Ett internationellt forskarteam har utvecklat en uppfinning som via utandningsluften kan identifiera 17 olika sjukdomar, bland annat lungcancer och Parkinsons sjukdom. Anordningen som baseras på nanosensorer, plockar upp och analyserar förhållandet mellan olika kemikalier, varpå datan analyseras med artificiell intelligens. Forskarna menar sig nu kunna öka överlevnaden från 10 till 70 procent för lungcancerpatienter och även identifiera de högriskpersoner som ännu inte har insjuknat. Bakom uppfinningen, som har en genomsnittlig träffsäkerhet på 86 procent, står den 41-årige professorn Hossam Haick vid Technion-Israel Institute of Technology. Nu utvecklas en motsvarande modul för mobiltelefoner där testresultaten skall bearbetas automatiskt på en extern server med statistisk mönsterigenkänning. Produkten som kopplas till en mobiltelefon, har fått det marknadstillvända namnet Sniff Phone.

Ett internationellt team av 56 forskare i fem länder har bekräftat en hypotes som först föreslogs av de gamla grekerna – att olika sjukdomar kännetecknas av olika kemiska signaturer. Detta har forskarna tagit vidare till att identifiera utandningsprover av flyktiga biomarkörer med en revolutionerande uppfinning kallad Na-Nose. Resultaten av teamets forskning, som leds av professor Hossam Haick vid Technion-Israel Institute of Technology och Russell Berrie vid Nanotechnology Institute vid Technion, har nu publicerats i ACS Nano. Professor Haick har tidigare utsetts till en av världens 35 ledande unga forskare av MIT Technology Review, och till en av världens 100 mest inflytelserika människor av ytterligare två publikationer.

Olika sjukdomar har olika distinka kemiska signaturer
Diagnostiska tekniker baserade på utandningsprover är inget nytt, men hittills har det inte funnits vetenskapliga bevis för hypotesen att olika och obesläktade sjukdomar kännetecknas av distinkta kemiska signaturer i utandningsluften. Och den teknik som har utvecklats hittills för denna typ av diagnoser har varit begränsade till att upptäcka ett fåtal kliniska sjukdomar, utan åtskillnad mellan obesläktade sjukdomar.

Studien av mer än 1400 patienter inkluderade 17 olika och obesläktade sjukdomar, nämligen: lungcancer, kolorektal cancer, huvud- och halscancer, äggstockscancer, cancer i urinblåsan, prostatacancer, njurcancer, magcancer, Crohns sjukdom, ulcerös kolit, irritable bowel syndrome, två typer av Parkinsons sjukdom, multipel skleros, pulmonell hypertension, graviditetstoxikos och kronisk njursjukdom. Prover samlades in mellan januari 2011 och juni 2014 från 14 avdelningar i 5 länder: Israel, Frankrike, USA, Lettland och Kina.

Forskarna testade den kemiska sammansättningen av andningsproverna med hjälp av masspektrometri, vilket möjliggjorde en noggrann kvantitativ detektion av de kemiska föreningarna. Forskarna kunde slutligen identifiera 13 kemiska komponenter i olika sammansättningar, hos samtliga av dessa 17 olika sjukdomar.

Två utandningsprov togs från varje patient, en skickades för kemisk kartläggning med hjälp av masspektrometri, medan den andra analyserades i det nya systemet, vilket gav en klinisk diagnos baserad på det kemiska fingeravtrycket i utandningsprovet.

– Var och en av dessa sjukdomar karakteriseras av ett unikt fingeravtryck, och precis som var och en av oss har ett unikt fingeravtryck som skiljer oss från andra, har varje sjukdom en kemisk signatur som skiljer den från andra sjukdomar och från ett normalt hälsotillstånd. Luktsignaturer gör det möjligt för oss att identifiera sjukdomarna med hjälp av denna teknik, säger professor Haick i en kommentar.

En genomsnittlig träffsäkerhet på 86 procent
Med den nya tekniken som kallas Artificially Intelligent Nanoarray, kunde forskarna bekräfta den kliniska effekten och konstatera att den möjliggör en snabb och billig diagnos och klassificering av sjukdomar, samt att artificiell intelligens kan analysera den data som har erhållits från sensorerna. Några av sensorerna är baserade på lager av guldnanopartiklar och andra innehåller ett slumpmässigt nätverk av kolnanorör, belagd med ett organiskt skikt för avkänning och identifiering.

För att verifiera tillförlitligheten med systemet för att upptäcka och klassificera olika sjukdomar med hjälp av utandningsluftens signaturer, undersökte man även effekten av olika faktorer (såsom kön, ålder, rökning och geografiskt läge) på provkompositionen, och fann att deras påverkan är försumbar och inte försämrar matrisens känslighet.

– Var och en av sensorerna reagerar på ett brett spektrum av utandningskomponenter, och vårt system har upptäckt och klassificerat olika sjukdomar med en genomsnittlig träffsäkerhet på 86 procent, förklarar professor Haick.

– Detta är en ny och lovande metod för diagnos och klassificering av sjukdomar som kännetecknas inte bara av stor noggrannhet utan också av låg kostnad, låg elförbrukning, miniatyrisering, komfort och möjligheten att lätt upprepa testet. Utandningsluften är en utmärkt råvara för diagnos som inte kräver invasiva och obehagliga procedurer, det är inte farligt, och du kan prova det om och om igen om det behövs.

För närvarande finns det inga perfekta icke-invasiva verktyg för att screena för exempelvis magcancer, varför den här tekniken skulle kunna uppfylla ett påtagligt kliniskt behov.

Sniff Phone
Projektet har även en spin-off i form av projektet Sniff Phone som sjösattes redan för drygt två år sedan. Förutom FoU och kliniska enheter involverar projektet fyra små europeiska och medelstora samt ett stort industriföretag: JLM Innovation GmbH, Cellix Limited, microfluidic ChipShop GmbH och Siemens. Koordinator är även här Hossam Haick och projektet har fått ett forskningsbidrag på 5,8 miljoner Euro från EU:s Horizon 2020. Sniff Phone, vilket är ett ”miniatyriserat smart system”, integrerar mikro- och nanoteknik i autonoma smarta system som kan knytas till en mobiltelefon och analysera sjukdomsmarkörer från utandningsluften. På samma sätt som ovan nämnda innovation utförs analysen med mycket känsliga nanomaterialbaserade kemiska sensorer, men med on-chip mikrofluidik och elektronik, varpå resultatet överförs trådlöst via mobiltelefonen till en extern server.

Ett statistisk mönsterigenkänning appliceras därefter på den mottagna datan och en klinisk rapport inklusive screeningresultaten skickas till den utsedda mottagaren (t.ex. specialist, husläkare) vid ett positivt resultat (det vill säga negativt för patienten). 

Länk till artikeln i ACS Nano

Prenumerera på BioStocks nyhetsbrev