Hjärncancer upptäckt av AI som analyserar blodprovsresultat

Nyligen patenterade forskare associerade med University of Strathclyde, Glasgow en metod för att analysera blodprover för att upptäcka hjärncancer. Forskarna vid ClinSpec Diagnostics Limited kombinerade spektroskopi och AI-algoritmer för att upptäcka hjärncancer baserat på blodbiopsier. Som rapporterats av Psychology Today, publicerades forskningen nyligen i tidskriften Nature Communications, och enligt forskarteamet representerar arbetet en betydande utveckling i användningen av klinisk spektroskopi och AI.

Forskningen som presenteras i studien kunde göra det lättare och enklare att upptäcka hjärncancer. Frekvent förekommande huvudvärk kan vara ett symptom på hjärncancer, men även om huvudvärk är mycket vanligt, är hjärncancer inte det. Kliniker behöver en bättre metod för att skilja på huvudvärk som orsakar oro och de som är mer harmlösa. Läkare måste kunna utföra någon form av triage och minska den tid och resurser som investeras i att diagnostisera hjärncancer med dyra hjärnbildscans. Om ett enkelt blodprov kunde ge kliniker tillförlitlig information som kunde hjälpa dem att diagnostisera fall av hjärncancer, kunde liv räddas.

Det var av denna anledning som ClinSpec-forskarna syftade till att utveckla en algoritm som skulle hjälpa läkare att sortera igenom fallen med möjliga hjärncancerpatienter, och skilja dem från andra orsaker till huvudvärk.

En av de vanligaste metoderna för att upptäcka sjukdomar som cancer är vätskebiopsi, att utföra biopsi på kroppsvätskor istället för vävnadsprover. Marknaden för vätskebiopsi växer snabbt, och beräknas ha nått en storlek på 2,4 miljarder dollar enligt marknadsforskning från BC Research LLC. Vätskebiopsi visar sig vara effektiv för att upptäcka tecken på cancer, eftersom den kan upptäcka cellfria cirkulerande tumör-DNA, eller ctDNA, och cirkulerande tumörceller, eller CTC. Men ClinSpec-forskarna använde en annan metod för analys, genom att utföra spektroskopi på blodprover för att hitta biokemiska markörer som indikerar cancer.

Spektroskopi är processen att använda elektromagnetisk strålning för att hitta specifika kemiska komponenter. Ljus delas upp i komponenter av elektromagnetiska frekvenser, och dessa frekvenser kommer att reagera olika med olika kemikalier. ClinSpec-forskningsgruppen använde infraröd ljus för att skapa representationer av blodprover, en teknik som kallas attenuerad totalreflektion (ATR)-Fourier-transform-infraröd (FTIR)-spektroskopi. Forskningsgruppen uppgav att tekniken är en icke-destruktiv, icke-invasiv teknik som tillförlitligt skapar en biokemisk profil av ett prov utan att behöva förbereda provet omfattande. Representationerna av blodproverna kunde sedan analyseras för avvikelser, kontrolleras för möjliga tecken på cancer.

För att analysera data användes en supportvektor-maskin för att skapa en klassificeringsmodell. Supportvektor-maskiner används för klassificering och regressionsanalys, och de fungerar genom att rita beslutsgränser, eller linjer som skiljer en datamängd i flera klasser. Algoritmen försöker maximera avståndet mellan den delande linjen och datapunkterna på båda sidor om linjen, och ju större avståndet, desto mer säker är klassificeringen.

Forskningsgruppen uppgav att deras metod för analys av blodprover kunde effektivt skilja cancerprover från icke-cancerprover. Det fanns en känslighet på 93,2% och en specificitet på 92,8%. Enligt MDDI Online rapporterade forskarna att när de analyserade prover från en grupp på 104 olika patienter, kunde deras AI-assisterade metod skilja friska patienter från cancer cirka 86% av tiden.

Forskarna förklarade i studien:

“Detta arbete presenterar ett steg i översättningen av ATR-FTIR-spektroskopi till kliniken. Detta steg mot höghastighetsanalys har implikationer inom området IR-spektroskopi samt den kliniska miljön. Analys av blodserum med denna teknik skulle passa idealiskt i den kliniska banan som ett triage-verktyg för hjärncancer.”