Atemgasanalyse mittels E-Nose-Technologie zur Diskriminierung von COVID-19-Pneumonien

Pfeiffer, Florian (2026): Atemgasanalyse mittels E-Nose-Technologie zur Diskriminierung von COVID-19-Pneumonien. Dissertation, LMU München: Faculty of Medicine

Abstract

Diese Arbeit beleuchtet das diagnostische Potential einer sogenannten elektronischen Nase (E-Nose) in der Diagnostik von Atemwegserkrankungen. Elektronische Nasen sind Sensor-basierte Geräte zur Analyse von Gasen und werden bereits im Umweltmonitoring kommerziell eingesetzt. Mit dieser Studie konnten ein Protokoll etabliert werden, welches eine einfache Abnahme der Atemgasproben erlaubt, einen sicheren Transport und eine sichere Lagerung ermöglicht (um standortunabhängig zu messen), und ein Messverfahren verwendet, welches ohne große labortechnische Unterstützung ablaufen kann. Damit eröffnet die „Point-of-Care Atemgasanalytik“ ein völlig neues Spektrum der klinischen Diagnostik. Nicht-invasiv, kostenef-fizient und schnell konnten wir mit unserer E-Nose Patienten, die an COVID-19 erkrankt waren von gesunden Kontrollprobanden unterscheiden. Dafür wurden 126 Probanden für die Studie rekrutiert. Die Ausatemluft wurde gesammelt und mit einer portablen elektronischen Nase ge-messen. Die so erstellten Muster wurden von drei unabhängigen Teams mithilfe von künstli-cher Intelligenz verglichen. Hierbei wurden verschiede Machine Learning (ML) Modelle unab-hängig voneinander trainiert und an dem generierten Datensatz getestet. Alle drei Teams ka-men zu ähnlich robusten Ergebnissen, mit einer durchschnittlichen area under the curve (AUC) von über 90% und einem missclassification error (ME) unter 19%. Damit erreicht die Atem-gasanalyse mit dem hier beschriebenen Protokoll ähnliche Werte wie die SARS-CoV-2 PCR-Testung und bessere Ergebnisse als POC Antigentests. (Woehrle, Pfeiffer et al. 2024)

Abstract

This study focuses on the diagnostic potential of an electronic nose (E-Nose) regarding airway infections and the identification of the underlying pathogens. Electronic noses are sensor-based instruments developed for analysing gas-mixtures and are commonly used in environ-mental control. With this study, a protocol was established, allowing for simple breath-sample collection, safe storage and transportation of those samples and analysis without the need of complex laboratory support. Showing that ‘point-of-care breath-analysis’ opens up a whole new range of clinically relevant diagnostic tools. We were able to distinguish between patients suf-fering from COVID-19 and healthy controls using our non-invasive, quick and cost-effective method. In total, 126 subjects were recruited for participation in the study. Exhaled air was collected and measured with our portable E-Nose setup. Generated signal-patterns were ana-lysed by three independent parties using artificial intelligence and ML (machine learning) algo-rithms. Between the teams, various approaches regarding choice of classifier and training method were used. All three parties produced robust, comparable results with mean AUC (area under the curve) values over 90% and ME (misclassification error) below 19%. Thus, our breath-analysis protocol produced similar results to SARS-CoV-2 PCR testing and surpassed results from POC (point of care) antigen tests. (Woehrle, Pfeiffer et al. 2024)

• Item Type: Theses (Dissertation, LMU Munich)
• Keywords: Atemgasanalyse, ENose, COVID-19, SARS-CoV-2
• Subjects: 600 Technology, Medicine; 600 Technology, Medicine > 610 Medical sciences and medicine
• Faculties: Faculty of Medicine
• Language: German
• Date of oral examination: 7. July 2026
• 1. Referee: Choukér, Alexander
• Signature of the printed copy: 0700/UMD 22928