Plaušu vēža histoloģisko formu diagnostika izelpas gaisā ar mākslīgo ožas sensoru

Abstract

Ievads: Plaušu vēzis ir visbiežāk sastopamais ļaundabīgais audzējs pasaulē un mirstības ziņā ieņem pirmo vietu pasaulē starp visiem vēžiem.Ir jāatrod veids, kā varētu samazināt plaušu vēža mirstību, agrīni diagnosticējot to. Viens no veidiem ir izelpas gaisa analīze. Darba mērķis: Novērtēt plaušu vēža un tā histoloģisko formu diagnostiku izelpas gaisā, izmantojot mākslīgo degunu un atbalsta vektora analīzi. Metodes un materiāli: Pētījumā veikta statistiska datu analīze no iepriekš savāktiem datiem ar mākslīgo deguna ierīci Cyranose 320. 275 pacienti tika iekļauti statistikas analīzē. Pētījumā iekļautie bija pacienti ar histoloģiski pierādītu plaušu vēzi, pacienti ar citām plaušu slimībām vai veseli brīvprātīgie jeb kontroles grupa. Izelpas gaisa ievākšanai un analīzei par pamatu tika izmantota standartizēta metode, ko aprakstījis Dragonieri 2007.gadā. Statistikas analīzei tika izmantota atbalsta vektora analīze (AVA). Lai veiktu AVA, tika izveidoti vairāki pacientu modeļi.Rezultāti: Tika analizēti 134 plaušu vēža pacienti, 68 pacienti ar citām plaušu slimībām un 73 pacienti kontroles grupā. Dzimumu sadalījums: 67.6 % (n=186) vīrieši un 32.4 % (n=89) sievietes. Vidējais pacientu vecums bija 55.70 (±18.6) gadi. Modelim “Nesīkšūnu vēzis – Citi” iegūta metodes jutība 81.8 %, specifiskums 84.8 %, pozitīvā paredzamā vērtība 78.3 %, negatīvā paredzamā vērtība 87.5 %. Modelim “Vēzis – Citi” iegūta jutība 77.1 %, specifiskums 86.2 %, pozitīvā paredzamā vērtība 87.1 %, negatīvā paredzamā vērtība 75.8 %. Modelim “Nesīkšūnu vēzis – Kontrole” iegūta jutība 100 %, specifiskums 57.1 %, pozitīvā paredzamā vērtība 83.8 % un negatīvā paredzamā vērtība 100 %. Secinājumi: Atbalsta vektora analīzes metode spēj atšķirt nesīkšūnu plaušu vēža gadījumus no veseliem brīvprātīgajiem un no citām plaušu slimībām. Atbalsta vektora analīzei neizdevās atšķirt atsevišķas plaušu vēža histoloģiskās formas un identificēt sīkšūnu plaušu vēža gadījumus.Salīdzinot ar citiem pētījumiem, ar atbalsta vektora analīzi tika iegūti līdzvērtīgi rezultāti.

Introduction: Lung cancer is the most common cancer in the world. It is the leading cause of cancer death.It is necessary to find evidence – based population screening method. Exhaled breath analysis is a potential screening method. Objective: To evaluate diagnosis of lung cancer in exhaled breath with an electronic nose using support vector machine. Methods and materials: Exhaled breath was examined with an electronic nose, the Cyranose 320. 275 patients were included in the statistical analysis. The study included patients with histologically proven lung cancer, patients with other lung diseases and healthy volunteers. Exhaled breath was collected by a standardized method (Dragonieri, 2007). Statistical analysis was performed by pattern recognition system – support vector machine (SVM). Results: 134 patients with lung cancer, 68 patient with other lung diseases and 73 healthy volunteers were recruited. The gender breakdown of the study: 67.6 % (n=186) male and 32.4 % (n=89) female. The average age of patients was 55.70 (±18.6) years. The “Non-small cell cancer – Others” model received a sensitivity of 81.8%, a specificity of 84.8%, a positive predictive value of 78.3%, and a negative predictive value of 87.5%. The “Cancer – Others” model received a sensitivity of 77.1%, a specificity of 86.2%, a positive predictive value of 87.1%, and a negative predictive value of 75.8%. The “Non-small cell Cancer – Control”' model received a sensitivity of 100%, a specificity of 57.1%, a positive predictive value of 83.8% and a negative predictive value of 100%. Conclusions: Exhaled breath analysis by support vector machine is able to discriminate non-small cell lung cancer from healthy subjects and patients with different lung diseases. Support vector machine failed to differentiate histological forms of lung cancer and cases of small cell lung cancer. Compared to other studies, similar results were obtained with support vector analysis.