Smadzeņu vēzis, ko atklāja AI, analizējot asins analīžu rezultātus

Nesen pētnieki, kas saistīti ar Stratklaida universitāti Glāzgovā, patentēja asins paraugu analīzes metodi, lai noteiktu smadzeņu vēzi. ClinSpec Diagnostics Limited pētnieki apvienoja spektroskopiju un AI algoritmus, lai noteiktu smadzeņu vēzi, pamatojoties uz asins biopsijām. Kā ziņots Psychology TodayPētījums nesen tika publicēts žurnālā Nature Communications, un saskaņā ar pētnieku grupas teikto, darbs ir ievērojams klīniskās spektroskopijas un AI izmantojuma progress.

Pētījumā izklāstītie pētījumi varētu padarīt smadzeņu vēža noķeršanu daudz vieglāku un vienkāršāku. Bieži sastopamas galvassāpes var būt smadzeņu vēža simptoms, taču, lai gan galvassāpes ir ļoti izplatītas, smadzeņu vēzis tā nav. Ārstiem ir vajadzīga labāka metode, lai noteiktu, kuras galvassāpes rada bažas un kuras ir labdabīgākas. Ārstiem ir jāspēj veikt noteikta veida šķirošanu un samazināt smadzeņu vēža diagnosticēšanai ieguldīto laiku un resursus, izmantojot dārgas smadzeņu attēlveidošanas skenēšanas. Ja vienkārša asins analīze varētu sniegt klīnicistiem ticamu informāciju, kas varētu palīdzēt diagnosticēt smadzeņu vēža gadījumus, dzīvības varētu glābt.

Šī iemesla dēļ ClinSpec pētnieki centās izstrādāt algoritmu, kas palīdzētu ārstiem sakārtot iespējamos smadzeņu vēža pacientu gadījumus, nošķirot tos no citiem galvassāpju cēloņiem.

Viena no izplatītākajām slimību, piemēram, vēža, noteikšanas metodēm ir šķidruma biopsija, veicot biopsiju ķermeņa šķidrumiem, nevis audu paraugiem. Saskaņā ar BC Research LLC tirgus izpēti šķidrās biopsijas tirgus strauji aug, sasniedzot aptuveni 2.4 miljardus dolāru. Šķidrā biopsija ir efektīva vēža pazīmju noteikšanā, jo tā spēj noteikt bezšūnu cirkulējošo audzēja DNS jeb ctDNS un cirkulējošās audzēja šūnas jeb CRC. Tomēr pētnieki no ClinSpec izmantoja citu analīzes metodi, veicot asins paraugu spektroskopiju, lai atrastu bioķīmiskos marķierus, kas norāda uz vēzi.

Spektroskopija ir elektromagnētiskā starojuma izmantošanas process, lai atrastu noteiktas mērķa ķīmiskās sastāvdaļas. Gaisma tiek sadalīta komponentu elektromagnētiskajās frekvencēs, un šīs frekvences reaģēs atšķirīgi ar dažādām ķīmiskām vielām. ClinSpec pētnieku grupa izmantoja infrasarkano gaismu, lai izveidotu asins paraugu attēlus, paņēmienu, ko sauc par novājinātas kopējās atstarošanas (ATR)-Fourier transformācijas infrasarkano (FTIR) spektroskopiju. Pētnieku grupa norādīja, ka šī metode ir nesagraujoša, neinvazīva metode, kas droši izveido parauga bioķīmisko profilu bez nepieciešamības plaši sagatavot paraugu. Pēc tam asins paraugu attēlojumus var analizēt, lai noteiktu aberācijas, pārbaudītu iespējamās vēža pazīmes.

Lai analizētu datus, tika izmantota atbalsta vektora mašīna, lai izveidotu klasifikācijas modeli. Klasifikācijai un regresijas analīzei tiek izmantotas atbalsta vektora mašīnas, un tās darbojas, zīmējot lēmumu robežas vai līnijas, kas sadala datu kopu vairākās klasēs. Algoritms cenšas maksimāli palielināt attālumu starp dalīšanas līniju un datu punktiem abās līnijas pusēs, un jo lielāks attālums, jo pārliecinošāks ir klasifikators.

Pētnieku grupa norādīja, ka viņu asins paraugu analīzes metode varēja efektīvi atšķirt vēža paraugus no paraugiem, kas nav vēža paraugi. Bija jutīguma rādītājs 93.2% un specifiskuma rādītājs 92.8%. Saskaņā ar MDDI Online, pētnieki ziņo, ka, analizējot paraugus no 104 dažādu pacientu grupas, viņu mākslīgā intelekta atbalstītā metode aptuveni 86% gadījumu spēja atšķirt veselus pacientus no vēža.

Pētnieki pētījumā paskaidroja:

"Šis darbs ir solis ATR-FTIR spektroskopijas tulkošanā klīnikā. Šis solis ceļā uz augstas caurlaidības analīzi ietekmē IR spektroskopijas jomu, kā arī klīnisko vidi. Asins seruma analīze, izmantojot šo metodi, ideāli iederētos klīniskajā ceļā kā smadzeņu vēža izšķiršanas līdzeklis.