Hjärncancer upptäckt genom AI-analys av 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, Forskningen publicerades nyligen i tidskriften Nature Communications, och enligt forskargruppen representerar arbetet en betydande utveckling i utnyttjandet av klinisk spektroskopi och AI.

Forskningen som presenteras i studien kan göra det mycket lättare och enklare att fånga hjärncancer. Ofta förekommande huvudvärk kan vara ett symptom på hjärncancer, men även om huvudvärk är mycket vanligt är det inte hjärncancer. Kliniker behöver en bättre metod för att urskilja vilken huvudvärk som är orsak till oro och vilken som är mer godartad. Läkare måste kunna genomföra någon form av triage och minska mängden tid och resurser som investeras i att diagnostisera hjärncancer med kostsamma hjärnavbildningsskanningar. Om ett enkelt blodprov kunde ge kliniker tillförlitlig information som kan hjälpa dem att diagnostisera fall av hjärncancer, skulle liv kunna räddas.

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

En av de vanligaste metoderna för att upptäcka sjukdomar som cancer är flytande biopsi, gör biopsi på vätskor i kroppen istället för vävnadsprover. Marknaden för flytande biopsier växer snabbt och når uppskattningsvis 2.4 miljarder dollar i storlek enligt marknadsundersökningar från BC Research LLC. Vätskebiopsi visar sig vara effektiv för att upptäcka tecken på cancer, eftersom den kan detektera cellfritt cirkulerande tumör-DNA, eller ctDNA, och cirkulerande tumörceller, eller CRC. Men forskarna från ClinSpec använde en annan analysmetod och gjorde spektroskopi på blodprover för att hitta biokemiska markörer som tyder på cancer.

Spektroskopi är processen att använda elektromagnetisk strålning för att hitta vissa riktade kemiska komponenter. Ljus delas upp i komponentelektromagnetiska frekvenser, och dessa frekvenser kommer att reagera olika med olika kemikalier. ClinSpec-forskargruppen använde infrarött ljus för att skapa representationer av blodprover, en teknik som kallas för attenuerad total reflektion (ATR)-Fourier-transformationsinfraröd (FTIR) spektroskopi. Forskargruppen konstaterade att tekniken är en icke-destruktiv, icke-invasiv teknik som på ett tillförlitligt sätt skapar en biokemisk profil av ett prov utan att behöva förbereda provet i stor omfattning. Representationerna av blodproverna kunde sedan analyseras för avvikelser, kontrolleras för eventuella tecken på cancer.

För att analysera data användes en stödvektormaskin för att skapa en klassificeringsmodell. Stödvektormaskiner används för klassificering och regressionsanalys, och de fungerar genom att rita beslutsgränser, eller linjer som separerar en datauppsättning i flera klasser. Algoritmen försöker maximera avståndet mellan skiljelinjen och datapunkterna på vardera sidan av linjen, och ju större avstånd desto mer säker är klassificeraren.

Forskargruppen konstaterade att deras analysmetod för blodproverna effektivt kunde skilja cancerprover från icke-cancerprover. Det fanns en känslighetsgrad på 93.2 % och en specificitet på 92.8 %. Enligt MDDI Online rapporterar forskarna att när de analyserade prover från en grupp på 104 olika patienter kunde deras AI-assisterade metod skilja friska patienter från cancer runt 86% av tiden.

Forskarna förklarade i studien:

"Detta arbete presenterar ett steg i översättningen av ATR-FTIR-spektroskopi till kliniken. Detta steg mot analys med hög genomströmning har implikationer inom området IR-spektroskopi såväl som den kliniska miljön. Analys av blodserum med denna teknik skulle passa perfekt i den kliniska vägen som ett triageverktyg för hjärncancer.