[fr] français
Coordinateur : Dr Sébastien Hulo
Partenaire : Laëtitia Jourdan, de l’Université de Lille CRIStAL
Équipe : ORKAD du Groupe Thématique : OPTIMA.
Dates : 2016 - 2021
Résumé :
L’objectif du projet CATOCOV est le même que le projet PATHACOV. Ainsi ces projets visent à fournir aux médecins un outil électronique communicant et facile à utiliser pour des pré-diagnostics non invasifs et précoces du cancer du poumon. La principale difficulté est de pouvoir détecter plusieurs familles de composés organiques volatils (biomarqueurs) à faibles concentrations dans un environnement complexe avec des taux d’humidité très élevés. C’est pourquoi le consortium s’oriente vers la réalisation d’un réseau de capteurs à réactivité croisée pour chaque famille de biomarqueurs. Ce réseau de capteurs prendra la forme d’une matrice d’une centaine de capteurs (à base d’oxydes métalliques, de polymères conducteurs ou d’hybrides). Elle comprendra 10 sous matrices avec des capteurs spécifiquement formulés pour détecter chaque biomarqueurs. Des technologies d’électronique imprimée seront utilisées pour la réalisation de la matrice. Une électronique sera spécifiquement développée pour le traitement de signal et la gestion de l’information ainsi que des algorithmes d’apprentissage et de reconnaissance pour obtenir un diagnostic avec un indice de confiance supérieur à 90 %. Des essais avec des haleines simulées (saines et avec biomarqueurs) auront lieu en laboratoire puis en hôpital pour validation.
Abstract
The objective of the CATOCOV project is the same as that of the PATHACOV project. The aim of these projects is to provide doctors with an easy-to-use, communicating electronic tool for early, non-invasive pre-diagnosis of lung cancer. The main challenge is to be able to detect several families of volatile organic compounds (biomarkers) at low concentrations in a complex environment with very high humidity levels. This is why the consortium is focusing on the development of a network of cross-reactive sensors for each family of biomarkers. This sensor network will take the form of a matrix of around a hundred sensors (based on metal oxides, conductive polymers or hybrids). It will comprise 10 sub-matrices with sensors specifically formulated to detect each biomarker. Printed electronics technologies will be used to produce the matrix. Electronics will be specifically developed for signal processing and information management, as well as learning and recognition algorithms to obtain a diagnosis with a confidence index of over 90%. Tests with simulated breath (healthy and with biomarkers) will take place in the laboratory and then in hospital for validation.