coordination center were used as receptor layers.
  • different selectivity of sensors in the array is provided by the use of metal oxide sensors and electrochemical cells with various semiconductors or selective membranes [[Online Breath Analysis Using Metal Oxide Semiconductor Sensors (Electronic Nose) for Diagnosis of Lung Cancer // J Breath Res. - 2019. - V. 14, No. 1. - P. 016004.].
  • gas sensors 1 used in the claimed invention register a total response to a wide range of compounds, they are called semi-selective or partially selective [Zohora S. E., Khan A. M., Hundewale N. Chemical Sensors Employed in Electronic Noses: A Review//. - 2013. - V. 178. - P. 177-184.].
  • the selectivity of a sensor for different detectable compounds is the ratio of sensor sensitivities to these detectable compounds [D'Amico A., Di Natale C. A Contribution on Some Basic Definitions of Sensors Properties // IEEE Sensors Journal. - 2001. - V. 1, No. 3. - P. 183-190.].
  • the response of the sensor can be specific, that is, this is a case of selectivity in which the sensitivity of the sensor to one detectable compound is much higher than to all others. In such cases, the sensor is said to be non-specific, but partially selective, semi-selective, or non-selective.
  • the main mechanism of operation is a change in the potential barrier at the boundaries of domains [Wang C., Yin L., Zhang L., Xiang D., Gao R. Metal Oxide Gas Sensors: Sensitivity and Influencing Factors // Sensors (Basel). - 2010. - V. 10, No. 3. - P. 2088-106.], in the case of OPT, in addition to this mechanism, the appearance / "healing" of charge carrier traps also has an effect, which can affect both the effective potential of the electrodes, and on the mobility of charge carriers [Sizov A. S., Trul A. A., Chekusova V., Borshchev O. V., Vasiliev A.
  • each individual type of sensor can also be changed by replacing the semiconductor in metal oxide sensors [Wang C., Yin L., Zhang L., Xiang D., Gao R. Metal Oxide Gas Sensors: Sensitivity and Influencing Factors // Sensors (Basel). - 2010. - V. 10, No. 3. - P. 2088-106.], by adding a receptor layer in the case of OPT sensors [Trul A. A., Chekusova V. R., Polinskaya M. S., Kiselev A. N., Agina E. V., Ponomarenko S. A.
  • a removable mouthpiece 15 with a filter is used, while the sensor cell 4 (Fig. 1) tubes connected to the mouthpiece 15, which ensures the collection of exhalation directly into the sensor cell, whose outlet is connected to valve 12, which connects the sensor cell 4 to the sample sterilization system 13, which then discharges the test sample into the atmosphere through valve 14.
  • the sensor cell 5 has a separate inlet with a valve 10 for connection to a clean air supply system 11 for purging the sensor cell.
  • the input of the sensor cell 4 (Fig. 2) is connected to a membrane pump 17, which acts as a forced sampling system from the sampling bag 16.
  • the output of the sensor cell 4 (Fig. 3) is connected to a vacuum pump 20, which acts as a forced sampling system from the sampling bag 16 connected to the input of the sensor cell 4 through the valve 19.
  • a vacuum pump 20 acts as a forced sampling system from the sampling bag 16 connected to the input of the sensor cell 4 through the valve 19.
  • the valves 18 are closed in this way , 10, 12, valve 19 opens, vacuum pump 20 creates a rarefied atmosphere in cell 4, valve 19 closes, valve 18 opens, and due to the pressure difference in sampling bag 16 and sensor cell 4, a portion of exhaled air enters the latter.
  • the electrodes (not shown in the drawings) of each of the N gas sensors in the array 1 using a multi-channel voltage source (not shown in the drawings) of the measuring unit 5 are supplied with a rectangular voltage with a duration t and a period T of the amplitude Y(, while simultaneously measuring the values of the response parameters (current , resistance, voltage) representing the signals of gas sensors 1 depending on time.
  • the duration and period of the voltage application is chosen to minimize baseline drift while maximizing the sensor sensitivity of the gas sensor in array 1.
  • N gas sensors 1 generates a number of values R 1 , R 2 ... R N with a given periodicity T.
  • the measured response values of the gas sensor array 1 R [R 1 , R 2 ... R N ] are compared by machine learning methods with the vectors of the training sample stored in the memory of the microprocessor 6, measured for a sample of healthy and sick COVID-19 people (Fig. 5) T? 12 , and by the smallest distance to one of the vectors of the training sample, it is determined whether the diagnosed person is healthy or sick.
  • Various methods can be used to classify the measured values and diagnose the disease by comparing the measured vector with the vectors of the training sample, for example, the method of principle components (Fig. 4), linear discriminants (Fig. 5), or artificial neural network algorithms.
  • Verification of the fact of the disease is carried out by calculating the Euclidean distance between the measured vector R and the set of training sample vectors /? 12 .
  • the comparison can be made either in the space of the original dimension N, or in the space of reduced dimension for more intuitive comparison and visualization (as a rule, this is dimension 2).
  • dimensionality reduction is performed by the methods of principal components, linear discriminants, local selective implementation (Local linear embedding) or others, as shown in the article [Fully Integrated Ultrasensitive Electronic Nose Based on Organic Field-Effect Transistors // Sci Rep. - 2021. - V. 11, No. 1. - P. 10683.].
  • FIG. Figures 4 and 5 show diagrams of principal components and linear discriminants obtained by projecting a set of 6-dimensional vectors made up of measurements from an array of 6 gas sensors with different response and selectivity mechanisms (the number of sensor groups determines the initial dimension) obtained on a sample of healthy and sick people. C0VID-19 people and further projected onto a space of dimensions 2 (principal component method, Fig. 4) and 1 (linear discriminant method, Fig. 5). Further, each new measurement is projected onto this diagram and, based on the shortest distance to one of the training sample clusters corresponding to certain products, a conclusion is made about the presence of a disease.
  • Devices using the claimed method can be used for daily screening of people in crowded places, such as hospitals, office buildings, airports, train stations, etc. as a primary method of rapid diagnosis. If the diagnosis is positive, it can be confirmed by any existing test system, such as ELISA antigen tests or PCR analysis.

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.

Description

СПОСОБ РАННЕЙ НЕИНВАЗИВНОЙ ДИАГНОСТИКИ C0VID-19 ПУТЕМ АНАЛИЗА ВЫДЫХАЕМОГО ЧЕЛОВЕКОМ ВОЗДУХА
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)
(иР1:/ 11рз://г11^к!ресНа.ог£Лллк!/Тестирование_на_коронавирусную_инфекц ию_С0УЮ-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- dia nostike-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 2021/214763А1, 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 (ДОС), указывающих на присутствие одного или нескольких ДОС в образце дыхания субъекта; и в) сравнение профиля ДОС субъекта с профилем ДОС контрольного образца и/или с профилем ДОС, 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 ДОС будут связываться с лигандами необратимо. В патенте не освещен метод детектирования ДОС, 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 112067712А, 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, изоокганол, пентадекан, гексадекан и 1-метилен-1Н-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, изоокганола 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-1Н-инден, подтверждается, что субъект инфицирован новой коронавирусной инфекцией. Маркеры могут быть обнаружены, например, масс-спектроскопией.
[0009] К недостаткам метода можно отнести высокую стоимость масс- спекгроскопии, 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 2760396С1, 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.
[ООН] 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 111381023А, 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 [ЕР 3875957А1, 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 C0VID-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 C0VID-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 C0VID-19 со сбором выдоха напрямую в устройство; на фиг.2 показана схема варианта устройства для диагностики C0VID-19 с предварительным сбором в пробоотборный мешок, из которого воздух подается в сенсорную ячейку с помощью мембранного насоса; на фиг.З показана схема варианта устройства для диагностики C0VID-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 C0VID-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 C0VID-19; на фиг. 5 показана одномерная диаграмма линейных дискриминант измерений сенсорного отклика для здоровых и больных C0VID-19 людей, составляющих учебную выборку, массивом из 6 сенсоров на основе органических полевых транзисторов, электрохимических ячеек и металлооксидных сенсоров. Covid status О 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 C0VID-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 полуселе кгивный 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 2675667С1, 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 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][l]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 C0VID-19 людей снижаются при использовании сенсоров, дающих коррелированный отклик.
[0033] В виду отсутствия маркерных соединений (человек выдыхает более 700 соединений), при заболевании коронавирусной инфекцией меняется наличие того или иного компонента в выдыхаемой смеси, а также их концентрации [Ruszkiewicz D. М., Sanders D., O'Brien R., Hempel F., Reed M. J., Riepe A. C., Bailie K., Brodrick E., Darnley K., Ellerkmann R., Mueller 0., Skarysz A., Truss M., Wortelmann T., Yordanov S., Thomas C. L. P., Schaaf B., Eddleston M. Diagnosis of Covid-19 by Analysis of Breath with Gas Chromatography-Ion Mobility Spectrometry - a Feasibility Study // EClinicalMedicine. - 2020. - V. 29. - P. 100609.]. Использованные в заявляемом изобретении отдельные газовые сенсоры массива 1 не регистрируют отдельные соединения, а регистрируют суммарный отклик на широкий спектр соединений, причем этот спектр - различный для разных сенсоров. Далее создается классификатор откликов для здоровых и больных COVID-19 людей с известным диагнозом на основании ПЦР-диа гностики. При диагностике пациентов зарегистрированные отклики массива газовых сенсоров 1 сравниваются с классификатором откликов, на основании чего и делается вывод, болен человек или нет.
[0034] Поскольку используемые в заявляемом изобретении газовые сенсоры 1 регистрируют суммарный отклик на широкий спектр соединений, то они называются полуселективными или частично селективными [Zohora S. Е., Khan А. М., Hundewale N. Chemical Sensors Employed in Electronic Noses: A Review//. - 2013. - V. 178. - P. 177-184.].
[0035] Селективностью сенсора к разным детектируемым соединениям называют отношение чувствительностей сенсора к этим детектируемым соединениям [D'Amico A., Di Natale С. A Contribution on Some Basic Definitions of Sensors Properties // IEEE Sensors Journal. - 2001. - V. 1, № 3. - P. 183- 190.]. В этой же статье отмечено, что отклик сенсора может иметь специфичный характер, то есть это такой случай селективности, при котором чувствительность сенсора к одному детектируемому соединению намного выше, чем ко всем другим. В таких случаях говорят, что сенсор является не специфичным, а частично селекгивым, полуселективным или неселективным.
[0036] При этом для получения хорошего классификатора откликов, т.е. такого классификатора, для которого можно выделить две группы откликов - одну для здоровых и одну для больных C0VID-19 людей, удобно использовать сенсоры с различным механизмом отклика - метал-оксидные, сенсоры на основе органических полевых транзисторов (ОПТ) и электрохимические ячейки - поскольку спектр соединений, которые они могут детектировать, существенно отличается за счет различного механизма их работы.
[0037] В метал-оксидных сенсорах основным механизмом работы является изменение потенциального барьера на границах доменов [Wang С., Yin L., Zhang L., Xiang D., Gao R. Metal Oxide Gas Sensors: Sensitivity and Influencing Factors // Sensors (Basel). - 2010. - V. 10, № 3. - P. 2088-106.], в случае ОПТ, кроме этого механизма, влияние оказывают также и появление/«залечивание» ловушек носителей заряда, что может влиять как на эффективный потенциал электродов, так и на подвижность носителей заряда [Sizov A. S., Trul A. A., Chekusova V., Borshchev О. V., Vasiliev A. A., Agina Е. V., Ponomarenko S. A. Highly Sensitive Air Stable Easily Processable Gas Sensors Based on Langmuir-Schaefer Monolayer Organic Field-Effect Transistors for Multi para metric H2S and NH3 Real-Time Detection // ACS Appl Mater Interfaces. - 2018. - V. 10, № 50. - P. 43831-43841.], а в электрохимических ячейках ключевою роль играют выбор электролита и селективные мембраны [Guth U., Vonau W., Zosel J. Recent Developments in Electrochemical Sensor Application and Technology— a Review // Measurement Science and Technology. - 2009. - V. 20, № 4. - P. 042002].
[0038] Отметим, что отклик каждого отдельного типа сенсоров также может быть изменен путем замены полупроводника в метал-оксидных сенсорах [Wang С., Yin L., Zhang L., Xiang D., Gao R. Metal Oxide Gas Sensors: Sensitivity and Influencing Factors // Sensors (Basel). - 2010. - V. 10, № 3. - P. 2088-106.], добавлением рецепторного слоя в случае ОПТ-сенсоров [Trul А. А., Chekusova V. Р., Polinskaya М. S., Kiselev A. N., Agina Е. V., Ponomarenko S. А. NH3 and H2S Real-Time Detection in the Humid Air by Two-Layer Langmuir- Schaefer OFETs // Sensors and Actuators B: Chemical. - 2020. - V. 321. - P. 128609.] или заменой электролита и селективной мембраны в случае электрохимических сенсоров.
[0039] 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.
[0040] 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.
[0041] 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.
[0042] Реализация способа неинвазивной диагностики заболевания C0VID-19 путем анализа выдыхаемого человеком воздуха осуществляется следующим образом:
[0043] 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, состоящий из 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 Т амплитуды У(, одновременно измеряя величины параметров отклика (ток, сопротивление, напряжение)
Figure imgf000020_0001
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 Pf N в 95% влажном воздухе, сохраняются в памяти микропроцессора 6 и далее используются как параметр для расчета сенсорного отклика Rt по формуле Ri = - Pi)/P° ■ 100%. Таким образом, при каждом измерении массив из
N газовых сенсоров 1 генерирует ряд величин R1, R2 ... RN с заданной периодичностью Т.
[0044] 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 Rt для здоровых и больных C0VID-19 людей. Далее калибровочные измерения, полученные от массива из N газовых сенсоров 1 составляются в 2 вектора размерности N
Figure imgf000020_0002
[0045] При диагностике человека, измеренные значения отклика массива газовых сенсоров 1 R = [R1, R2 ... RN] методами машинного обучения сравниваются с векторами учебной выборки, занесенными в память микропроцессора 6, измеренными для выборки здоровых и больных COVID-19 людей (фиг. 5) T?12, 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 R и множеством векторов учебной выборки /?12. 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 Ultrasensitive Electronic Nose Based on Organic Field-Effect Transistors // Sci Rep. - 2021. - V. 11, № 1. - P. 10683.].
[0046] 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 C0VID-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. [0047] 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

ФОРМУЛА ИЗОБРЕТЕНИЯ
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 полуселекгивных 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.
PCT/RU2023/000110 2022-02-08 2023-04-07 Способ ранней неинвазивной диагностики covid-19 путем анализа выдыхаемого человеком воздуха WO2023153958A2 (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
RU2022109457 2022-04-08
RU2022109457A RU2784774C1 (ru) 2022-04-08 Способ ранней неинвазивной диагностики covid-19 путем анализа выдыхаемого человеком воздуха

Publications (2)

Publication Number Publication Date
WO2023153958A2 true WO2023153958A2 (ru) 2023-08-17
WO2023153958A3 WO2023153958A3 (ru) 2023-11-02

Family

ID=87564858

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/RU2023/000110 WO2023153958A2 (ru) 2022-02-08 2023-04-07 Способ ранней неинвазивной диагностики covid-19 путем анализа выдыхаемого человеком воздуха

Country Status (1)

Country Link
WO (1) WO2023153958A2 (ru)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
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
US11181519B2 (en) * 2016-06-16 2021-11-23 Technion Research & Development Foundation Limited System and method for differential diagnosis of diseases
GB201704367D0 (en) * 2017-03-20 2017-05-03 Exhalation Tech Ltd A breath condensate analyser
WO2020186335A1 (en) * 2019-03-18 2020-09-24 Canary Health Technologies Inc. Biomarkers for systems, methods, and devices for detecting and identifying substances in a subject's breath, and diagnosing and treating health conditions
US20220074857A1 (en) * 2020-09-10 2022-03-10 The George Washington University Nanohole array based sensors with various coatings and temperature control for covid-19

Also Published As

Publication number Publication date
WO2023153958A3 (ru) 2023-11-02

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
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
Schon et al. Versatile breath sampler for online gas sensor analysis
US7255677B2 (en) Detection, diagnosis, and monitoring of a medical condition or disease with artificial olfactometry
EP2502065B1 (en) Device and method for analysing samples to diagnose disease
US20150033824A1 (en) Portable Sampling Device and Method for Detection of Biomarkers in Exhaled Breath
US20140330153A1 (en) Selective Point of Care Nanoprobe Breath Analyzer
CN107076694A (zh) 用于挥发性有机化合物检测的传感器
US20080050839A1 (en) Apparatus and method for detecting lung cancer using exhaled breath
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
WO1999066304A1 (en) Trace level detection of analytes using artificial olfactometry
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
RU2784774C1 (ru) Способ ранней неинвазивной диагностики covid-19 путем анализа выдыхаемого человеком воздуха
WO2023153958A2 (ru) Способ ранней неинвазивной диагностики covid-19 путем анализа выдыхаемого человеком воздуха
EP3880072B1 (en) A device to measure breath humidity
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
US20210262964A1 (en) Nanotube sensors and related methods
WO2019169309A1 (en) Methods, apparatuses and kits for rapid testing of traumatic brain injuries
WO2022149132A1 (en) Detection of respiratory tract infections (rtis)
Persaud Cross-reactive sensors (or e-noses)

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23753278

Country of ref document: EP

Kind code of ref document: A2