
Krediet: Universiteit van Toronto
Onderzoekers van het Donnelly Center in samenwerking met Sunnybrook Health Sciences Centre, Public Health Ontario en Mt. Sinai Hospital heeft een diagnostische test ontwikkeld die gebruikmaakt van een smartphonecamera om COVID-19-patiënten te bewaken en te volgen.
Deze bevinding zou de doorlooptijd en efficiëntie voor de diagnose van infectieziekten aanzienlijk kunnen verbeteren, zowel voor COVID-19 als daarbuiten. Het onderzoek is gepubliceerd in het laatste nummer van Nano-letters.
“Het doel van de studie is om COVID-19-antilichaamtesten toegankelijker te maken.” zei Johnny Zhang, een Ph.D. kandidaat aan het Institute of Biomedical Engineering en Department of Chemistry, en een van de co-eerste auteurs van deze publicatie. “Het eindresultaat is dat de patiënten met hun telefoon een zelfdiagnose voor COVID-19 kunnen stellen en dat gegevens direct digitaal toegankelijk zijn voor medische professionals.”
In een traditionele diagnostische testworkflow voor infectieziekten wordt het klinische monster van de patiënt verkregen, naar een laboratorium gestuurd voor diagnostische tests en het resultaat wordt gedistribueerd naar klinisch personeel voor besluitvorming. Deze processen zijn vaak vrijstaand in bedrijf en hebben een lange doorlooptijd.
De onderzoekers ontwikkelden microbeads met kwantumdot-barcodes en een secundair label om te zoeken naar antilichamen tegen COVID-19-antigeen in het bloed van de patiënt. Het vinden van de antilichamen leidt tot een verandering in de kleur van de microbead-emissie.
De kralen worden vervolgens in het apparaat geladen, ‘geactiveerd’ met een laser en het signaal wordt afgebeeld met een smartphonecamera. Er is een app ontworpen om de afbeelding te verwerken om de emissieverandering van de kraal te identificeren. Ten slotte worden de gegevens op afstand over de hele wereld geïnterpreteerd en verzonden voor gegevensverzameling en besluitvorming.
“Het mooie van het systeem is dat alles is geïntegreerd in één draagbare eenheid.” zei Zhang.
Deze technologie, waarmee kwantumdot-microbeaddetectie minuscule hoeveelheden belangrijke biomarkers in bloed kan meten, is de afgelopen 10 jaar in ontwikkeling geweest.
“We wilden deze keer echt de prestaties en bruikbaarheid van de technologie verbeteren”, zegt Ayden Malekjahani (BME PhD-kandidaat), de andere co-eerste auteur van deze studie.
“Het kunnen detecteren van sporen van doelwit bij patiënten is niet genoeg. We wilden meer functies aan het apparaat toevoegen. We hebben het apparaat ontworpen om gelijktijdig meerdere antilichamen van verschillende monstertypes te detecteren, dus elke testrun zit boordevol informatie. De resultaten zijn vervolgens geüpload naar een online dashboard waar medische professionals en het publiek trends in realtime kunnen zien.”
De onderzoekers testten dit apparaat met negenenveertig bloedmonsters van patiënten waarbij verschillende gradaties van COVID-19-infectie aanwezig waren, en konden een gevoeligheid van 84-88% bereiken. Hoewel dit resultaat niet zo hoog is als bij traditionele tests, is het nog steeds ongeveer drie keer hoger dan bij laterale-flow-assays, die momenteel de meest algemeen beschikbare draagbare antilichaamtests zijn.
Dit resultaat betekent ook dat het detecteren van COVID-19-antilichamen nu buiten de gecentraliseerde faciliteiten kan worden gedaan zonder een grote afname van de nauwkeurigheid.
Dit onderzoek was een samenwerking met de Public Health Ontario, Sunnybrook Hospital en Mount Sinai Hospital, waar klinische monsters werden verstrekt aan de onderzoekers om dit nieuwe systeem te testen en te evalueren.
“Dit apparaat kan een game-changer zijn in de manier waarop we de verspreiding van infectieziekten en de reactie van een patiënt op vaccins volgen.” zei Warren Chan, directeur van het Institute of Biomedical Engineering en Donnelly Center-onderzoeker die het onderzoek leidde.
Yuwei Zhang et al, Bewaken en volgen van COVID-19-patiënten met behulp van een draagbaar Quantum Dot-smartphoneapparaat, Nano-letters (2021). DOI: 10.1021/acs.nanolet.1c01280
Nano-letters
Aangeboden door de Universiteit van Toronto