嗅出肺癌:生物仿真呼吸分析通过一个深度欧特克学溶剂驱动的色度传感器阵列.

科学领域:

• 分析化学 分析化学
• 生物医学工程 生物医学工程
• 环境科学 环境科学

背景情况:

• 肺癌是全球主要的死亡原因,由于缺乏非侵入性早期检测方法,诊断往往会延迟.
• 目前用于肺癌的诊断工具可能是侵入性的,昂贵的,或缺乏可访问性,阻碍了早期干预和患者的结果.

研究的目的:

• 开发和验证一种新的,经济高效的,非侵入性的纸质传感器阵列,用于检测肺癌特异性挥发性有机化合物 (VOCs) 在呼气中.
• 评估传感器阵列在区分肺癌患者与健康个体以及其他呼吸道疾病患者的准确性.

主要方法:

• 一个基于纸张的色度传感器阵列,使用深度浸泡溶剂 (DES) 和pH指标,旨在捕获和检测肺癌VOC.
• 来自91名参与者的呼吸样本 (肺癌患者,非癌症呼吸道疾病患者和健康对照) 用便携式采集系统进行了分析.
• 统计分析,包括线性差异分析 (LDA),层次集群分析 (HCA) 和ROC曲线,用于评估传感器性能.

主要成果:

• 传感器阵列在区分肺癌患者与非癌症患者方面达到93%的准确性,灵敏度和特异性为98%.
• 该系统在区分肺癌与其他呼吸道疾病方面显示了87%的准确性,解决了显著的临床需求.
• 使用疏水性DES通过最小化水分干扰和放大VOC相互作用来增强传感器稳定性和选择性.

结论:

• 开发的基于纸张的传感器阵列通过呼吸分析提供了一种高度准确,快速和非侵入性的方法,用于通过呼吸分析来早期检测肺癌.
• 这种具有成本效益的技术在大规模的肺癌查计划中具有广泛应用的巨大潜力.
• 传感器阵列为传统诊断方法提供了一个变革性的替代方案,可能通过早期诊断提高患者的生存率.