Nyhetsartikkel

Bærbare sensorer kan påvise infeksjon før symptomene kommer

Et armbånd med sensorer for biometriske målinger har blitt testet ut for å avklare om registreringene kan avsløre viral luftveisinfeksjon før symptomene bryter ut.

Temaside om Korona

Omlag 9 prosent av verdens befolkning infiseres med influensa årlig, noe som fører til at 3 til 5 millioner får alvorlig infeksjon og 300.000 til 500.000 mennesker dør1. Voksne får cirka 4 til 6 og barn 6 til 8 vanlige forkjølelser per år2-3. Luftveisvirus er svært smittsomme og smitter i mange tilfeller før symptomer foreligger. Infeksjonen kan derfor overføres i det skjulte i samfunnet4 - noe vi har fått demonstrert svært tydelig under koronapandemien. Spørsmålet er, kan vi oppdage disse infeksjonene før symptomene bryter ut og blant asymptomatiske tilfeller slik at en kan begrense smitten og minske trusselen mot folkehelsen?

Bærbare biometriske sensorer har vist seg å kunne oppdage infeksjoner før symptomene kommer via fysiologiske målinger5-7. Disse markørene kan omformes til indikatorer for helse og sykdom. Det dreier seg om målinger av hvilepuls, pulssvingninger, akselometri (måler fysisk aktivitet), elektrodermale målinger av huden og hudtemperatur som sammen kan indikere en persons infeksjonsstatus eller predikere om og når en person kan bli infisert etter en eksponering.

I en studie publisert i JAMA Network Open8 utviklet forskere digitale biomarkører for tidlig påvisning av infeksjon og alvorlighetsgrad etter eksponering for et patogen - før symptomene oppstod. Formålet med studien var å vurdere brukbarheten av ikke-invasive armbånd med biometriske sensorer til å påvise presymptomatisk virusinfeksjon i to kohorter: etter eksponering for henholdsvis H1N1 influensavirus og for rhinovirus.

38 voksne ble rekruttert til H1N1 eksponering og 24 ble rekruttert til rhinovirus eksponering. Begge gruppene ble inokulert med intranasale dråper med virus. Deltakerne i H1N1-kohorten ble isolert i minimum 8 dager etter inokulering, mens rhinovirus-kohorten foregikk på en universitetscampus der deltakerne ikke ble isolert.

31 hadde valide data i H1N1-kohorten og 18 i rhinovirus-kohorten. Utelukkende basert på registreringer fra de biometriske armbåndene var forskerne i stand til å skille mellom infeksjon og ikke-infeksjon hos opptil 92 prosent i H1N1-kohorten (90% presisjon, 90% sensitivitet, 93% spesifisitet) og 88 prosent i rhinovirus-kohorten (100% presisjon, 78% sensitivitet og 100% spesifisitet). Modellen for bedømming av alvorlighetsgrad var i stand til å skille mellom mild og moderat infeksjon 24 timer før symptomutbrudd med en nøyaktighet på 90 prosent for H1N1 (88% presisjon, 88% sensitivitet og 92% spesifisitet) og 89 prosent for rhinovirus (100% presisjon, 75% sensitivitet og 100% spesifisitet).

Forfatterne konkluderer at denne kohortstudien tyder på at bruk av et ikke-invasivt armbånd med sensorer for biometriske målinger var i stand til å forutsi en persons respons på viruseksponering før symptomene kom. Bruk av slik teknologi kan bidra til tidlige intervensjoner som begrenser presymptomatisk spredning av virale luftveisinfeksjoner, noe som er interessant i disse koronatider.

Kilder

Referanser

  1. Clayville LR. Influenza update: a review of currently available vaccines. P T. 2011;36(10):659-684. www.ncbi.nlm.nih.gov
  2. Worrall G. Common cold. Can Fam Physician. 2011 Nov;57(11):1289-90. www.ncbi.nlm.nih.gov
  3. Jacobs SE, Lamson DM, St George K, Walsh TJ. Human rhinoviruses. Clin Microbiol Rev. 2013;26(1):135-162. doi:10.1128/CMR.00077-12 DOI
  4. Centers for Disease Control and Prevention. Manual for the surveillance of vaccine-preventable diseases: chapter 6: influenza. March 29, 2019. Accessed September 20, 2020. www.cdc.gov
  5. She X, Zhai Y, Henao R, et al. Adaptive multi-channel event segmentation and feature extraction for monitoring health outcomes. IEEE Trans Biomed Eng. 2021;68(8):2377-2388. doi:10.1109/TBME.2020.3038652 DOI
  6. Li X, Dunn J, Salins D, et al. Digital health: tracking physiomes and activity using wearable biosensors reveals useful health-related information. PLoS Biol. 2017;15(1):e2001402. doi:10.1371/journal.pbio.2001402 DOI
  7. Mishra T, Wang M, Metwally AA, et al. Pre-symptomatic detection of COVID-19 from smartwatch data. Nat Biomed Eng. 2020;4(12):1208-1220. doi:10.1038/s41551-020-00640-6 DOI
  8. Grzesiak E, Bent B, McClain MT, et al. Assessment of the Feasibility of Using Noninvasive Wearable Biometric Monitoring Sensors to Detect Influenza and the Common Cold Before Symptom Onset. JAMA Netw Open. 021;4(9):e2128534. Published 2021 Sep 1. doi:10.1001/jamanetworkopen.2021.28534 DOI