Hjernekræft opdages af AI ved analyse af blodprøveresultater

For nylig patenterede forskere fra University of Strathclyde i Glasgow en metode til at analysere blodprøver for at opdage hjernekræft. Forskerne fra ClinSpec Diagnostics Limited kombinerede spektroskopi og AI-algoritmer for at opdage hjernekræft baseret på blodbiopsier. Ifølge Psychology Today blev forskningen nyligt offentliggjort i tidsskriftet Nature Communications, og ifølge forskningsholdet repræsenterer arbejdet en betydelig udvikling i brugen af klinisk spektroskopi og AI.

Forskningen, der er præsenteret i studiet, kunne gøre det lettere og nemmere at opdage hjernekræft. Hyppigt forekommende hovedpine kan være et symptom på hjernekræft, men selvom hovedpine er meget almindelig, er hjernekræft ikke. Klinikere har brug for en bedre metode til at skelne mellem hovedpiner, der er årsag til bekymring, og dem, der er mere harmløse. Lægerne skal kunne udføre en form for triage og reducere den tid og de ressourcer, der investeres i at diagnostisere hjernekræft med dyre hjernescanninger. Hvis en simpel blodprøve kunne give klinikere pålidelig information, der kunne hjælpe med at diagnostisere tilfælde af hjernekræft, kunne liv reddes.

Det var derfor, at ClinSpec-forskerne havde til formål at udvikle en algoritme, der kunne hjælpe lægerne med at sortere gennem tilfælde af mulig hjernekræft, og skelne dem fra andre årsager til hovedpine.

En af de almindelige metoder til at opdage sygdomme som kræft er væskebiopsi, hvor man udfører biopsi på kroppens væsker i stedet for vævsprøver. Markedet for væskebiopsi er i hastig vækst og nåede en størrelse på ca. 2,4 milliarder dollars ifølge markedsforskning fra BC Research LLC. Væskebiopsi viser sig at være effektiv til at opdage tegn på kræft, da den kan opdage cell-frie cirkulerende tumor-DNA, eller ctDNA, og cirkulerende tumorceller, eller CTC’er. Forskerne fra ClinSpec brugte dog en anden metode til analyse, hvor de udførte spektroskopi på blodprøver for at finde biokemiske markører, der kunne indikere kræft.

Spektroskopi er processen med at bruge elektromagnetisk stråling til at finde bestemte kemiske komponenter. Lyset deles op i komponenter af elektromagnetiske frekvenser, og disse frekvenser reagerer forskelligt med forskellige kemikalier. ClinSpec-forskningsholdet brugte infrarødt lys til at skabe repræsentationer af blodprøver, en teknik kaldet attenueret total reflektion (ATR)-Fourier transform-infrarød (FTIR) spektroskopi. Forskningsholdet erklærede, at teknikken er en ikke-destruktiv, ikke-invasiv metode, der pålideligt skaber en biokemisk profil af en prøve uden behov for omfattende prøveforberedning. Repræsentationerne af blodprøverne kunne derefter analyseres for afvigelser og kontrolleres for mulige tegn på kræft.

For at analysere dataene blev en support vector machine brugt til at oprette en klassifikationsmodel. Support vector maskiner bruges til klassifikation og regressionanalyse og fungerer ved at tegne beslutningsgrænser, eller linjer, der skiller en dataset i flere klasser. Algoritmen prøver at maksimere afstanden mellem skillelinjen og datapunkterne på hver side af linjen, og jo større afstanden, desto mere sikker er klassifikatoren.

Forskningsholdet erklærede, at deres metode til analyse af blodprøverne kunne effektivt skelne kræftprøver fra ikke-kræftprøver. Der var en sensitivitetsrate på 93,2% og en specifitetsrate på 92,8%. Ifølge MDDI Online rapporterede forskerne, at når de analyserede prøver fra en gruppe på 104 forskellige patienter, kunne deres AI-assisterede metode skelne sunde patienter fra kræftpatienter omkring 86% af tiden.

Forskerne forklarede i studiet:

“Dette arbejde præsenterer et skridt i oversættelsen af ATR-FTIR spektroskopi til klinisk brug. Dette skridt mod høj-gennemstrømningsanalyse har implikationer i feltet IR spektroskopi samt i den kliniske omgang. Analyse af blodserum ved hjælp af denne teknik ville passe ideelt ind i den kliniske vej som en triageværktøj til hjernekræft.”