據麥姆斯咨詢報道，近日，印度尼西亞加查馬達大學（Universitas Gadjah Mada）的研究人員及Trisna Julian等人組成的研究團隊，開發了一款低成本、非侵入、可快速“嗅出”新冠肺炎（COVID-19）的便攜式電子鼻（GeNose C19），該電子鼻集成了金屬氧化物半導體氣體傳感器陣列、優化的特征提取方法和機器學習模型。

2019年底，中國湖北省武漢市出現了新型冠狀病毒（SARS-CoV-2）引發的新冠肺炎（COVID-19），隨后全球200多個國家和地區相繼爆發新冠疫情，并不斷升級。COVID-19大流行嚴重威脅老年群體和免疫功能低下人群的生命。自疫情爆發以來，逆轉錄-定量聚合酶鏈反應（RT-qPCR）方法一直被用于COVID-19常規性檢測及診斷。

發達國家的醫療資源豐富，大規模RT-qPCR檢測已成為其篩查和流行病學控制的一種普遍手段。然而，對于發展中國家，尤其是中低收入國家來說，這些檢測太奢侈了。但是，阻止大流行蔓延意味著要確保全球所有國家在有選擇地進行隔離和控制的前提下，都有能力繼續進行大規模和快速的篩查。

為了克服RT-qPCR作為篩查工具的局限性，一些臨床醫生和研究人員嘗試結合使用臨床體征和癥狀、實驗室檢測、影像學測量（例如胸部計算機斷層掃描）和多變量臨床預測模型，包括電子鼻，以及RT-qPCR來驗證臨床診斷結果。

在該項研究中，研究人員通過集成金屬氧化物半導體氣體傳感器陣列、機器學習分析和呼吸采樣設置，開發了一種便攜式呼吸分析儀——電子鼻，稱為“GeNose C19”（如下圖所示）。該定制系統被用于對印度尼西亞兩家醫院中兩組不同受試者（即RT-qPCR確診的COVID-19陽性患者組和陰性受試者組）的臨床測試進行分析，以研究其區分這兩個不同受試組呼吸模式的潛力。研究人員檢查了四種不同的機器學習算法，以確定所開發設備的最高可能精度。

利用集成人工智能（AI）的便攜式電子鼻GeNose C19快速、非侵入檢測COVID-19

用于COVID-19檢測的電子鼻GeNose C19

集成到電子鼻GeNose C19中用于“嗅出”COVID-19的電子和機械組件分為兩個主要部分（即傳感和呼吸采樣單元），如下圖a、b所示。前者由密封在微型化腔室中的化學電阻傳感器陣列、微型泵、三通電磁閥、電源和數據采集系統組成。它們都被放置在一個3D打印的外殼中。后者包括一個高效空氣過濾器（HEPA）和一個由醫用級聚氯乙烯制成的一次性空氣采樣袋。這兩部分均單獨設計，然后通過外徑為4mm的柔性醫用級聚四氟乙烯（PTFE）管連接，以便在氣體傳感過程中保持氣流通暢（下圖c）。該裝置中，高效空氣過濾器連接在儲液袋和GeNose C19入口之間，濾出含新冠肺炎病毒的飛沫。此外，它還具有吸水元件，以消除對氣體傳感器干擾最大的水分子（圖d）。因此，只有目標揮發性有機化合物（VOCs）會進入傳感室，因為病毒會被含有纖維墊的過濾器捕獲（圖e、f），并且防止其污染GeNose C19機器中整個空氣軌跡。

GeNose C19系統及其組件

呼吸氣體的傳感器特性

當沒有呼吸通過管道進入測試室時，首先測量傳感器基線值（即對應環境條件的傳感器信號）。然后將它們作為對含揮發性有機化合物呼吸的輸出響應信號的參考基數。氣體分子與化學電阻傳感器的活性層表面相互作用后，由于電阻降低，它們的輸出電壓增加。所有傳感器在40s內同時進行傳感測量，以達到其飽和階段。通常，對于金屬氧化物半導體氣體傳感器來說，由于活性材料（例如N型二氧化錫）和氣體分子之間的氧化還原反應，其電導率將在目標氣體存在時發生變化。基于表面化學吸附氧反應的平衡位移對揮發性有機化合物的詳細傳感機制已在其它研究中進行了描述。本研究中，材料表面的耗盡區由目標揮發性有機化合物控制，導致自由電荷載流子（即在N型二氧化錫活性層的自由電子）從金屬氧化物半導體到氧的移動發生變化，反之亦然。

GeNose C19在COVID-19分析測試中的性能

GeNose C19被用于兩家醫院（即斯萊曼的Bhayangkara綜合醫院（RS Bhayangkara）和班圖爾的Bambanglipuro COVID-19特殊野戰醫院（RSLKC Bantul））的COVID-19分析測試，以研究其對檢測COVID-19的效力和功能。本次研究招募了83名受試者，其中確診為COVID-19陽性（病例組）的受試者43名，檢測為COVID-19陰性（對照組）的受試者40名（下圖）。其中，病例組因病情惡化排除了2名受試者，這兩名受試者被轉診至高水平的醫療機構。

通過機器學習進行測量的呼吸數據分析

本次研究方法在分析測試中進行了評估，共涉及615個呼吸樣本，其中333個陽性樣本和282個陰性樣本。樣本分別來自43名COVID-19陽性患者和40名陰性受試者，并在印度尼西亞日惹特區的兩家醫院進行了RT-qPCR確認。研究者利用四種不同的機器學習算法（即線性判別分析、支持向量機、堆疊多層感知器和深度神經網絡）識別出性能最好的模式識別方法，并從測試數據集獲得較高的系統檢測精度（88%~95%）、靈敏度（86%~94%）和特異性（88%~95%）水平。本次研究結果表明，電子鼻GeNose C19可以作為一種非常有潛力的COVID-19快速篩查測試儀。