Echtzeit-Atemanalyse zur COPD‑Risikobewertung bei Rauchern mit einem ZnO/SnO₂‑Heterojunktionssensor integriert in eine Support‑Vector‑Machine

Warum Ihr Atem verborgene Lungenprobleme offenbaren kann

Chronisch obstruktive Lungenerkrankung (COPD) gehört zu den weltweit führenden Todesursachen, entwickelt sich jedoch oft jahrzehntelang still und schleichend. Ärzte verlassen sich heute meist auf Lungenfunktionstests in Kliniken, sodass viele Hochrisikopatienten – insbesondere Raucher – spät diagnostiziert werden. Diese Studie beschreibt einen neuen, intelligenten Atemanalysator in Maskenform, der Kohlenmonoxid (CO) in der Ausatemluft als Frühwarnzeichen für ein COPD‑Risiko nachweist. Dafür wurden fortschrittliche Materialien, miniaturisierte Elektronik und maschinelles Lernen kombiniert, um aus einem einfachen Atemzug eine aussagekräftige Gesundheitsprüfung zu machen.

Eine wachsende Lungenkrise, die frühere Antworten verlangt

COPD ist eine chronische Erkrankung, die das Atmen erschwert und nicht vollständig rückgängig gemacht werden kann. Sie tötet jährlich Millionen Menschen und tritt besonders häufig bei älteren Erwachsenen und Rauchern auf. Ein wichtiger Faktor bei ihrer Entstehung ist Kohlenmonoxid (CO), ein Gas, das in Zigarettenrauch, verschmutzter Stadtluft und bei der Verbrennung von Brennstoffen vorkommt. CO bindet deutlich stärker an Hämoglobin im Blut als Sauerstoff, verringert so die Sauerstoffversorgung des Körpers und trägt zu Lungenschädigung und Entzündung bei. Studien zeigen, dass Menschen mit COPD, insbesondere Raucher, höhere CO‑Werte in der Ausatemluft haben als gesunde Personen. Beispielsweise atmen gesunde Nichtraucher typischerweise etwa 1–4 Teile pro Million (ppm) CO aus, während aktuelle Raucher mit COPD Werte über 12 ppm erreichen können. Damit ist ausgeatmetes CO ein vielversprechender, schmerzloser Marker für Lungenbelastung, der im Alltag verfolgt werden könnte und nicht nur in Krankenhäusern.

Einen winzigen Atemsensor in eine einfache Maske einbauen

Die Forscher wollten einen kleinen, kostengünstigen CO‑Sensor entwickeln, der bei annähernd Körpertemperatur arbeitet, sodass er in einer Maske oder einem Wearable angenehm zu tragen ist. Sie kombinierten zwei Metalloxide, Zinkoxid (ZnO) und Zinn(IV)-oxid (SnO₂), zu einem sorgfältig konstruierten Dünnfilm, einer sogenannten Heterojunktion. Diese spezielle Schichtstruktur wurde zusätzlich mit einem leitfähigen Polymer (PEDOT:PSS) beschichtet, auf ein kleines glasähnliches Substrat aufgebracht und mit Silberkontakten verdrahtet. Wenn Luft über den Film strömt, adsorbiert Sauerstoff an der Oberfläche und bindet Elektronen, wodurch der elektrische Widerstand des Films ansteigt. Trifft CO in einem Atemzug auf diese Sauerstoffspezies, reagieren die Moleküle damit, geben Elektronen zurück in das Material und verringern den Widerstand. Aufgrund seiner Struktur zeigte der kombinierte ZnO/SnO₂‑Film deutlich stärkere und schnellere Widerstandsänderungen als die Einzelmaterialien und erreichte hohe Empfindlichkeit bereits bei etwa 37 °C – ungefähr Körpertemperatur.

Von elektrischen Signalen zu Echtzeit‑Gesundheitsanzeigen

Um den Sensor zu testen, bauten die Forscher eine kontrollierte Gaskammer, die präzise Mengen CO mit Stickstoff mischte und die Temperatur bei 37 °C hielt. Sie maßen, wie schnell der Sensor reagierte, wenn CO zugeschaltet oder abgeschaltet wurde, und wie stark sich der Widerstand bei unterschiedlichen Gaskonzentrationen veränderte. Das ZnO/SnO₂‑Bauteil sprach in etwa 14 Sekunden an und erholte sich in nur 3 Sekunden, mit einer Empfindlichkeit von mehr als 260 % bei 12 ppm CO. Die Beziehung zwischen Widerstand und CO‑Konzentration war sehr vorhersagbar und folgte einem einfachen mathematischen Gesetz, das den Autoren erlaubte, rohe Widerstandswerte direkt in CO‑Konzentrationen umzuwandeln. Anschließend integrierten sie den Sensor in eine Gesichtsmaske, die über einen Schlauch mit einer kleinen, abgeschlossenen Kammer verbunden war, lasen das Signal mit einem Arduino‑Mikrocontroller aus, filterten und speicherten die Daten und sendeten sie drahtlos per Wi‑Fi an eine Cloud‑Plattform. Dieses kompakte System verwandelte die Maske in ein IoT‑Gerät für die Fernüberwachung der Atemluft.

Maschinelles Lernen zur Unterscheidung von Rauchern, Ex‑Rauchern und anderen

Weil viele Faktoren eine einzelne Atemmessung beeinflussen können, ergänzten die Forscher die Hardware um eine Schicht maschinellen Lernens zur Interpretation zeitlicher Muster. Sie sammelten Ausatemdaten von 15 erwachsenen Freiwilligen, eingeteilt in Nichtraucher, aktive Raucher und Ex‑Raucher, und trainierten einen Support‑Vector‑Machine (SVM)‑Klassifikator, um diese Gruppen anhand der CO‑Schätzungen aus Widerstandsmessungen zu unterscheiden. Das Modell erreichte eine Trainingsgenauigkeit von rund 94 % und eine Testgenauigkeit von nahezu 82 %, ein deutlicher Fortschritt gegenüber früheren Ansätzen. Das System konnte die niedrigeren CO‑Werte von Nichtrauchern klar von den höheren Werten bei Ex‑ und besonders bei aktiven Rauchern trennen, die eng mit erhöhtem COPD‑Risiko verbunden sind. Effektiv fungiert das Gerät wie eine fokussierte, einkomponentige "elektronische Nase" für CO, gekoppelt mit intelligenter Software, die Atemmuster in aussagekräftige Risikokategorien übersetzt.

Was das für die alltägliche Lungenversorgung bedeuten könnte

Für Laien lautet die zentrale Botschaft: Diese Arbeit rückt uns näher an eine Zukunft, in der die Überprüfung der Lunge so einfach sein könnte wie das Aufsetzen einer Maske und kurzes normales Atmen. Durch die Kombination eines hochempfindlichen, energiesparenden CO‑Sensors mit drahtloser Elektronik und maschinellem Lernen kann das System abschätzen, wie viel schädliches CO in Ihrem Atem enthalten ist, und klassifizieren, ob Ihr Muster dem eines Nichtrauchers, Ex‑Rauchers oder eines Hochrisiko‑Rauchers entspricht. Es ersetzt keine umfassende medizinische Untersuchung, könnte aber als erschwingliches, tragbares Screening‑Instrument für die frühe COPD‑Risikobewertung und für die kontinuierliche Überwachung zu Hause oder in der Primärversorgung dienen und so Menschen und Behandelnde zu früherem Handeln veranlassen – lange bevor Atemnot unerträglich wird.

Zitation: Chellamuthu, P., Savarimuthu, K., Alsath, M.G.N. et al. Real-time breath analysis for COPD risk assessment in smokers using a ZnO/SnO₂ heterojunction sensor integrated with support vector machine. Sci Rep 16, 5100 (2026). https://doi.org/10.1038/s41598-026-35583-6

Schlüsselwörter: COPD, Atemanalyse, Kohlenmonoxid, tragbare Sensoren, maschinelles Lernen