Az AI- és biotechnológiai vállalat, az Ainos együttműködik a National Taiwan University (NTU) kutatóival egy egyéves kutatási programban, amelynek célja annak vizsgálata, hogy a cég Smell AI platformja képes-e azonosítani a nehézlégzés (orvosi nevén dyspnoe) hátterében álló egyes betegségeket a páciensek kilélegzett levegőjében található illékony szerves vegyületek (VOC-k) elemzése alapján. A program júliusban indul.
A dyspnoe az egyik leggyakoribb panasz a sürgősségi osztályokon, és sokféle kórkép tünete lehet. A kutatás különösen azt vizsgálja, hogy a rendszer meg tudja-e különböztetni a krónikus obstruktív tüdőbetegség akut fellángolását (AECOPD) és az akut dekompenzált szívelégtelenséget (ADHF), mivel ezek eltérő kezelést kívánnak.
Technológia: Smell AI és AI Nose
Az Ainos Smell AI platformjának központi eleme az AI Nose modul, amely több mikro-elektromechanikai rendszerre (MEMS) épülő érzékelőt és egy integrált digitális processzort tartalmaz. A vállalat közlése szerint az érzékelők elektromos ellenállása megemelkedik bizonyos gázok jelenlétében; ezt a változást digitális jellé alakítják, amelyet a rendszer a működése során nagyjából úgy értelmez, ahogy az emberi orr dolgozza fel a szagokat.
Az adatok értelmezéséért egy saját fejlesztésű Smell Language Model ("Szagnyelvi Modell") felel, amelyet arra képeztek, hogy megtanulja, osztályozza és kontextusba helyezze az összetett illatmintázatokat.
Eddy Tsai, az Ainos vezérigazgatója ezt így fogalmazta: „Az AI Nose eredetileg orvosi diagnosztikai alkalmazásokhoz készült, ahol a nem invazív érzékelés, a pontosság és a valós környezetben történő validáció kulcsfontosságú. Ez a kutatási program visszahozza ezt a tapasztalatot egy nagy értékű klinikai környezetbe, és kiterjeszti Smell AI platformunkat a digitális légzéselemzés területére.”
Mire lehet jó mindez?
Az Ainos és az NTU célja egy olyan rendszer fejlesztése és validálása, amely VOC-alapú „légzéslenyomatok” elemzésével képes felismerni az AECOPD és/vagy az ADHF jelenlétét a dyspnoe-s betegeknél. Ha a megközelítés sikeres, a projekt hozzájárulhat egy nehézlégzéshez kapcsolódó légzéslenyomat-adatbázis létrehozásához, és megalapozhatja a további kutatásokat sürgősségi osztályokon, járóbeteg-ellátásban, illetve akár otthoni monitorozásban.
Kapcsolódó előzmények
A mostani kutatás egy korábbi programra épül: az AI Nose rendszert már tesztelték a Tajvani Nemzeti Egyetemi Kórház aktív sürgősségi osztályán. Ott a megoldást légúti fertőzések nyomon követésére és a várótermek, kezelőhelyiségek, megfigyelő zónák zsúfoltságának monitorozására alkalmazták.
Korlátozások és kilátások
A szagérzékelésen alapuló diagnosztika ígéretes lehetőségeket rejt a nem invazív, gyors triázs és követés terén, ugyanakkor a technológia klinikai megerősítést igényel, különösen olyan heterogén tünet, mint a dyspnoe esetén, ahol a háttérben több eltérő betegség is állhat. Az Ainos és az NTU projektje ezért első lépés lehet a digitális légzésintelligencia egészségügyi alkalmazásainak szélesebb körű vizsgálatában.
