Aujourd’hui les techniques médicales sont sans cesse remises en question afin d’être améliorées et de nouvelles méthodes émergent. Le diagnostic médical tel que nous le connaissons ne porte aujourd’hui que sur deux principales analyses : la prise de sang et les tests d’urine. Il était intéressant de compléter celles-ci, tout en gardant certains points à l’esprit : le coté non invasif, peu couteux, non douloureux et surtout facilement applicable lors d’un diagnostic rapide. Une technologie sort alors du lot en respectant ces différents critères : la technologie eNose !
Un peu d’histoire… Il faut savoir que c’est en ~400 avant J.-C. que la première allusion à l’analyse de l’haleine fut introduite, par Hippocrate, philosophe et médecin grec de son époque. Son analyse portait sur une certaine odeur perçue dite « fetor hepaticus » ou haleine de mort, qui définissait un certain biomarqueur qui fait aujourd’hui référence aux hépatopathies ou maladies du foie.
« Et en quoi ça consiste un eNose ? » Parlons un peu du concept : un eNose est constitué principalement d’un tableau de capteurs chimiques ayant différentes spécificités, afin de reconnaître un maximum de composantes environnantes, permettant de transformer cette composition chimique en signal électrique, qui, par la suite, pourra être traité et analysé. Cette capacité à analyser le signal reçu fait aussi partie intégrante du module, il s’agit du système d’identification de patterns (motifs). Ce dernier permet d’analyser la forme, ou la constitution, du signal reçu et ainsi, grâce à une base de données avec laquelle le système est entraîné (par Machine Learning), reconnaître de quel type de composant volatile il s’agit.
« Comment cela fonctionne concrètement ? » Les étapes clés du fonctionnement de cette technologie sont les suivantes : tout d’abord les différentes composantes environnantes interagissent avec les différents capteurs, ce qui produit un signal électrique qui, avant d’être comparé à la base de donnée, va être traité afin d’enlever toutes composantes liées au bruit, finalement celui-ci sera identifié et renvoyé à l’utilisateur (voir fig. 1).
« N’existe-t-il pas d’autres technologies remplissant ces objectifs ? » : Il en existe une, la spectrométrie de masse, mais celle-ci est très encombrante et très coûteuse et donc difficile à intégrer pour un diagnostic rapide et systématique.
« Est-ce que cette technologie peut être utilisée à d’autres fins ? » Tout à fait, elle est d’ailleurs très rependue dans le domaine de l’industrie alimentaire ou de l’agriculture, là où elle est capable de détecter des maladies, contaminations, infections,… Mais ce n’est pas tout, elle est aussi très étudiée dans le secteur de l’environnement principalement pour l’analyse de la qualité de l’air. Finalement elle peut aussi être utile dans le domaine de la sécurité pour la détection d’éventuels agents explosifs/nocifs.
« Quelles sont les maladies concernées par cette technologies ? » On retrouve dans les études et expériences, 4 secteurs principaux touchant les voies respiratoires : les obstructions, les maladies inflammatoires, les maladies infectieuses, les cancers. C’est pour le premier de ceux-ci que nous pouvons retrouver le plus de résultats publiés et une précision des tests la plus élevée. Cette technologie a pour but principal d’orienter le médecin lors de son diagnostic, pouvant distinguer une maladie d’une autre lorsque les symptômes sont quasi identiques. Ce qui permet d’éviter de perdre du temps lors de longues procédures d’analyses et de tests et également de réduire les coûts de ces derniers.
« Quelles en sont les limitations ? » Tout d’abord, bien que ce ne soit pas son premier but visé, il faut savoir que le eNose n’est pas (encore) capable d’identifier et quantifier chaque composant chimique présent dans un échantillon, ses résultats de ne se base que sur la forme de l’ensemble de l’échantillon. Néanmoins, il est possible de combiner son analyse avec celle de la spectrométrie de masse pour plus de détails. Ensuite, la technique employée pour les différents tests n’est pas encore complétement définie, les irrégularités des prises d’échantillons d’une étude à une autre peut impacter les résultats de manière significative. Un protocole mieux défini permettrait de meilleures comparaisons entre chaque étude.
Merci pour votre lecture et écoute lors de ma présentation,
Aurore C.