Hersentumor gedetecteerd door AI die bloedtestresultaten analyseert

Onlangs hebben onderzoekers verbonden aan de Universiteit van Strathclyde in Glasgow een methode gepatenteerd om bloedmonsters te analyseren om hersentumoren te detecteren. De onderzoekers bij ClinSpec Diagnostics Limited combineerden spectroscopie en AI-algoritmen om hersentumoren te detecteren op basis van bloedbiopsieën. Zoals gerapporteerd door Psychology Today, het onderzoek werd onlangs gepubliceerd in het tijdschrift Nature Communications, en volgens het onderzoeksteam vertegenwoordigt het werk een significante ontwikkeling in het gebruik van klinische spectroscopie en AI.

Het onderzoek dat in de studie werd gepresenteerd, kan het opsporen van hersentumoren veel gemakkelijker en eenvoudiger maken. Frequent voorkomende hoofdpijn kan een symptoom van hersentumoren zijn, maar zelfs als hoofdpijn erg gewoon is, is hersentumor niet. Klinici hebben een betere methode nodig om te bepalen welke hoofdpijnen reden tot bezorgdheid zijn en welke meer onschuldig zijn. Artsen moeten in staat zijn om een vorm van triage uit te voeren en de tijd en middelen die worden geïnvesteerd in de diagnose van hersentumoren met dure hersenscans te verminderen. Als een eenvoudige bloedtest artsen betrouwbare informatie kan geven die hen kan helpen bij de diagnose van hersentumoren, kunnen levens worden gered.

Daarom wilden de onderzoekers van ClinSpec een algoritme ontwikkelen dat artsen kon helpen om de gevallen van mogelijke hersentumorpatiënten te sorteren, ze te onderscheiden van andere oorzaken van hoofdpijn.

Een van de meest voorkomende methoden om ziekten zoals kanker te detecteren, is vloeibare biopsie, het nemen van een biopsie van lichaamsvloeistoffen in plaats van weefselmonsters. De markt voor vloeibare biopsie groeit snel en heeft een geschatte omvang van 2,4 miljard dollar, volgens marktonderzoek van BC Research LLC. Vloeibare biopsie blijkt effectief te zijn in het detecteren van tekenen van kanker, omdat het celvrije circulerende tumordna (ctDNA) en circulerende tumorcellen (CTC’s) kan detecteren. De onderzoekers van ClinSpec gebruikten echter een andere methode van analyse, spectroscopie op bloedmonsters om biochemische markers te vinden die wijzen op kanker.

Spectroscopie is het proces van het gebruik van elektromagnetische straling om bepaalde chemische componenten te vinden. Licht wordt gesplitst in component-elektromagnetische frequenties, en deze frequenties reageren anders met verschillende chemicaliën. Het team van ClinSpec gebruikte infraroodlicht om representaties van bloedmonsters te creëren, een techniek die attenuated total reflection (ATR)-Fourier-transform-infraroodspectroscopie (FTIR) wordt genoemd. Het onderzoeksteam verklaarde dat de techniek een niet-destructieve, niet-invasieve techniek is die betrouwbaar een biochemisch profiel van een monster creëert zonder dat het monster uitgebreid hoeft te worden voorbereid. De representaties van de bloedmonsters konden vervolgens worden geanalyseerd op afwijkingen, gecontroleerd op mogelijke tekenen van kanker.

Om de gegevens te analyseren, werd een ondersteuningsvectormachine gebruikt om een classificatiemodel te creëren. Ondersteuningsvectormachines worden gebruikt voor classificatie- en regressieanalyse en werken door beslissingsgrenzen te trekken, of lijnen die een dataset in meerdere klassen scheiden. De algoritme probeert de afstand tussen de scheidinglijn en de datapunten aan weerszijden van de lijn te maximaliseren, en hoe groter de afstand, hoe zekerder de classificator is.

Het onderzoeksteam verklaarde dat hun methode van analyse voor de bloedmonsters effectief in staat was om kankersamples te onderscheiden van niet-kankersamples. Er was een gevoeligheidsgraad van 93,2% en een specificiteitsgraad van 92,8%. Volgens MDDI Online rapporteerden de onderzoekers dat hun AI-geassisteerde methode in staat was om gezonde patiënten van kankerpatiënten te onderscheiden in ongeveer 86% van de gevallen bij het analyseren van monsters van een groep van 104 verschillende patiënten.

De onderzoekers legden in de studie uit:

“Dit werk presenteert een stap in de vertaling van ATR-FTIR-spectroscopie naar de kliniek. Deze stap naar high-throughput-analyse heeft implicaties in het veld van IR-spectroscopie en de klinische omgeving. Analyse van bloedserum met deze techniek zou ideaal passen in de klinische pathway als een triage-instrument voor hersentumoren.”