DEVICE

Die letzte SARS-CoV-2 Pandemie hat gezeigt, dass schnelle, genaue und idealerweise nicht-invasive Tests erforderlich sind, um virale Infektionen zu erkennen und schnell eine individualisierte Isolation zu ermöglichen. Infektionsketten können so unterbrochen werden und sozialer Schutz wird dadurch gegeben. Die derzeit verwendeten Verfahren zur Diagnose von viralen und bakteriellen Infektionen sind in pandemischen Situationen nur eingeschränkt praktikabel: Der PCR-Test liefert zwar relativ genaue Ergebnisse, allerdings erst nach einer Laboranalyse wobei der gesamte Prozess mindestens einige Stunden dauert. Der Antigen-Test ist zwar wesentlich schneller, aber auch weniger genau mit deutlich mehr falsch positiven Ergebnissen und Fehlerquellen in der Handhabung. Antigen Tests sind weiters hoch spezifisch nur für die Detektion bestimmter Erkrankungen verfügbar. Dringend nötig sind daher Testverfahren, die auch ohne Spezialwissen einfach handhabbar sind und sofort ein hinreichend genaues Ergebnis liefern.

Das Ziel unseres Forschungsprojektes ist die Entwicklung eines Lernalgorithmus für das Infektionsscreening. Dabei soll die Erkennung aktueller aber auch zukünftig neu aufkommender, viraler und bakterieller Infektionen leicht möglich werden. Die Tests basieren auf ausgeatmeten, flüchtigen Verbindungen, die in Echtzeit-Nähe ausgewertet werden. Der innovative und interdisziplinäre Ansatz beinhaltet die Bestimmung der flüchtigen Verbindungen in der Atemluft, in klar definierten Patientengruppen, die eine Trennung zwischen Patienten mit viraler und mit bakterieller Infektionen, sowie von gesunden Probanden gewährleisten. Darüber hinaus ist die Entwicklung und Optimierung der analytischen Methode für das Gaschromatographie-Ionenmobilitätsspetrometrie (GC- IMS) Verfahren, die biostatistische Analyse der mehrdimensionalen Spektraldaten, die Validierung der flüchtigen Marker im klinischen Umfeld, vor Ort mit dem GC-IMS, sowie die Entwicklung von maschinellen Lernalgorithmen für eine zukünftig autonome Funktion des Gerätes ausschlaggebend.

Viele neue Erkenntnisse über die flüchtigen, organischen Verbindungen wurden bereits gewonnen, die mit Infektionen assoziiert sind. Eine sorgfältig geplante und überwachte klinische Studie mit einer hohen Patientenanzahl sorgt für eine statistisch relevante und abgesicherte Datengewinnung, was die Entwicklung eines robusten Mustererkennungsalgorithmus für das Infektionsscreening ermöglicht.