Eine Maske, die eine Corona-Infektion erkennen kann

Forscher der Harvard University und des MIT haben eine Erweiterung für FFP2-Masken entwickelt, mit der der Träger vor einer möglichen Infektion gewarnt wird.

Lesezeit: 4 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen 91 Beiträge

(Bild: Felice Frankel / MIT News Office)

Von
  • Ben Schwan

Nach wie vor tragen viele Menschen Masken, um sich vor einer Infektion mit dem Coronavirus zu schützen. Die aktuelle Welle der Delta-Variante, die sich weltweit ausbreitet, dürfte den Trend sogar nochmals verstärken – und dazu führen, dass die Verwendungspflicht in Innenräumen auch in den meisten Ländern Europas zunächst nicht oder nur unter ganz bestimmten Bedingungen aufgehoben werden kann.

Die zum Einsatz kommende Masken-"Hardware" ist bislang ausgesprochen Low-Tech. Es gibt unterschiedliche Schutzklassen mit unterschiedlich dichtem Gewebevlies – von der simplen OP-Maske bis hin zu den im Nahverkehr etwa in Berlin verpflichtenden FFP2-Masken oder gar den noch dichter sitzenden FFP3-Varianten. Nutzerinnen und Nutzer müssen lernen, die Maske korrekt zu tragen (dazu gehört etwa, dass Bartträger sich besser rasieren sollten) – mehr gibt es eigentlich nicht zu beachten. Modelle mit integrierter Elektronik gibt es zwar mittlerweile von diversen Start-ups, durchgesetzt haben diese sich aber nicht.

Ein Forscherteam aus Ingenieuren von Harvard University und Massachusetts Institute of Technology (MIT) hat nun eine KN95-Maske – das chinesische Äquivalent zu FFP2 – so verändert, dass die Maske eine neue Aufgabe erhält: Die Diagnose von Corona-Infektionen. Dazu bekommt die Maske einen Plastikaufbau samt "Knubbel", in dem ein extrem kleiner Einmalsensor steckt. Das System ist so gestaltet, dass es auch auf andere Viren angepasst werden könnte, darunter Ebola. Neben Masken sollen die Sensoren auch in Kleidung integrierbar sein.

Die Diagnosetechnik arbeitet mit gefriergetrockneten zellulären Minimaschinen, die papierbasiert sind. Mit dem Ansatz soll eine breite Anzahl an Sensoren mit Hilfe der synthetischen Biologie geschaffen werden können. Diese werden nicht nur Viren detektieren, sondern auch Bakterien oder toxische Chemikalien, darunter Nervenkampfstoffe. Sehr schnell sind die Sensoren allerdings bislang nicht. Für eine COVID-19-Diagnose sind 90 Minuten notwendig – was bei langen Tragezeiten der Maske aber kaum auffallen dürfte.

Die in den KN95-Masken integrierten Sensoren müssen vom Nutzer aktiviert werden. Das Testergebnis erscheint schließlich nur auf der Innenseite der Maske, so dass die Privatsphäre des Nutzers geschützt bleibt. Die Idee sei gewesen, ein Produkt zu schaffen, das Menschen dazu motiviere, eine Maske zu tragen, gleichzeitig aber auch getestet zu werden, so Luis Soenksen aus dem Forscherteam gegenüber einem US-Sender.

James Collins, MIT-Professor für Mediziningenieurwesen, hatte schon vor sieben Jahren demonstriert, dass sich Proteine und Nukleinsäuren zur Schaffung synthetischer Gennetzwerke auf Papier nutzen lassen. Damit ließ sich etwa eine Zika-Infektion nachweisen. Durch die Gefriertrocknung sind die Systeme sehr stabil und lassen sich über Monate lagern, bevor sie rehydriert und genutzt werden können. Nach der Aktivierung durch Wasser reagieren die Sensoren auf eine Zielsequenz, sei es DNA, RNA oder ein anderes Molekül.

Ablesbar ist das Ergebnis dann über eine Farbveränderung. Ein Prototypsystem bestand aus 30 verschiedenen Sensoren, die die Forscher in eine Jacke eingebaut haben. In der Praxis würde es ausreichen, eine Flüssigkeit mit viralen Partikeln abzubekommen, um die Sensoren zu aktivieren. Genauere Ergebnisse lassen sich über ein Spektrometer ablesen, etwa die Dosierung eines Patogens. Die KN95-Maske mit Sensor soll darüber hinaus viel genauer sein als die aktuell so beliebten Antigenschnelltests auf COVID-19. Das Ergebnis komme PCR-Tests nahe, so die Forscher. Sie wollen die Technik weiter beschleunigen, um auf die 15 Minuten Wartezeit zu kommen, die man von Antigenschnelltests kennt.

Mehr von MIT Technology Review Mehr von MIT Technology Review

(bsc)