呼吸学引导的固态传感器用于非侵入性治疗点糖尿病查

科学领域:

• 分析化学 分析化学
• 代谢学 代谢学 代谢学
• 生物医学工程 生物医学工程

背景情况:

• 查糖尿病是一种全球性健康挑战,许多病例未被诊断出来.
• 目前用于DM的非侵入性呼吸分析方法缺乏诊断特异性,通常只关注乙.
• 需要准确,可扩展和可访问的DM选工具,特别是在资源有限的环境中.

研究的目的:

• 开发和验证使用呼吸分析进行DM查的综合诊断策略.
• 确定用于DM检测的新型挥发性有机化合物 (VOC) 生物标志物.
• 创建一个便携式的,点的护理 (POC) 设备,用于快速的DM查.

主要方法:

• 来自130名DM患者和122名健康对照者的呼吸样本的GC-MS分析,以确定VOC生物标志物.
• 开发一个随机森林 (RF) 模型用于DM分类.
• 使用便携式固体电解质气体传感器 (SEGS) 快速检测VOC.
• 细胞水平的代谢调查,以了解呼吸中的VOCs的生物基础.

主要成果:

• 通过随机森林模型确定了九种有区别的VOC,实现了0.93.9的交叉验证AUC.
• 在30秒内,SEGS分析仪在ppb水平上检测到目标VOC.
• 临床验证显示,糖尿病酸症 (DKA) 的准确率为100%,DM的准确率为83.3%.
• 在胰岛素抵抗细胞模型中,建立了呼吸中的VOC和非挥发性代谢物 (NVM) 途径之间的联系.

结论:

• 结合代谢学,SEGS和细胞分析的综合诊断平台使得生物可解释和临床验证的DM查成为可能.
• 开发的平台可在现场部署,为DM查提供可扩展和低成本的解决方案.
• 这种方法提升了在不同环境下糖尿病管理的非侵入性诊断能力.