通过纳米机械传感器阵列在术前患者的呼气中检测肺癌

科学领域:

• 生物医学工程 生物医学工程
• 在瘤学瘤学.
• 数据科学数据科学数据科学

背景情况:

• 肺癌的检测通常依赖于侵入性方法.
• 呼吸分析提供了一个潜在的非侵入性查方法.
• 机器学习可以解释复杂的传感器数据.

研究的目的:

• 评估术后呼吸分析用于肺癌预测.
• 使用膜型表面应力传感器 (MSS) 阵列和机器学习开发预测模型.
• 评估开发模型的诊断性能.

主要方法:

• 从肺癌手术患者手术前和手术后收集的呼气样本.
• 使用12通道MSS阵列生成波形数据,分析了呼吸样本.
• 使用机器学习算法开发并验证了肺癌预测模型.

主要成果:

• 使用五个MSS阵列通道创建了一个原型肺癌预测模型.
• 该模型实现了0.809.80的最佳精度.
• 报告了高灵敏度 (0.830) 和特异性 (0.807).

结论:

• 呼吸分析与MSS和机器学习相结合,可以形成肺癌预测模型.
• 这种方法表明了非侵入性肺癌查的潜力.
• 仔细控制样品和测量对于可靠的结果至关重要.