BreathObserver – Nichtinvasive point-of-care Atemgasanalyse zur Lungenkarzinomerkennung

 


 

Überblick

Projektbeschreibung:

Geratherm Respiratory

Lungen- und Bronchialkrebs zählen zu den häufigsten Arten von Krebs und verursachen 1/5 der gesamten tumorassoziierten Krankheitslast in Deutschland. Die etablierten Verfahren der Erstdiagnostik von Lungenkrebs (CT-Untersuchung, Bronchoskopie) sind für den Patienten stark belastend, zeit- bzw. kostenintensiv. Darüber hinaus sind diese Verfahren invasiv und die verfügbaren Ressourcen limitiert.
Ziel des Projekts ist es, ein neuartiges modulares und multimodales medizinisches Diagnosegerät für die direkte Analyse des menschlichen Ausatemgases (Exhalat) zu erforschen, mit dem Anzeichen von Lungenkarzinomen anhand der Erkennung volatiler organischer Verbindungen (VOC) frühzeitig entdeckt und ein Schweregrad unterschieden werden kann. Das zu erforschende, völlig neuartige, kosteneffiziente, nichtinvasive, mobile und modulare Exhalatanalysesystem soll zum Screening und zur schnellen initialen Diagnosestellung in Kliniken und in Arztpraxen eingesetzt werden.

Das Projektkonsortium besteht aus vier Partnern mit komplementärer Expertise:

  • Geratherm Respiratory GmbH als Industriepartner und Projektkoordinator: Software, Gesamtintegration der Soft- und Hardwarekomponenten inkl. wechselbarem Einmalsensor zu einem Funktionsdemonstrator
  • UST Umweltsensortechnik GmbH als Industriepartner: Modulare, multimodale Gassensorik mit wechselbarem Einmalsensor
  • Technische Universität Ilmenau als Universität: Sensorkalibrier- und Datenanalyseverfahren für die Erkennung von Biomarkern im Exhalat
  • Universitätsklinikum Jena als Universität und klinischer Partner: Klinische Anforderungsanalyse, Biomarkererkennung und Referenzstudie

Zur Erreichung der Projektziele wird ein neuartiges Gesamtsystem erforscht, welches auf einer speziellen Metalloxid(MOX)-Halbleiter-Gassensorik basiert und diese in ein modulares und mobiles Messsystem integriert. Durch multimodale Datenanalyse und Kombination sowohl klassischer Feature-Engineering-Datenanalyse als auch Verfahren des Machine Learning sollen Pathologie-spezifische Biomarker im Exhalat mit hoher Spezifität und Sensitivität (jeweils ≥ 85%) detektiert werden.
Auf der Basis der neuartigen Exhalatanalytik erfolgt somit ein signifikanter Beitrag zur frühzeitigen Point-of-Care-Diagnostik von Lungenerkrankungen, speziell Lungenkarzinomen, und ihrer Verlaufskontrolle bei Therapie. Durch die frühe und vereinfachte Diagnostik unterstützt das System die Therapieaussichten und entlastet gleichzeitig das Gesundheitssystem.