БП вызывает ряд расстройств двигательной системы, такие как тремор, ригидность и проблемы при ходьбе, а также немоторные симптомы, включая депрессию и слабоумие. Хотя эффективных лекарств до настоящего времени нет, ранняя диагностика и лечение могут улучшить качество жизни человека, облегчить симптомы и продлить выживание. Проблема заключается в том, что болезнь обычно не выявляется до тех пор, пока у пациентов не развиваются двигательные симптомы и к тому времени их организм уже испытал необратимую потерю нейронов.
Недавно ученые обнаружили, что люди с БП выделяют повышенное количество кожного сала (маслянистое воскообразное вещество, вырабатываемое сальными железами кожи), а также повышенную выработку дрожжей, ферментов и гормонов, которые в сочетании производят определенные запахи. Хотя человеческие “супер-запахи”, подобные Милну, встречаются очень редко, исследователи использовали газовую хроматографию (ГХ) -масс-спектрометрию и смогли проанализировать запаховые соединения в кожном сале людей с БП.
Цзюнь Лю, Син Чэнь и их коллеги хотели разработать быструю, простую в использовании, портативную и недорогую GC-систему для диагностики БП по запаху, что сделало бы ее пригодной для тестирования в пунктах оказания медицинской помощи. Исследователи разработали электронный нос, сочетающий ГК с датчиком поверхностных акустических волн, который измеряет газообразные соединения через их взаимодействие со звуковой волной, и алгоритмы машинного обучения. Команда собрала образцы кожного сала у 31 пациента с БП и 32 здоровых контрольной группы, промокнув верхнюю часть спины марлей. Они проанализировали летучие органические соединения, выделяющиеся из марли с помощью электронного носа, обнаружив три соединения запаха (октаналь, гексилацетат и перилловый альдегид), которые значительно различались между двумя группами, и использовали их для построения модели диагностики БП.
Затем исследователи проанализировали кожное сало еще 12 пациентов с БП и 12 здоровых контролей и обнаружили, что модель имеет точность прогнозирования БП 70,8%. Модель была чувствительна к выявлению истинных пациентов с БП на 91,7%, но ее специфичность составляла всего 50%, что указывало на высокую частоту ложноположительных результатов. При использовании алгоритмов машинного обучения для анализа всего профиля запаха точность диагностики повысилась до 79,2%.
Прежде чем электронный нос будет готов для клиники, команда должна протестировать его на еще большем количестве людей, чтобы повысить точность моделей, а также учитывать такие факторы, как раса, говорят исследователи.