Hjernenkreft oppdages av AI ved å analysere blodprøveresultater

Nylig patenterte forskere tilknyttet University of Strathclyde i Glasgow en metode for å analysere blodprøver for å oppdage hjernenkreft. Forskerne ved ClinSpec Diagnostics Limited kombinerte spektroskopi og AI-algoritmer for å oppdage hjernenkreft basert på blodbiopsier. Ifølge Psychology Today ble forskningen nylig publisert i tidsskriftet Nature Communications, og ifølge forskningsteamet representerer arbeidet en betydelig utvikling i bruken av klinisk spektroskopi og AI.

Forskningen presentert i studien kan gjøre det mye enklere og lettere å oppdage hjernenkreft. Hyppige hodepiner kan være et symptom på hjernenkreft, men selv om hodepiner er svært vanlige, er hjernenkreft ikke. Klinikere trenger en bedre metode for å skille mellom hodepiner som er årsak til bekymring og de som er mer harmløse. Legene må kunne utføre en form for triage og redusere tiden og resursene som investeres i å diagnostisere hjernenkreft med dyre hjernescanninger. Hvis en enkel blodprøve kunne gi klinikere pålitelige opplysninger som kunne hjelpe dem med å diagnostisere tilfeller av hjernenkreft, kunne liv bli reddet.

Dette var grunnen til at ClinSpec-forskerne hadde som mål å utvikle en algoritme som kunne hjelpe legene med å sortere gjennom tilfeller av mulig hjernenkreft, og skille dem fra andre årsaker til hodepiner.

En av de vanlige metodene for å oppdage sykdommer som kreft er væskebiopsi, som innebærer å utføre biopsi på kroppens væsker i stedet for vevsprøver. Væskebiopsi-markedet vokser raskt, og det er estimert å være på 2,4 milliarder dollar i størrelse ifølge markedsforskning fra BC Research LLC. Væskebiopsi er effektivt i å oppdage tegn på kreft, siden det kan oppdage cellefrie sirkulerende tumor-DNA, eller ctDNA, og sirkulerende tumorceller, eller CTC-er. Imidlertid brukte ClinSpec-forskerne en annen metode for å analysere blodprøver, ved å bruke spektroskopi for å finne biokjemiske markører som indikerer kreft.

Spektroskopi er prosessen med å bruke elektromagnetisk stråling for å finne bestemte kjemiske komponenter. Lys deles opp i komponenter av elektromagnetiske frekvenser, og disse frekvensene vil reagere forskjellig med forskjellige kjemikalier. ClinSpec-forskningsgruppen brukte infrarød lys for å skape representasjoner av blodprøver, en teknikk som kalles attenuert totalrefleksjon (ATR)-Fourier-transform-infrarød (FTIR)-spektroskopi. Forskningsgruppen hevdet at teknikken er en ikke-destruktiv, ikke-invasiv metode som pålitelig skaper en biokjemisk profil av en prøve uten å måtte forberede prøven omfattende. Representasjonene av blodprøvene kunne deretter analysere for avvik, og sjekke for mulige tegn på kreft.

For å analysere dataene ble en støttevektor-maskin brukt for å skape en klassifiseringsmodell. Støttevektor-maskiner brukes for klassifisering og regresjonsanalyse, og de opererer ved å tegne avgjørende grenser, eller linjer som skiller en datasett i flere klasser. Algoritmen prøver å maksimere avstanden mellom avgjørende linje og datapunktene på hver side av linjen, og jo større avstanden, jo mer sikker klassifiseringen er.

Forskningsgruppen hevdet at deres metode for å analysere blodprøver kunne effektivt skille kreftprøver fra ikke-kreftprøver. Det var en sensitivitetsrate på 93,2% og en spesifisitetsrate på 92,8%. Ifølge MDDI Online rapporterte forskerne at når de analyserte prøver fra en gruppe på 104 forskjellige pasienter, deres AI-assisterte metode kunne skille sunne pasienter fra kreftpasienter rundt 86% av tiden.

Forskerne forklarte i studien:

“Dette arbeidet presenterer et skritt i oversettelsen av ATR-FTIR-spektroskopi til klinikk. Dette skrittet mot høy-gjennomstrømmingsanalyse har implikasjoner i feltet IR-spektroskopi samt i den kliniske miljø. Analyse av blodserum ved hjelp av denne teknikken ville passe ideelt i den kliniske banen som et triage-verktøy for hjernenkreft.”