通过基于机器学习的呼吸传感器分析检测结肠直肠癌
Inese Poļaka1,2, Linda Mežmale1,3,4,5,6, Linda Anarkulova1,5,6,7
1Institute of Clinical and Preventive Medicine, University of Latvia, LV-1586 Riga, Latvia.
Diagnostics (Basel, Switzerland)
|November 14, 2023
概括
一种新的呼吸分析仪显示出对结直肠癌 (CRC) 查的前景. 这种非侵入性工具使用挥发性有机化合物 (VOC) 和机器学习来检测CRC,为早期诊断提供了潜在的新方法.
科学领域:
- 在瘤学瘤学.
- 生物医学工程 生物医学工程
- 分析化学 分析化学
背景情况:
- 结肠直肠癌 (CRC) 是全球癌症死亡的主要原因,需要改进查方法.
- 目前的查工具有局限性,推动研究新的,非侵入性诊断方法.
- 呼吸中的挥发性有机化合物 (VOC) 是各种疾病的新兴生物标志物,包括癌症.
研究的目的:
- 评估桌面呼吸分析仪用于检测结直肠癌 (CRC) 的诊断潜力.
- 评估不同机器学习算法的性能,分析呼吸中的VOCs用于CRC识别.
- 为了证明对CRC查的临床呼吸试验的可行性.
主要方法:
- 从105名CRC患者和186名非癌症患者收集了呼吸样本.
- 一台桌面呼吸分析仪配备了金属氧化物半导体 (MOX) 传感器,用于样品分析.
- 监督机器学习算法,包括随机森林,C4.5,人工神经网络和天真贝叶斯,用于数据分析.
主要成果:
- 随机森林与进化搜索特征实现了79.3%的准确性,53.3%的灵敏度和93.0%的特异性 (AUC ROC 0.734).
- 使用贪搜索特征的人工神经网络的准确率为78.2%,灵敏度为43.3%,特异性为96.5% (AUC ROC为0.735).
- MOX传感器组合有效地区分了健康和受CRC影响的个体的呼吸样本.
结论:
- 开发的呼吸分析仪显示出作为在临床环境中识别和分类CRC的工具的巨大潜力.
- 这种呼吸测试的非侵入性,快速性和有针对性的性质为未来的CRC查应用提供了有希望的前景.
- 使用传感器技术进行呼吸分析是早期癌症检测的可行和创新的方法.
