NIST / JILA同伴小君,大卫·尼斯贝特和他们的同事证明,一个呼气测醉器基于频率梳技术结合机器学习技术可以准确地检测SARS-CoV-2感染人类呼吸。频率梳技术有可能发现许多其他疾病,如慢性阻塞性肺病、肺癌和肾功能衰竭。频率梳可以精确测量不同波长的光,包括红外线吸收分子在一个人的呼吸。与机器学习相结合,这种技术可以检测存在的特定疾病的分子特征的组合。
早在2008年,小君JILA的你们和他的同事们展示了世界上第一个频率梳呼气测醉器,测量光的吸收在近红外光谱的一部分。2021年,他们获得了千重提高检测灵敏度通过扩展技术中红外光谱区,在分子吸收光线强烈得多。这使得一些呼吸分子识别在兆分之一级浓度往往是最低的那些礼物。
本研究的好处是使用机器学习的数据从14836年所有的呼吸样本以梳理“牙齿”,分别代表不同的波长或频率来创建一个诊断疾病的预测模型。
“分子浓度的增加或减少与特定疾病相关。机器学习分析这些信息,识别模式和发展可靠的标准我们可以用来预测诊断”,梁旗忠说,小君你们组的一名研究生。
“我认为这个梳子技术优于任何”,NIST / JILA的小君叶说。“基本观点不仅仅是检测灵敏度,但事实上,我们可以产生更大的数据量,或呼吸标记,真正建立一个全新的领域,梳理breathomics AI的帮助下。与数据库,我们可以用它来搜索和研究人类和其他生理条件帮助推进医疗的未来。”
JILA梳呼气测醉器方法展示了出色的精度检测COVID利用机器学习算法对吸收模式预测SARS-CoV-2感染。H2O, HDO, H2公司,在北半球3,CH3哦,没有2被确定为歧视SARS-CoV-2感染的分子检测。
在未来,研究者可以通过扩大光谱覆盖范围进一步提高精度,分析模式与更强大的人工智能技术,和测量和分析其他分子,其中可能包括SARS-CoV-2病毒本身。研究人员将需要建立一个数据库的具体红外波长吸收的病毒(它的光谱“指纹”)潜在的病毒浓度测量的呼吸。
研究人员还发现显著差异的呼吸样本基于烟草使用和各种各样的乳糖不耐受等胃肠道症状。这表明更广泛的技术诊断能力不同的疾病。
研究人员计划进一步的研究试图诊断其他疾病如慢性阻塞性肺疾病,全球第三大死因据世界卫生组织。研究人员最近也提振了梳子呼气测醉器的诊断能力通过扩大检测额外的分子光谱覆盖范围。他们计划雇佣额外的人工智能方法如深度学习改善疾病检测的能力。已经努力在使小型化和简化技术使其便携、容易使用在医院和其他保健设置。
