RU2772953C1 - Method for rapid diagnosis of acute myocardial infarction based on the registration of volatile molecular markers in exhaled air - Google Patents

Method for rapid diagnosis of acute myocardial infarction based on the registration of volatile molecular markers in exhaled air Download PDF

Info

Publication number
RU2772953C1
RU2772953C1 RU2021120218A RU2021120218A RU2772953C1 RU 2772953 C1 RU2772953 C1 RU 2772953C1 RU 2021120218 A RU2021120218 A RU 2021120218A RU 2021120218 A RU2021120218 A RU 2021120218A RU 2772953 C1 RU2772953 C1 RU 2772953C1
Authority
RU
Russia
Prior art keywords
ppb
quartile
myocardial infarction
acute myocardial
cutoff
Prior art date
Application number
RU2021120218A
Other languages
Russian (ru)
Inventor
Юрий Владимирович Кистенев
Алексей Владимирович Борисов
Вячеслав Сергеевич Заседатель
Вячеслав Валерьевич Рябов
Анна Геннадьевна Сыркина
Original Assignee
Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский Томский государственный университет»
Filing date
Publication date
Application filed by Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский Томский государственный университет» filed Critical Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский Томский государственный университет»
Application granted granted Critical
Publication of RU2772953C1 publication Critical patent/RU2772953C1/en

Links

Images

Abstract

FIELD: medicine.
SUBSTANCE: invention relates to a method for rapid diagnosis of acute myocardial infarction. A method based on the registration of volatile molecular markers in exhaled air is proposed, including sampling of the patient’s exhaled air and its spectral analysis, in which concentrations of a set of volatile molecular markers are measured, including at least nitric oxide (N2O), nitrogen dioxide (NO2), ethylene (C2H4), pentane (C5H12), carbon monoxide (CO), carbon dioxide (CO2), and an assessment of the compliance of the totality of measured concentrations with the presence or absence of acute myocardial infarction. The assessment of compliance with the probability of the presence or absence of acute myocardial infarction is carried out using a machine learning method trained using the values of concentrations of volatile molecular markers previously recorded in exhaled air samples of patients with clinically confirmed acute myocardial infarction and healthy volunteers, as well as using the support vector method trained using the values of concentrations of volatile molecular markers, previously registered in exhaled air samples of patients with clinically confirmed AMI and healthy volunteers.
EFFECT: invention provides an increase in the accuracy of diagnosis of acute myocardial infarction based on spectral analysis of exhaled air samples.
7 cl, 1 dwg, 3 tbl

Description

Изобретение относится к области газоанализа и может быть использовано в медицине для диагностики острого инфаркта миокарда (ОИМ).The invention relates to the field of gas analysis and can be used in medicine for the diagnosis of acute myocardial infarction (AMI).

Известен способ диагностики инфаркта миокарда (Патент КНР № 108913769, МПК C12Q1/6883, опубл. 30.11.2018), который содержит процедуру отбора биологической пробы пациента (кровь) и ее анализ методом ПЦР в реальном времени для определения содержания одиночного маркера инфаркта миокарда (экспрессии гена HELLS). Аналогичный подход предложен в способе диагностики инфаркта миокарда (Патент КНР № 107312852, МПК C12Q1/68, опубл. 03.11.2017), который содержит процедуру отбора биологической пробы пациента (кровь) и анализ ее методом ПЦР для определения содержания нескольких маркеров инфаркта миокарда (МикроРНК: miR-1468-5p и miR-892b), что повышает точность диагностики. There is a method for diagnosing myocardial infarction (China Patent No. 108913769, IPC C12Q1/6883, publ. 11/30/2018), which contains the procedure for taking a biological sample of a patient (blood) and analyzing it by real-time PCR to determine the content of a single marker of myocardial infarction (expression HELLS gene). A similar approach is proposed in the method for diagnosing myocardial infarction (China Patent No. 107312852, IPC C12Q1 / 68, publ. 03.11.2017), which contains the procedure for taking a biological sample of a patient (blood) and analyzing it by PCR to determine the content of several markers of myocardial infarction (MicroRNA : miR-1468-5p and miR-892b), which improves diagnostic accuracy.

Недостатком подобного способа является инвазивность отбора пробы крови и существенное время, необходимое для анализа пробы крови. The disadvantage of this method is the invasiveness of blood sampling and the significant time required to analyze the blood sample.

Известен способ дифференциальной диагностики рака легких (Kistenev Y.V., Borisov A.V., Kuzmin, D.A., Penkova O.V., Kostyukova N.Y., Karapuzikov A.A. Exhaled air analysis using wideband wave number tuning range infrared laser photoacoustic spectroscopy //JBO. 2017. Vol. 22, № 1. P. 017002), который содержит процедуру отбора биологической пробы пациента (выдыхаемый воздух и ее экспресс-анализ методом лазерной оптико-акустической спектроскопии для определения специфичного для рака легких профиля спектра поглощения пробы выдыхаемого воздуха. Данный подход является неинвазивным и позволяет сократить время анализа биологической пробы; недостатком является использование косвенного диагностического признака (профиль спектра поглощения пробы выдыхаемого воздуха), сложным образом связанного с набором возможных летучих молекулярных маркеров таргетного заболевания, что приводит к привязке диагностического признака к использованной экспериментальной реализации спектрального аналитического метода.A known method for the differential diagnosis of lung cancer (Kistenev Y.V., Borisov A.V., Kuzmin, D.A., Penkova O.V., Kostyukova N.Y., Karapuzikov A.A. Exhaled air analysis using wideband wave number tuning range infrared laser photoacoustic spectroscopy //JBO. 2017. Vol. 22, No. 1 . P. 017002), which contains a procedure for taking a patient’s biological sample (expired air and its express analysis using laser optical-acoustic spectroscopy to determine the profile of the absorption spectrum of the exhaled air sample specific for lung cancer. This approach is non-invasive and reduces the time of analysis of biological samples; the disadvantage is the use of an indirect diagnostic feature (the profile of the absorption spectrum of an exhaled air sample), which is complexly associated with a set of possible volatile molecular markers of the target disease, which leads to the binding of the diagnostic feature to the used experimental implementation of the spectral analytical method.

В качестве прототипа выбран способ диагностики инфаркта миокарда (Патент США № 20090247890 от 01.10.2009), который содержит процедуры отбора пробы выдыхаемого воздуха и анализ в ней концентрации летучих молекулярных маркеров. Недостатком изобретения является низкая точность, поскольку регистрируется только один летучий молекулярный маркер инфаркта миокарда (пентан). As a prototype, a method for diagnosing myocardial infarction (US Patent No. 20090247890 dated 01.10.2009) is selected, which contains procedures for sampling exhaled air and analyzing the concentration of volatile molecular markers in it. The disadvantage of the invention is the low accuracy, since only one volatile molecular marker of myocardial infarction (pentane) is recorded.

Задача, на решение которой направлено заявляемое в качестве изобретения техническое решение, состоит в повышении точности диагностики острого инфаркта миокарда на основе спектрального анализа проб выдыхаемого воздуха, где регистрируют концентрации набора летучих молекулярных маркеров, указанных в таблице 1, а оценка наличия ОИМ проводится по совокупности выявленных авторами концентраций набора летучих молекулярных маркеров. The problem to be solved by the technical solution claimed as an invention is improving the accuracy of diagnosing acute myocardial infarction based on spectral analysis of exhaled air samples, where the concentrations of a set of volatile molecular markers indicated in Table 1 are recorded, and the assessment of the presence of AMI is carried out based on the totality of the concentrations of a set of volatile molecular markers identified by the authors.

Поставленная задача решается тем, что заявленный способ экспресс-диагностики острого инфаркта миокарда на основе регистрации летучих молекулярных маркеров в выдыхаемом воздухе, включает отбор пробы выдыхаемого воздуха пациента и его спектральный анализ с измерением концентраций набора летучих молекулярных маркеров включающего, как минимум оксид азота (N2O), диоксид азота (NO2), этилен (C2H4), пентан (C5H12), монооксид углерода (CO), диоксид углерода (CO2) и оценку соответствия совокупности измеренных концентраций наличию или отсутствию острого инфаркта миокарда. The problem is solved by the fact that the claimed method for rapid diagnosis of acute myocardial infarction based on the registration of volatile molecular markers in the exhaled air, includes sampling the patient's exhaled air and its spectral analysis with the measurement of concentrations of a set of volatile molecular markers, including at least nitric oxide (N2O), nitrogen dioxide (NO2), ethylene (C2Hfour), pentane (C5H12), carbon monoxide (CO), carbon dioxide (CO2) and evaluating whether the population of measured concentrations is consistent with the presence or absence of acute myocardial infarction.

Оценку соответствия совокупности измеренных концентраций наличию и отсутствия острого инфаркта миокарда проводят путем сравнения измеренных концентраций с табличными значениями (в ppb) в виде медианного значения с границей первой и третьей квартилей. The assessment of the compliance of the set of measured concentrations with the presence and absence of acute myocardial infarction is carried out by comparing the measured concentrations with tabular values (in ppb) as a median value with the border of the first and third quartiles.

Оценку соответствия вероятности наличия или отсутствия острого инфаркта миокарда проводят с использованием метода машинного обучения, обученного с использованием значений концентраций летучих молекулярных маркеров, заранее зарегистрированных в пробах выдыхаемого воздуха пациентов с клинически подтвержденным острым инфарктом миокарда и здоровых добровольцев, а также метода опорных векторов, обученного с использованием значений концентраций летучих молекулярных маркеров, заранее зарегистрированных в пробах выдыхаемого воздуха пациентов с клинически подтвержденным ОИМ и здоровых добровольцев. Correspondence assessment of the probability of the presence or absence of acute myocardial infarction is carried out using a machine learning method trained using the concentration values of volatile molecular markers previously recorded in exhaled air samples from patients with clinically confirmed acute myocardial infarction and healthy volunteers, as well as the support vector machine method trained with using the values of concentrations of volatile molecular markers previously recorded in the samples of exhaled air of patients with clinically confirmed AMI and healthy volunteers.

Вероятность соответствия совокупности измеренных концентраций наличию (

Figure 00000001
или отсутствию (
Figure 00000002
острого инфаркта миокарда (ОИМ) оценивают по формулам: The probability that the set of measured concentrations corresponds to the presence (
Figure 00000001
or absence (
Figure 00000002
acute myocardial infarction (AMI) is evaluated by the formulas:

Figure 00000003
,
Figure 00000003
,

Figure 00000004
Figure 00000004

где

Figure 00000005
– частная вероятность наличия ОИМ, определенная с использованием i-го летучего молекулярного маркера,
Figure 00000006
где
Figure 00000007
,
Figure 00000008
- функции распределения табличных значений концентрации i-го летучего молекулярного маркера, соответствующие наличию (п.2) или отсутствию (п,3) ОИМ, соответственно, n – количество зарегистрированных летучих молекулярных маркеров.where
Figure 00000005
- partial probability of having AMI, determined using the i-th volatile molecular marker,
Figure 00000006
where
Figure 00000007
,
Figure 00000008
- distribution functions of tabular values of the concentration of the i-th volatile molecular marker, corresponding to the presence (item 2) or absence (n, 3) of AMI, respectively, n is the number of registered volatile molecular markers.

Вероятность соответствия совокупности измеренных концентраций наличию (

Figure 00000001
или отсутствию (
Figure 00000002
оценивают по формулам: The probability that the set of measured concentrations corresponds to the presence (
Figure 00000001
or absence (
Figure 00000002
evaluated according to the formulas:

Figure 00000009
,
Figure 00000009
,

Figure 00000010
Figure 00000010

где n – количество зарегистрированных летучих молекулярных маркеров.where n is the number of registered volatile molecular markers.

Таблица 1. Список летучих молекулярных маркеров для диагностики ОИМ и их концентраций (в ppb) Table 1. List of volatile molecular markers for the diagnosis of AMI and their concentrations (in ppb)

Летучий маркерflying marker Наличие ОИМPresence of AMI Отсуствие ОИМAbsence of AMI Q1Q1 Медианное значениеMedian value Q3Q3 Q1Q1 Медианное значениеMedian value Q3Q3 N2O N2O 108.7108.7 136.3136.3 170.4170.4 42.642.6 86.186.1 129.6129.6 NO2 NO 2 142.6142.6 161.9161.9 199.9199.9 159.0159.0 183.7183.7 226.8226.8 C2H4 C 2 H 4 2286.12286.1 2849.72849.7 3950.43950.4 3173.23173.2 4102.44102.4 5.79755.7975 C5H12 C 5 H 12 306.6306.6 343.4343.4 439.7439.7 342.8342.8 381.4381.4 419.3419.3 COCO 3042.83042.8 7469.47469.4 28905.028905.0 1243.31243.3 1951.11951.1 13286.113286.1 CO2 CO2 23836.623836.6 29867.029867.0 54138.454138.4 27715.727715.7 49639.249639.2 73710.173710.1

Здесь Q1 – граница первой квартили, Q3 – граница третьей квартили.Here Q1 is the boundary of the first quartile, Q3 is the boundary of the third quartile.

Отбор проб выдыхаемого воздуха может осуществляться либо в одноразовый контейнер или сразу в техническое средство спектрального анализа. Sampling of exhaled air can be carried out either in a disposable container or directly into the technical means of spectral analysis.

Технические средства спектрального анализа могут быть основаны на наборе химических сенсоров [2-5], методах газовой хроматографии [6-8], методах оптической спектроскопии [9-11].The technical means of spectral analysis can be based on a set of chemical sensors [2-5], gas chromatography methods [6-8], optical spectroscopy methods [9-11].

Оценка соответствия совокупности измеренных концентраций наличию или отсутствию ОИМ может быть реализована с использованием алгоритмов машинного обучения [1], расчета вероятности совместного появления независимых событий, использовании эргодической гипотезы, расстояния Минковского. The assessment of the compliance of the set of measured concentrations with the presence or absence of AMI can be implemented using machine learning algorithms [1], calculating the probability of the joint occurrence of independent events, using the ergodic hypothesis, Minkowski distance.

Примеры реализации заявленного изобретения представлены ниже:Examples of the implementation of the claimed invention are presented below:

Нами было проведено исследование летучих маркеров в выдыхаемом воздухе [1]. В целевую группу вошли 30 пациентов с первичным инфарктом миокарда, которые были набраны в НИИ кардиологии, Томск, Россия. Интервал между случаем ОИМ и временем отбора и анализа пробы составил 15,75 час. (среднее значение). В контрольную группу вошли 42 здоровых добровольца. Пробы выдыхаемого воздуха отбирались в одноразовый контейнер из химически инертного материала. Измерение концентраций набора летучих молекулярных маркеров, включающего оксид азота (N2O), диоксид азота (NO2), этилен (C2H4), пентан (C5H12), монооксид углерода (CO), диоксид углерода (CO2) в пробах выдыхаемого воздуха проводилось с использованием лазерного оптико-акустического газоанализатора “LaserBreeze” (производство ООО «Специальные технологии», г.Новосибирск) [11]. We have conducted a study of volatile markers in exhaled air [1]. The target group included 30 patients with primary myocardial infarction, who were recruited at the Research Institute of Cardiology, Tomsk, Russia. The interval between the case of AMI and the time of sampling and analysis of the sample was 15.75 hours. (mean). The control group included 42 healthy volunteers. Exhaled air samples were taken into a disposable container made of a chemically inert material. Measurement of the concentrations of a set of volatile molecular markers, including nitric oxide (N2O), nitrogen dioxide (NO2), ethylene (C2H4), pentane (C5H12), carbon monoxide (CO), carbon dioxide (CO2) in exhaled air samples was carried out using a laser optical -acoustic gas analyzer “LaserBreeze” (manufactured by LLC “Special Technologies”, Novosibirsk) [11].

Пример оценки соответствия совокупности измеренных концентраций наличию или отсутствию ОИМ с использованием алгоритмов машинного обученияAn example of assessing the compliance of a set of measured concentrations with the presence or absence of AMI using machine learning algorithms

При создании предиктивной модели наличия ОИМ была использована машина опорных векторов. Набранные экспериментальные данные о концентрации представленного выше набора летучих молекулярных компонент представителей целевой группы (наличие ОИМ) и контрольной группы (отсутствие ОИМ) делились случайным образом 500 раз на обучающую и тестовую выборки в пропорции 60%:40%. Обучающая выборка использовалась для обучения предиктивной модели, тестовая – для оценки ее специфичности и чувствительности. Затем эти оценки усреднялись по 500 реализациям. Итоговые значения специфичности и чувствительности, в зависимости от использованного набора летучих молекулярных маркеров представлены в Таблице 2. When creating a predictive model for the presence of AMI, a support vector machine was used. The collected experimental data on the concentration of the above set of volatile molecular components of the representatives of the target group (presence of AMI) and the control group (absence of AMI) were randomly divided 500 times into training and test samples in the proportion of 60%:40%. The training set was used to train the predictive model, while the test set was used to assess its specificity and sensitivity. These scores were then averaged over 500 realizations. The final values of specificity and sensitivity, depending on the set of volatile molecular markers used, are presented in Table 2.

Таблица 2. Оценка специфичности и чувствительности диагностики ОИМ на основе использования различных наборов летучих молекулярных маркеровTable 2. Evaluation of the specificity and sensitivity of diagnosing AMI based on the use of various sets of volatile molecular markers

Набор летучих молекулярных маркеровVolatile molecular markers set СпецифичностьSpecificity ЧувствительностьSensitivity Среднее значениеMean Среднеквадратичное отклонениеStandard deviation Среднее значениеMean Среднеквадратичное отклонениеStandard deviation N2O N2O 0.9950.995 0.0180.018 0.3860.386 0.2000.200 N2O, NO2 N 2 O, NO 2 0.9710.971 0.0550.055 0.5200.520 0.1670.167 N2O, CO N2O , CO 0.9910.991 0.0290.029 0.4450.445 0.2090.209 N2O, NO2, CON 2 O, NO 2 , CO 0.9230.923 0.0910.091 0.7030.703 0.1460.146 N2O, NO2, C2H4, CON 2 O, NO 2 , C 2 H 4 , CO 0.9230.923 0.0900.090 0.7400.740 0.1380.138 C5H12, N2O, NO2, C2H4, COC 5 H 12 , N 2 O, NO 2 , C 2 H 4 , CO 0.9340.934 0.0720.072 0.7740.774 0.1360.136 C5H12, N2O, NO2, C2H4, CO, CO2 C 5 H 12 , N 2 O, NO 2 , C 2 H 4 , CO, CO 2 0.9280.928 0.0670.067 0.8240.824 0.1130.113

Ниже приведен пример оценки соответствия совокупности измеренных концентраций наличию или отсутствию ОИМ на основе расчета вероятности совместного появления независимых событий. Below is an example of assessing the compliance of a set of measured concentrations with the presence or absence of AMI based on the calculation of the probability of the joint occurrence of independent events.

Построим нормированные на площадь аппроксимации распределения концентраций летучих маркеров, представленных в таблице 1. Обозначим данные распределения как

Figure 00000007
и
Figure 00000008
для пациентов с ОИМ и здоровых лицо, соответственно. Здесь индекс i – номер летучего маркера. Введем частную вероятность наличия ОИМ:Let us construct the distributions of concentrations of volatile markers normalized to the approximation area, presented in Table 1. Let us designate these distributions as
Figure 00000007
and
Figure 00000008
for patients with AMI and healthy individuals, respectively. Here index i is the number of the flying marker. Let's introduce the partial probability of having AMI:

Figure 00000011
,
Figure 00000011
,

тогда частная вероятность отсутствия ОИМ будет then the partial probability of the absence of AMI will be

Figure 00000012
.
Figure 00000012
.

На фиг. 1 показаны распределения вероятностей

Figure 00000005
и
Figure 00000013
для i-го летучего маркера (по оси абсцисс отложена концентрация в ppb) .In FIG. 1 shows the probability distributions
Figure 00000005
and
Figure 00000013
for the i -th volatile marker (the concentration in ppb is plotted along the abscissa) .

Использование меры МинковскогоUsing the Minkowski measure

Figure 00000014
,
Figure 00000014
,

где r, p – параметры, определяющие свойства меры. С учетом того, что вероятность совместного появления независимых событий равна произведению их вероятностей, найдем вероятность того, что набор измеренных концентраций для исследуемого пациента соответствует наличию (

Figure 00000015
) или отсутствию (
Figure 00000016
) ОИМ следующим образом:where r, p are parameters that define the properties of the measure. Taking into account the fact that the probability of the joint occurrence of independent events is equal to the product of their probabilities, we find the probability that the set of measured concentrations for the patient under study corresponds to the presence of (
Figure 00000015
) or absence (
Figure 00000016
) MI as follows:

Figure 00000017
,
Figure 00000017
,

Figure 00000018
.
Figure 00000018
.

Критерий выбора может быть основан на эргодической гипотезе. Согласно этой гипотезе, вклад в результирующую вероятность от каждого из значимых признаков равновероятен, поэтому результирующая вероятность того, что у данного пациента ОИМ равна среднему значению соответствующих вероятностей, т.е.The selection criterion may be based on the ergodic hypothesis. According to this hypothesis, the contribution to the resulting probability from each of the significant features is equally probable, so the resulting probability that this patient has AMI is equal to the average value of the corresponding probabilities, i.e.

Figure 00000019
,
Figure 00000019
,

Figure 00000020
.
Figure 00000020
.

Пример реализации данных подходов представлен в Таблице 3. Видно, что значения

Figure 00000021
и
Figure 00000022
для пациента с ОИМ больше 0.6, а для меньше 0.4.An example of the implementation of these approaches is presented in Table 3. It can be seen that the values
Figure 00000021
and
Figure 00000022
for a patient with AMI, more than 0.6, and for less than 0.4.

Таблица 3. Измеренные концентрации летучих маркеров и рассчитанные значения

Figure 00000021
 и 
Figure 00000022
. Table 3. Measured concentrations of volatile markers and calculated values
Figure 00000021
and
Figure 00000022
.

Летучий маркерflying marker Наличие ОИМ,
женщина 67 летThe presence of AMI
woman 67 years old Отсуствие ОИМ,
доброволец женщина 61 годAbsence of AMI
volunteer female 61 years old

Figure 00000023
Figure 00000023
Figure 00000005
Figure 00000005
Figure 00000024
Figure 00000024
Figure 00000005
Figure 00000005
 N2O N2O 119.8119.8 0.44280.4428 38.038.0 0.32530.3253 NO2 NO 2 161.2161.2 0.65900.6590 356.9356.9 0.07020.0702 C2H4 C 2 H 4 2266.92266.9 0.70300.7030 5186.65186.6 0.22000.2200 C5H12 C 5 H 12 454.2454.2 0.74590.7459 454.2454.2 0.74660.7466 COCO 3445.93445.9 0.52450.5245 1191.61191.6 0.51550.5155 CO2 CO2 29949.829949.8 0.62730.6273 74862.074862.0 0.19090.1909
Figure 00000021
Figure 00000021
 -- 0,6080.608 -- 0,2690.269
Figure 00000022
Figure 00000022
 -- 0.6170.617 -- 0.3450.345

Список литературыBibliography

1. A.V. Borisov, A.G. Syrkina, D.A. Kuzmin, V.V. Ryabov, A.A. Boyko, O.Z., V.S. Zasedatel, Y.V. Kistenev. Application of machine learning and laser optical-acoustic spectroscopy to study the profile of exhaled air volatile markers of acute myocardial infarction. Journal of Breath Research, Volume 15, Number 2 Special Issue on Optical Spectroscopy for Breath Analysis 2021 J. Breath Res. 15 027104 1. AV Borisov, AG Syrkina, DA Kuzmin, VV Ryabov, AA Boyko, OZ, VS Zasedatel, YV Kistenev. Application of machine learning and laser optical-acoustic spectroscopy to study the profile of exhaled air volatile markers of acute myocardial infarction. Journal of Breath Research , Volume 15 , Number 2 Special Issue on Optical Spectroscopy for Breath Analysis 2021 J. Breath Res. 15 027104

2. Fernandes, M. P., S. Venkatesh, and B. G. Sudarshan, “Early Detection of Lung Cancer Using Nano-Nose - A Review,” Open Biomed. Eng. J. 9, 228–233 (2015).2. Fernandes, MP, S. Venkatesh, and BG Sudarshan, “Early Detection of Lung Cancer Using Nano-Nose - A Review,” Open Biomed. Eng. J. 9, 228–233 (2015).

3. Kuske, M., A.-C. Romain, and J. Nicolas, “Microbial volatile organic compounds as indicators of fungi. Can an electronic nose detect fungi in indoor environments?” Build. Environ. 40(6), 824–831 (2005).3. Kuske, M., A.-C. Romain, and J. Nicolas, “Microbial volatile organic compounds as indicators of fungi. Can an electronic nose detect fungi in indoor environments?” Build. environment . 40(6), 824–831 (2005).

4. Dan Wilson, A., “Review of Electronic-nose Technologies and Algorithms to Detect Hazardous Chemicals in the Environment,” Procedia Technology 1, 453 – 463 (2012). [doi: 10.1016/j.protcy.2012.02.101]4. Dan Wilson, A., “Review of Electronic-nose Technologies and Algorithms to Detect Hazardous Chemicals in the Environment,” Procedia Technology 1, 453 – 463 (2012). [doi:10.1016/j.protcy.2012.02.101]

Claims (11)

1. Способ экспресс-диагностики острого инфаркта миокарда на основе регистрации летучих молекулярных маркеров в выдыхаемом воздухе, включающий отбор пробы выдыхаемого воздуха пациента и его спектральный анализ, отличающийся тем, что проводят измерение концентраций набора летучих молекулярных маркеров, включающего оксид азота (N2O), диоксид азота (NO2), этилен (С2Н4), пентан (С5Н12), монооксид углерода (СО), диоксид углерода (СО2), и оценку соответствия совокупности измеренных концентраций наличию или отсутствию острого инфаркта миокарда.1. A method for rapid diagnosis of acute myocardial infarction based on the registration of volatile molecular markers in exhaled air, including sampling the patient's exhaled air and its spectral analysis, characterized in that they measure the concentrations of a set of volatile molecular markers, including nitric oxide (N 2 O) , nitrogen dioxide (NO 2 ), ethylene (C 2 H 4 ), pentane (C 5 H 12 ), carbon monoxide (CO), carbon dioxide (CO 2 ), and assessment of whether the totality of measured concentrations corresponds to the presence or absence of acute myocardial infarction. 2. Способ по п. 1, отличающийся тем, что оценку соответствия совокупности измеренных концентраций наличию острого инфаркта миокарда проводят путем сравнения измеренных концентраций с табличными значениями в виде медианного значения с границей первого и третьего квартилей, для оксида азота: медианное значение 136,3 ppb, граница первого квартиля 108.7 ppb, граница третьего квартиля 170.4 ppb; для диоксида азота: медианное значение 161.9 ppb, граница первого квартиля 142.6 ppb, граница третьего квартиля 199.9 ppb; для этилена: медианное значение 2849.7 ppb, граница первого квартиля 2286.1 ppb, граница третьего квартиля 3950.4 ppb; для пентана: медианное значение 343.4 ppb, граница первого квартиля 306.6 ppb, граница третьего квартиля 439.7 ppb; для монооксида углерода: медианное значение 7469.4 ppb, граница первого квартиля 3042.8 ppb, граница третьего квартиля 28905.0 ppb; для углекислого газа: медианное значение 29867 ppb, граница первого квартиля 23836.6 ppb, граница третьего квартиля 54138.4 ppb.2. The method according to claim 1, characterized in that the assessment of the compliance of the totality of measured concentrations with the presence of acute myocardial infarction is carried out by comparing the measured concentrations with tabular values in the form of a median value with the border of the first and third quartiles, for nitric oxide: a median value of 136.3 ppb , the boundary of the first quartile is 108.7 ppb, the boundary of the third quartile is 170.4 ppb; for nitrogen dioxide: median 161.9 ppb, first quartile cutoff 142.6 ppb, third quartile cutoff 199.9 ppb; for ethylene: median value 2849.7 ppb, first quartile limit 2286.1 ppb, third quartile limit 3950.4 ppb; for pentane: median value 343.4 ppb, first quartile limit 306.6 ppb, third quartile limit 439.7 ppb; for carbon monoxide: median 7469.4 ppb, first quartile cutoff 3042.8 ppb, third quartile cutoff 28905.0 ppb; for carbon dioxide: median 29867 ppb, first quartile cutoff 23836.6 ppb, third quartile cutoff 54138.4 ppb. 3. Способ по п. 1, отличающийся тем, что оценку соответствия совокупности измеренных концентраций отсутствию острого инфаркта миокарда проводят путем сравнения измеренных концентраций с табличными значениями в виде медианного значения с границей первого и третьего квартилей, для оксида азота: медианное значение 86.1ppb, граница первого квартиля 42.6 ppb, граница третьего квартиля 129.6 ppb, для диоксида азота: медианное значение 183.7ppb, граница первого квартиля 159.0 ppb, граница третьего квартиля 226.8 ppb, для этилена: медианное значение 4102.4 ppb, граница первого квартиля 3173.2 ppb, граница третьего квартиля 5797.5 ppb, для пентана: медианное значение 381.4 ppb, граница первого квартиля 342.8 ppb, граница третьего квартиля 419.3 ppb, для монооксида углерода: медианное значение 1951.1 ppb, граница первого квартиля 1243.3 ppb, граница третьего квартиля 13286.1 ppb, для углекислого газа: медианное значение 49639.2 ppb, граница первого квартиля 27715.7 ppb, граница третьего квартиля 73710.1 ppb.3. The method according to claim 1, characterized in that the assessment of the compliance of the totality of measured concentrations with the absence of acute myocardial infarction is carried out by comparing the measured concentrations with tabular values in the form of a median value with the border of the first and third quartiles, for nitric oxide: median value 86.1ppb, border first quartile 42.6 ppb, third quartile cutoff 129.6 ppb, for nitrogen dioxide: median 183.7ppb, first quartile cutoff 159.0 ppb, third quartile cutoff 226.8 ppb, for ethylene: median 4102.4 ppb, first quartile cutoff 3173.2 ppb, third quartile cutoff 57 975 ppb, for pentane: median 381.4 ppb, first quartile cutoff 342.8 ppb, third quartile cutoff 419.3 ppb, for carbon monoxide: median 1951.1 ppb, first quartile cutoff 1243.3 ppb, third quartile cutoff 13286.1 ppb, for carbon dioxide: median 49639.2 ppb, first quartile limit 27715.7 ppb, third quartile limit 73710.1 ppb. 4. Способ по п. 1, отличающийся тем, что оценку соответствия вероятности наличия или отсутствия острого инфаркта миокарда проводят с использованием метода машинного обучения, обученного с использованием значений концентраций летучих молекулярных маркеров, заранее зарегистрированных в пробах выдыхаемого воздуха пациентов с клинически подтвержденным острым инфарктом миокарда и здоровых добровольцев.4. The method according to claim 1, characterized in that the correspondence between the probability of the presence or absence of acute myocardial infarction is assessed using a machine learning method trained using concentration values of volatile molecular markers previously recorded in exhaled air samples of patients with clinically confirmed acute myocardial infarction and healthy volunteers. 5. Способ по п. 1, отличающийся тем, что оценку соответствия вероятности наличия или отсутствия острого инфаркта миокарда проводят с использованием метода опорных векторов, обученного с использованием значений концентраций летучих молекулярных маркеров, заранее зарегистрированных в пробах выдыхаемого воздуха пациентов с клинически подтвержденным острым инфарктом миокарда и здоровых добровольцев.5. The method according to claim 1, characterized in that the correspondence between the probability of the presence or absence of acute myocardial infarction is assessed using the support vector machine trained using the concentration values of volatile molecular markers previously recorded in exhaled air samples of patients with clinically confirmed acute myocardial infarction and healthy volunteers. 6. Способ по п. 1, отличающийся тем, что вероятность соответствия совокупности измеренных концентраций наличию (Рb) или отсутствию (Рz) острого инфаркта миокарда (ОИМ) оценивают по формулам:6. The method according to claim 1, characterized in that the probability that the set of measured concentrations corresponds to the presence (P b ) or absence (P z ) of acute myocardial infarction (AMI) is estimated by the formulas:
Figure 00000025
Figure 00000025
 где Рb,i - частная вероятность наличия ОИМ, определенная с использованием i-го летучего молекулярного маркера,
Figure 00000026
где fb,i, fz,i - функции распределения табличных значений концентрации 1-го летучего молекулярного маркера, соответствующие наличию (п. 2) или отсутствию (п. 3) ОИМ, соответственно; п=6.where P b,i is the partial probability of having AMI, determined using the i-th volatile molecular marker,
Figure 00000026
where f b, i , f z, i - distribution functions of the tabular values of the concentration of the 1st volatile molecular marker, corresponding to the presence (item 2) or absence (item 3) of AMI, respectively; n=6. 7. Способ по п. 1, отличающийся тем, что вероятность соответствия совокупности измеренных концентраций наличию (Рb) или отсутствию (Pz) оценивают по формулам:7. The method according to claim 1, characterized in that the probability that the set of measured concentrations corresponds to the presence (P b ) or absence (P z ) is estimated by the formulas:
Figure 00000027
Figure 00000027
 где n - количество зарегистрированных летучих молекулярных маркеров.where n is the number of registered volatile molecular markers.
RU2021120218A 2021-07-09 Method for rapid diagnosis of acute myocardial infarction based on the registration of volatile molecular markers in exhaled air RU2772953C1 (en)

Publications (1)

Publication Number Publication Date
RU2772953C1 true RU2772953C1 (en) 2022-05-27

Family

ID=

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090247890A1 (en) * 2008-03-26 2009-10-01 Nellcor Puritan Bennett Llc Solid state myocardial infarction detector

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090247890A1 (en) * 2008-03-26 2009-10-01 Nellcor Puritan Bennett Llc Solid state myocardial infarction detector

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Kistenev Y.V. et al. Exhaled air analysis using wideband wave number tuning range infrared laser photoacoustic spectroscopy, JBO. 2017. Vol. 22, N 1. P. 017002. *

Similar Documents

Publication Publication Date Title
Robroeks et al. Exhaled volatile organic compounds predict exacerbations of childhood asthma in a 1-year prospective study
Bellet et al. The 6-minute walk test in outpatient cardiac rehabilitation: validity, reliability and responsiveness—a systematic review
van Oort et al. The potential role of exhaled breath analysis in the diagnostic process of pneumonia—a systematic review
US10194833B2 (en) Method and apparatus for non-invasive detection of conditions such as lung cancer
Van der Sar et al. The smell of lung disease: a review of the current status of electronic nose technology
Hidayat et al. Hybrid learning method based on feature clustering and scoring for enhanced COVID-19 breath analysis by an electronic nose
WO2010031788A1 (en) Method for the diagnosis of chronic obstructive pulmonary disease by detecting volatile organic compounds in exhaled air
Takamura et al. Recent advances of vibrational spectroscopy and chemometrics for forensic biological analysis
US20240044802A1 (en) Surface-enhanced raman scattering (sers) platform for analysis
CN111413492A (en) Method and system for detecting novel coronavirus COVID-2019 pneumonia
Kiss et al. Exhaled biomarkers for point-of-care diagnosis: Recent advances and new challenges in breathomics
RU2772953C1 (en) Method for rapid diagnosis of acute myocardial infarction based on the registration of volatile molecular markers in exhaled air
CN111951964A (en) Method and system for rapidly detecting novel coronavirus pneumonia
Smith et al. Selected ion flow tube mass spectrometry
US20220386952A1 (en) Method to determine cognitive impairment
RU2486522C2 (en) Instant diagnostic technique for bronchopulmonary diseases
JP4961579B2 (en) Chronic fatigue syndrome (CFS) diagnostic method and apparatus using near infrared spectroscopy
CN115064219A (en) Method for identifying VOCs biomarkers in human expiration based on machine learning
US7056745B2 (en) Diagnostic method and apparatus
RU2578445C1 (en) Method for differential diagnosis of bronchopulmonary diseases
WO2018186434A1 (en) Method and system for evaluating risk of age-related macular degeneration
Machado Identifying chronic obstructive pulmonary disease and asthma by exhaled breath analysis: does the (e) Nose know?
Mazzone et al. EP01. 01-003 DELFI-L101: Development of a Blood-Based Assay That Evaluates Cell-Free DNA Fragmentation Patterns to Detect Lung Cancer
Pennazza et al. Breathprinting of liver diseases
Listiandoko et al. EP01. 01-004 The Correlation Between Exhaled Volatile Organic Compounds Using Breath Analyzer and Interleukin-23 (IL-23) in Lung Cancer