S，或電子鼻。本文中所揭示的方法及系統(tǒng)基于患者呼出的VOC及所培養(yǎng)的分支桿菌的頂部空間氣體而對(duì)于TB測(cè)試具有非常高的敏感度及特異性。
[0084]圖8繪示本發(fā)明的再一實(shí)施例800。如其中所示，本發(fā)明提供對(duì)痰培養(yǎng)物(例如頂部空間810)進(jìn)行取樣的裝置及方法，其中分析儀830評(píng)價(jià)各種標(biāo)記VOC的濃度850或監(jiān)測(cè)VOC濃度隨時(shí)間的變化(例如，濃度斜率)。所述裝置及方法容許根據(jù)VOC超出閾值或例如斜率超過(guò)某一值來(lái)評(píng)價(jià)TB感染870?？舍槍?duì)哪種化合物對(duì)患者最有效來(lái)對(duì)多種治療性化合物進(jìn)行測(cè)試。以此方式，可通過(guò)測(cè)試多種抗生素針對(duì)個(gè)別患者(個(gè)性化裝置)定制藥物療法。此實(shí)施例容許代替當(dāng)前的TB診斷方法，且其更快速且更準(zhǔn)確。
[0085]C.肺癌
[0086]在其它實(shí)施例中，本發(fā)明提供用于檢測(cè)個(gè)體是否患有肺癌或監(jiān)測(cè)肺癌個(gè)體的方法及系統(tǒng)。在某些情況下，用于肺癌的VOC包括(但不限于)2-庚酮、4-甲基-壬烷、庚醛、2-甲基-壬烷、1，I’ - 二環(huán)戊基壬烷、4-甲基-辛烷、己醛、丙基-環(huán)己烷、三氘代乙腈(trideuteroacetonitrile)、5_ 甲基-2-己胺、1-丁基 _2 甲基，順式-環(huán)丙燒、1，1，3_三甲基_環(huán)己燒、2_氣-1- ( 二氣甲氧基)-1，1，2_ 二氣_乙燒、3_乙基_2_甲基-庚燒、1，3- 二甲基_，反式_環(huán)己燒、3_(甲硫基)-1-丙稀、3，6-二甲基-辛燒、2，3- 二甲基-戊燒、氯仿、1-(1-甲基-2-環(huán)戊烯-1-基)_乙酮、2-氰基-乙酰胺、4-(1，1- 二甲基乙基)_環(huán)己烯、1-甲基-4-(1-甲基乙烯基)環(huán)己烯、1，1-二甲基-環(huán)丙烷、乙酸2-甲氧基-乙酯、1-甲基-1-(1-甲基乙基)肼、反式-對(duì)式(anti)-l-甲基-十氫萘、乙炔基-苯、2-甲基亞丁基-環(huán)戊烷、八氫4，7-亞乙基(ethano)-lH-茚、5-甲氧基_1_氮雜_6_氧雜雙環(huán)(3.1.0)己烷、1，1-二甲基環(huán)己烷、4-(1-甲基乙基)-庚烷、1，4_ 二甲基-順式-環(huán)己烷、戊醛、3-甲基-壬燒、1，2，3_ 二甲基-，(I α 2 β 3 α )環(huán)己燒、派稀、[10Β] - 二乙基棚燒、2，5- 一.甲基_，順式-哌嗪、S -4-蒈烯、2-甲基-2-甲基丁基丙酸酯、3-甲基-戊烷及其組合。
[0087]在某些方面中，本發(fā)明所述方法及系統(tǒng)能夠診斷兩種主要類(lèi)型的肺癌，S卩非小細(xì)胞肺癌及小細(xì)胞肺癌。非小細(xì)胞肺癌(NSCLC)占肺癌的約80%，其包括鱗狀細(xì)胞癌、腺癌及細(xì)支氣管肺泡癌。小細(xì)胞肺癌(SCLC)占全部肺癌的約20%。
[0088]II1.傳感器陣列
[0089]在某些方面中，檢測(cè)器陣列包含一種傳感器或多種傳感器。在一個(gè)方面中，傳感器是表面微機(jī)械加工的傳感器(MEMS)。在其它實(shí)施例中，傳感器可以是體微機(jī)械加工的傳感器，意指MEMS傳感器中的至少一些傳感器是形成于襯底內(nèi)而非表面上。使用MEMS傳感器的傳感器陣列的又一些其它實(shí)施例可包括表面微機(jī)械加工傳感器與體微機(jī)械加工傳感器的組合。視應(yīng)用及所需敏感度而定，可使用不同類(lèi)型的傳感器(不限于MEMS類(lèi)型)?？墒褂玫腗EMS傳感器的實(shí)例包括化敏電阻器(chemiresistor)、體聲波(BAW)傳感器及諸如此類(lèi)。在其它實(shí)施例中，檢測(cè)器陣列包含一或多種可為非MEMS傳感器的傳感器?？捎糜跈z測(cè)器陣列的非MEMS傳感器的實(shí)例包括具有石英或砷化鎵襯底的SAW(表面聲波)傳感器或QCM (石英晶體微天平)。
[0090]在某些方面中，每一傳感器均包括上面具有涂層的表面。所使用的每一涂層對(duì)所檢測(cè)的特定化學(xué)品中的一或多種化學(xué)品(例如，N0、V0C)具有親和性，以使得所述涂層吸收其對(duì)應(yīng)一或多種化學(xué)品或與其以化學(xué)方式相互作用。涂層與化學(xué)品之間的相互作用又改變傳感器的物理性質(zhì)(例如共振頻率、電容或電阻)，且可使用變換器或其它測(cè)量裝置來(lái)測(cè)量傳感器的所述改變的物理性質(zhì)。在一個(gè)方面中，選擇用于傳感器的特定涂層取決于待使用傳感器陣列檢測(cè)的化學(xué)品。涂層的化學(xué)親和性也可隨溫度而強(qiáng)烈地變化，由此應(yīng)在選擇涂層時(shí)考慮操作溫度范圍。在將使用傳感器陣列檢測(cè)人呼吸中的揮發(fā)性有機(jī)化合物(例如苯、甲苯、正-辛烷、乙基苯、間-或?qū)?二甲苯、α -蒎烯、d-檸檬烯、壬醛、苯甲醛、2-甲基己烷及4-甲基辛烷)的一個(gè)實(shí)施例中，可用于不同應(yīng)用中的涂層包括2，2_雙三氟甲基-4，5-二氟-1，3-間二氧雜環(huán)戊烯(PDD)與四氟乙烯(TFE)的非晶形共聚物、PtC12 (烯烴)、C8-MPN及諸如此類(lèi)。
[0091]所需傳感器的數(shù)量取決于待檢測(cè)的不同化學(xué)品的種數(shù)及傳感器上所用涂層的性質(zhì)。在每一涂層僅吸收一種化學(xué)品或僅與一種化學(xué)品以化學(xué)方式相互作用的一個(gè)實(shí)施例中，傳感器的數(shù)量可確切地對(duì)應(yīng)于待檢測(cè)化學(xué)品的種數(shù)，但在其它實(shí)施例中，可期望在多于一個(gè)傳感器上具有一既定涂層以用于冗余。在一個(gè)方面中，在化學(xué)品與涂層之間不存在一對(duì)一的相關(guān)性。換句話(huà)說(shuō)，每一涂層與多于一種不同化學(xué)品反應(yīng)且不同化學(xué)品與既定涂層之間的反應(yīng)在性質(zhì)及強(qiáng)度方面有變化。因此，具有帶有不同涂層的傳感器的檢測(cè)器陣列可用，這是因?yàn)樗鰴z測(cè)器陣列的應(yīng)答可針對(duì)不同氣體而具有不同模式。
[0092]IV.信號(hào)處理
[0093]在某些方面中，信號(hào)分析是經(jīng)由神經(jīng)網(wǎng)絡(luò)算法或?qū)W習(xí)算法。使用神經(jīng)網(wǎng)絡(luò)的模式識(shí)別已被廣泛接受。神經(jīng)網(wǎng)絡(luò)使用訓(xùn)練集來(lái)訓(xùn)練且隨后使用驗(yàn)證集進(jìn)行驗(yàn)證。
[0094]神經(jīng)網(wǎng)絡(luò)是基于計(jì)算的連接主義途徑(connect1nist approach)使用數(shù)學(xué)或計(jì)算模型實(shí)施信息處理的相互連接的人工神經(jīng)元群。通常，神經(jīng)網(wǎng)絡(luò)是基于流過(guò)所述網(wǎng)絡(luò)的外部或內(nèi)部信息而改變其結(jié)構(gòu)的適應(yīng)性系統(tǒng)。神經(jīng)網(wǎng)絡(luò)的具體實(shí)例包括前饋神經(jīng)網(wǎng)絡(luò)，例如感知器、單層感知器、多層感知器、反向傳播網(wǎng)絡(luò)、自適應(yīng)線(xiàn)性神經(jīng)網(wǎng)絡(luò)(ADALINE network)、多自適應(yīng)線(xiàn)性神經(jīng)網(wǎng)絡(luò)(MADALINE network)、學(xué)習(xí)矩陣網(wǎng)絡(luò)(Learnmatrix network)、徑向基函數(shù)(radial basis funct1n，RBF)網(wǎng)絡(luò)、及自組織映身寸(self-organizing map)或科霍恩自組織網(wǎng)絡(luò)(Kohonen self-organizing network)；遞歸神經(jīng)網(wǎng)絡(luò)，例如簡(jiǎn)單遞歸網(wǎng)絡(luò)及霍普菲爾德網(wǎng)絡(luò)(Hopfield network);隨機(jī)神經(jīng)網(wǎng)絡(luò)(stochastic neural network)，例如玻爾茲曼機(jī)(Boltzmann machine);模塊化神經(jīng)網(wǎng)絡(luò)，例如委員會(huì)機(jī)器(committee of machines)及自聯(lián)想神經(jīng)網(wǎng)絡(luò)(associative neuralnetwork);及其它類(lèi)型網(wǎng)絡(luò)，例如即時(shí)訓(xùn)練神經(jīng)網(wǎng)絡(luò)(instantaneously trained neuralnetwork)、脈沖神經(jīng)網(wǎng)絡(luò)(spiking neural network)、動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)及級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)。
[0095]可例如使用可自史丹索特公司(StatSoft，Inc.)獲得的統(tǒng)計(jì)學(xué)數(shù)據(jù)分析軟件來(lái)實(shí)施神經(jīng)網(wǎng)絡(luò)分析。關(guān)于神經(jīng)網(wǎng)絡(luò)的更多描述可參見(jiàn)例如弗里曼(Freeman)等人，“神經(jīng)網(wǎng)絡(luò):算法、應(yīng)用及編程技術(shù)(Neural Networks Algorithms, Applicat1ns and ProgrammingTechniques) ”，艾迪生-韋斯利出版公司(Addison-ffesley Publishing Company) (1991)；扎德(Zadeh)，信息與控制(Informat1n and Control), 8:338-353 (1965);扎德(Zadeh)，“IEEE 系統(tǒng)、人與控制論匯干丨J (IEEE Trans, on Systems, Man and Cybernetics) ”, 3:28-44 (1973);格什(Gersho)等人，“矢量量化與信號(hào)壓縮(Vector Quantizat1n andSignal Compress1n) ”，克呂韋爾學(xué)術(shù)出版集團(tuán)(Kluywer Academic Publishers)，波士頓(Boston)，多德雷赫特(Dordrecht)，倫敦(London) (1992);及哈梭(Hassoun)，“人工神經(jīng)網(wǎng)絡(luò)的基本原理(Fundamentals of Artificial Neural Networks) ”，麻省理工出版社(MIT Press)，劍橋(Cambridge)，馬薩諸塞州(Massachusetts)，倫敦(London) (1995)。
[0096]監(jiān)測(cè)周?chē)諝庖葬槍?duì)VOC刺激發(fā)出警告并將其保存為基線(xiàn)水平。測(cè)量吸氣及呼氣的流速及體積。收集呼氣并根據(jù)用于哮喘評(píng)價(jià)的NO及VOC檢測(cè)的背景數(shù)據(jù)進(jìn)行過(guò)濾。
[0097]V.實(shí)例
[0098]實(shí)例I
[0099]如按照2007年美國(guó)國(guó)家哮喘教育和預(yù)防頂目(Nat1nal Asthma Educat1n andPrevent1n Program, NAEPP)準(zhǔn)則所評(píng)價(jià)，實(shí)施臨床試驗(yàn)以區(qū)分哮喘嚴(yán)重程度等級(jí)。所述準(zhǔn)則闡述于美國(guó)國(guó)家心臟、肺及血液研宄所NAE