Point-of-Care-Testmethoden

Zusammenführung von Labor- und Point-of-Care-Testmethoden zu einer eHealth-Plattform

Franziska Dinter¹; Peter Schierack¹; Gregory Dame²; Michał Burdukiewicz³; Stefan Rödiger¹*
¹ Brandenburg Technical University Cottbus – Senftenberg
² Brandenburg Medical School Theodor Fontane
³ Warsaw University of Technology
* stefan.roediger@b-tu.de

Herausforderungen in der modernen Medizin und Patientenversorgung in ländlichen Regionen

Herzkreislauferkrankungen sind eine der Hauptursachen für die Sterblichkeit bei Erwachsenen in der westlichen Welt. Lebensstil, genetische Veranlagung, Fehldiagnosen und andere Faktoren tragen dazu bei und belasten das Gesundheitssystem erheblich. Der demografische und strukturelle Wandel stellt Patienten in ländlichen Gebieten mit geringer Bevölkerungsdichte vor zusätzliche Herausforderungen. 1. Konventionelle Diagnoseverfahren basieren in erster Linie auf Anamnese und qualitativen und quantitativen Messungen von Biomarkern. Alle häufig verwendeten Techniken zum Nachweis biochemischer oder genetischer Biomarker wie Immunoassays, Bioimageinformatik, Durchflusszytometrie, PCR-basierte Methoden und Next Generation Sequencing erfordern teure und immobile Analysegeräte 2.
Um der Herausforderung der wachsenden Zahl von Herzkreislauferkrankungen gerecht zu werden, bedarf es einer zweistufigen Lösung, die den Nachweis von prognostischen oder diagnostischen Biomarkern vor Ort in Kombination mit einem automatischen Datenaustausch ermöglicht. Seit den 2000er Jahren hat auch das Volumen der in der elektronischen Gesundheitsakte (EHR) gespeicherten oder in der Literatur verfügbaren digitalen Informationen rasant zugenommen. Die EHR ist für die Verwendung von Patienteninformationen für administrative Aufgaben im Gesundheitswesen (z.B. Abrechnung), in der klinischen Informatik und Bioinformatik vorgesehen. Derartig große Datenmengen müssen mit ausgefeilteren Techniken auf der Grundlage des maschinellen Lernens analysiert werden. Die selbstlernenden Algorithmen können verwendet werden, um die patientenspezifischen Informationen auszuwerten und gegebenenfalls Vorschläge für eine mögliche Diagnose oder Therapie zu machen. Voraussetzungen sind jedoch die Verfügbarkeit homogener Daten und die Interpretierbarkeit des Modells 3. Erstere liefert alle für den Lernprozess notwendigen Informationen. Letzteres ist notwendig, damit Ärzte die Gründe für die Entscheidung verstehen können. Die Kombination von Elementen dieser Techniken hat ein hohes Potenzial für die Entwicklung von patientenorientierten und personalisierten Diagnosesystemen 4.

Zusammenführung von Labor- und Point-of-Care-Testmethoden

In unserer Arbeit untersuchen wir, wie Biomarker, Konzepte aus Laborgeräten, bioimage informatics, medizinische OMICS-Daten und Bioinformatik zu einem System zur patientenorientierten Datenerfassung kombiniert werden können. Zunächst verwendeten wir drei Biomarker für Herz-Kreislauf-Erkrankungen. Die proteinbasierten Biomarker c-reaktives Protein (CRP) und brain natriuretic peptide (BNP) wurden wie an anderer Stelle beschrieben kovalent an Mikroperlenoberflächen gebunden 1. Zellfreie mitochondriale DNA (cfmDNA) diente als DNA-basierter Biomarker. Diese wurde von einer komplementären Fängersonde auf der Oberfläche der Mikropartikel erfasst. Zur Unterscheidung der Biomarker wurden Fluoreszenz- und größenkodierte Mikropartikel verwendet. Die Mikropartikel wurden in einer Durchflusszelle auf einem mikrofluidischen Chip (bi.flow Systems GmbH) immobilisiert. cfmDNA wurde von einer komplementären fluoreszenzmarkierten Sonde nachgewiesen. Zum Nachweis der Protein-Biomarker wurden spezifische fluoreszenzmarkierte Antikörper verwendet. In Kombination mit unserer VideoScan-Technologie 2 können die Proben vollautomatisch analysiert werden.
Wir haben einen Puffer identifiziert, in dem sowohl DNA- als auch Protein-Biomarker gleichzeitig nachgewiesen werden können. Der Nachweis der Biomarker konnte sowohl in unabhängigen Reaktionen als auch gleichzeitig spezifisch erfolgen. Der Antikörpernachweis erreichte ein Signal-Rausch-Verhältnis (SNR = 10 log10 (Signal-Rausch)[dB]) und eine relative Fluoreszenzintensität (refMFI) von 9 dB und 0,8 für BNP sowie 14 dB und 2,8 refMFI für CRP. Der DNA-basierte Biomarker cfmDNA wurde mit einem SNR von 20 dB und einem refMFI-Signal von 0,7 in Gegenwart von 1ng/µL cfmDNA nachgewiesen. Kinetische Experimente zeigen, dass 50% der Fluoreszenzintensität innerhalb von 7 Minuten erreicht werden. Zusätzlich zur Hardware haben wir digilogger entwickelt, eine interaktive Open-Source-Webanwendung. Wie bereits an anderer Stelle3 beschrieben, verwenden wir die Shiny-Technologie, um das zugrunde liegende Datenanalyse-Framework und die benutzerfreundliche Webschnittstelle einfach zusammenzuführen. Open-Source-Software kann zur Reproduzierbarkeit und zum Datenaustausch beitragen 4. digilogger kann für die Datenauswertung, Visualisierung und in Zukunft für die Klassifizierung und das maschinelle Lernen eingesetzt werden (→ Decision Support System). Das Gesamtsystem 5 soll in Zukunft als Point-of-Care-Technologie weiter ausgebaut werden.

Literaturverzeichnis

Stefan Rödiger et al., “Fluorescence Dye Adsorption Assay to Quantify Carboxyl Groups on the Surface of Poly(Methyl Methacrylate) Microbeads,” Analytical Chemistry 83, no. 9 (May 1, 2011): 3379–85, https://doi.org/10.1021/ac103277s.
Stefan Rödiger et al., “VideoScan – A Microscope Imaging Technology Platform for the Multiplex Real-Time PCR,” March 18, 2013, www.gene-quantification.de.
Stefan Rödiger et al., “Enabling Reproducible Real-Time Quantitative PCR Research: The RDML Package,” Bioinformatics, August 26, 2017, doi.org/.
Stefan Rödiger et al., “R as an Environment for the Reproducible Analysis of DNA Amplification Experiments,” The R Journal 7, no. 2 (2015): 127–50, journal.r-project.org.
Franziska Dinter et al., “Integration of Cardiovascular Disease Biomarkers in a Microfluidic Microbead Chip,” in New Challanges & Perspectives for IVD in the Aging Society (Potsdam Days on Bioanalysis 2017, Potsdam: F1000Research [Poster], 2017), https://doi.org/DOI: 10.7490/f1000research.1115161.1; Claudia Deutschman et al., “Comparison of Lab and Point of Care (POC) Technologies – Case Study for CHI3L1,” in New Challanges & Perspectives for IVD in the Aging Society (Potsdam Days on Bioanalysis 2017, Potsdam, 2017), doi.org.

de_DEGerman
en_GBEnglish de_DEGerman