Hurtig test til diagnosticering af astma

Astma er en af ​​de mest almindelige luftvejssygdomme i verden, påvirker mere end 235 millioner patienter. Det er ofte vanskeligere at diagnosticere hos børn end hos voksne. En tidlig diagnose er især vigtig for børn for at forhindre alvorlige angreb af sygdommen. Et team af forskere ved Fraunhofer Research Institution for Marine Biotechnology and Cell Technology EMB er gået sammen med nogle højteknologiske virksomheder om at udvikle en hurtig test, der kun kræver en dråbe blod for at diagnosticere astma. At gøre dette, partnerne bruger maskinlæring.

Dyspnø, åndenød og hoste er blot nogle få af de potentielle symptomer på astma. De berørte lider pludseligt af angreb af bronkial indsnævring. Det er afgørende at identificere sygdommen hurtigt, da det er den eneste måde at reducere truslen om astmaanfald, som endda kan være dødelig. Det er især vigtigt at identificere sygdommen tidligt hos børn for hurtigt at gribe ind og lindre symptomerne. Imidlertid, diagnosticering af børn er mere kompliceret og kedelig end at diagnosticere voksne. Nogle af de testmetoder, der indebærer blæsning i et rør, kan ikke bruges til små børn. Tidskrævende lungefunktionstest kan kun udføres fra fire eller fem år. For at løse dette problem, Fraunhofer EMB er gået sammen med Pattern Recognition Company og Raytrix GmbH i projektet "KillAsthma" sponsoreret af den tyske delstat Slesvig-Holsten. En ny hurtig test forventes at vende tilbage til et fund efter bare 60 til 90 minutter - og alt hvad der kræves for at diagnosticere astma er en dråbe blod og immuncellerne, den indeholder.

AI-baseret immuncelle analyse

Bevægelsesprofilen for blodceller hos astmatikere adskiller sig fra raske individer. "Hos patienter med astma, immuncellerne bevæger sig meget langsommere i nærvær af en inflammatorisk stimulus, "forklarer Dr. Daniel Rapoport, leder af arbejdsgruppen for celleteknologi hos Fraunhofer EMB. Forskerteamet trækker på denne viden i udviklingen af ​​testsættet. Ideen er at observere immuncellerne i bloddråben under et specielt udviklet holografisk mikroskop i cirka 90 minutter og, baseret på deres bevægelsesmønster, at vurdere, om patienten har astma. Mikroskopet, også omtalt som en cellescanner, muliggør automatisk, tredimensionel cellesporing i realtid.

Kunstig intelligens (AI) spiller en nøglerolle her, genkende karakteristiske mønstre i de komplekse bevægelsesmønstre i tusinder af celler. Men hvordan fungerer teknologien i detaljer? Blodet og et stof, der udløser den inflammatoriske stimulus, fyldes i en mikrofluidpatron og placeres derefter i det miniaturiserede mikroskop, som omfatter en LED og en optisk CMOS -billedsensor, der er forbundet med computersoftwaren. Billederne evalueres ved hjælp af specielt udviklede algoritmer. "Vi kan observere 2000 til 3000 celler samtidigt, sikre høj statistisk præcision, "siger Rapoport. De identificerede bevægelsesmønstre overføres derefter til et neuralt netværk. Selvlærende algoritmer analyserer blodcellens bevægelsesmønstre og beregner det diagnostiske indeks." AI lader os identificere afvigelser i mønstrene. Vi bruger selvlærende algoritmer til at fange disse forskelle. Omfattende træningsdata hjælper de neurale netværk med at genkende mønstre og skelne mellem profiler af astmapatienter og raske individer. "

Udvidelse af metoden til andre sygdomme

Det kan konkluderes, at AI også er i stand til at lære andre afvigelser fra normen. "Vores metode kan også bruges til at analysere andre sygdomme. Dette gælder især for autoimmune og kroniske inflammatoriske sygdomme såsom Crohns sygdom, ulcerøs colitis og gigt. Diagnosen af ​​disse tilstande er lang, kedelig proces og kan fremskyndes betydeligt med en skræddersyet hurtig test, "siger den Lübeck-baserede forsker." De første tests er blevet gennemført med succes. Billedevalueringen viste, at vores holografiske mikroskop er bedre end et kraftfuldt mikroskop. "Rapoport og hans projektpartnere optimerer i øjeblikket hardware og metode. Deres langsigtede mål er at identificere individuelle manifestationer af astma for at muliggøre udvikling af personlige behandlingsplaner .