 |  | Christina Hohmann-Jeddi |
 |
25.02.2026 07:00 Uhr |
Neben Bionote gehört Spironose® von Breathomix, eine auf KI-gestützte Atemanalysetools spezialisierte niederländische Firma, zu den führenden eNose-Geräten. Das System erzielte in einem ähnlichen Setting wie der Bionote-Studie, also in einer Kohorte von Personen mit klinischem oder radiologischem Lungenkrebsverdacht, gute Ergebnisse (»Annals of Oncology« 2025, DOI: 10.1016/j.annonc.2025.03.013).
In einer Validierungskohorte identifizierte das eNose-Modell Lungenkrebs mit einer Sensitivität von 94 Prozent und einer Spezifität von 63 Prozent. Dabei blieb die Genauigkeit der Erkennung über alle Tumoreigenschaften, Krankheitsstadien, Diagnosezentren und klinischen Merkmale hinweg konsistent. Allerdings zeigte die Untersuchung, dass das Vorliegen von anderen Krebserkrankungen sowohl die Spezifität als auch die Sensitivität senkte. Das bedeutet, dass die Atemprofile verschiedener Krebserkrankungen sich ähneln.
Auch für die aeoNose, ein tragbares Atemanalysegerät, liegen bereits Daten einer Validierungsstudie vor. In dieser Publikation aus dem Jahr 2023 erreichte das Gerät eine Sensitivität von 95 Prozent und eine Spezifität von 49 Prozent (»Chest«, DOI: 10.1016/j.chest.2022.09.042). Laut Hersteller ist das Gerät einfach anzuwenden und liefert ein Ergebnis innerhalb von 15 Minuten.
Bevor die eNose-Technologie im klinischen Alltag Fuß fassen kann, sind noch einige Hürden zu überwinden. Noch ist die Genauigkeit der Methode ein Problem. In dem Review von Steenhuis und Kollegen wird zudem angeführt, dass bislang noch kein einzelnes Lungenkrebs-spezifisches VOC identifiziert wurde, das sich als Zielmolekül eignet, weshalb eine Reihe von unspezifischen Sensoren genutzt werde, deren kombinierte Signalmuster mithilfe von Mustererkennungs-Algorithmen analysiert werden.
Weitere Herausforderungen sind die mangelnde Stabilität der Sensoren, eine fehlende Standardisierung bei der Atemprobenentnahme, die interindividuelle Variabilität der VOC-Profile und der Bedarf an großen Trainingsdatensätzen für KI-Modelle. Bis die ersten elektronischen Nasen in Arztpraxen oder Krankenhäusern eingesetzt werden, wird es somit noch ein paar Jahre dauern.
