Validace zařízení Vocorder v klinickém nastavení – Nepřetržité sledování jednotlivců (Vocorder Clinical Validation-VCV) (VCV)

Návrh studie Hypotéza Při studiu breathomiky bylo zjištěno, že několik VOC, vzorce VOC a vztahy mezi změnami ve vzorcích VOC souvisí s různými typy onemocnění. Proto změny ve vzorcích VOC ve vydechovaném vzduchu korelují s konkrétními podmínkami, jak je měřeno pomocí specifických profilů VOC souvisejících s onemocněním.

Pozadí a cíle studie Tato klinická studie je prováděna v rámci projektu HORIZON-EIC-2022 PATHFINDER CHALLENGES-01-04 s názvem Vocorder, nová technologie pro analýzy dechu. Odběr vzorku dechu pro analýzu VOC (pacienti a kontrolní skupina), VOC již mohou být přítomny na základní úrovni. Přístroj VOCORDER však bude schopen vyřešit ty koncentrační rozdíly způsobené změnami v metabolismu a diskriminovat ty, které již mohou být přítomny v okolním ovzduší. Analyzátor tedy umožní in-situ časově rozlišené měření různých plynů (např. VOC), zaznamenávání jejich koncentračního profilu v rámci jednotlivých nádechů s minimálním dohledem a téměř bez přísné metodiky. V této fázi ověřování však bude uplatňována přísná metodika, aby byla zajištěna platnost přístupu a nenápadnost metody.

Analýzy dechu budou prováděny pomocí prototypů laserových analyzátorů dechu schopných detekovat malý počet plynů současně. Samosměšovací analyzátor QCL mid-IR Array pro detekci VOC s rozsahem měření 10-100 ppb, limitem detekce blízkým 1 ppb, rozlišením blízkým 1 ppb a přesností blízkou ± 1 ppb. Identifikace sloučenin se bude opírat o NIST hmotnostní spektrální knihovnu a srovnání jejich retenčních indexů s knihovnou indexů získaných pro referenční standardy. Počáteční analyzátor dechu bude možné testovat u zdravých i inkubovaných pacientů, protože odběrová hadička může být kromě původního použití připojena přímo k ventilátoru.

Tato klinická studie se bude zabývat korelační analýzou mezi profily VOC v dechu zjištěnými analyzátorem dechu VOCORDER a elektronickými lékařskými daty shromážděnými lékařskými profesionály. Očekává se, že získané výsledky budou zásadní pro přizpůsobení technologie analýzy dechu v analyzátoru dechu VOCORDER k včasné detekci zájmových onemocnění.

Hlavní cíle této klinické studie jsou následující:

1. Používat vyvinutý přístroj v klinickém prostředí a určit jeho provozní parametry (dechový objem, počet a frekvenci klinických odběrů vzorků).
2. Ověřovat výkonnost zařízení a jeho měření ve srovnání s jinými relevantními technologiemi a/nebo zavedenou referenční metodou.
3. Prozkoumat potenciální hlavní korelace mezi plyny detekovanými při analýze dechu a konkrétními chorobami vybranými pro tuto studii.

Primární a sekundární cíl(e)

Primární koncové body:

Ověřit účinnost přístroje VOCORDER v klinické praxi a dále propagovat technologii dechových analýz.

Sekundární koncové body:

1. Identifikovat a definovat provozní parametry nové technologie dechových analýz v klinické praxi.
2. Porovnejte výkon a výsledky technologie VOCORDER s referenční metodou GC-MS.
3. Zkoumejte korelaci mezi známými preexistujícími stavy a významnými biomarkery VOC ve vydechovaném dechu u vybraných onemocnění.
4. Prozkoumejte potenciál biomarkerů VOC ve vydechovaném dechu pro včasnou detekci onemocnění, což usnadňuje včasnou diagnostiku prostřednictvím korelace s klíčovými lékařskými parametry.

Požadavky na provedení klinické studie Výzkumné centrum pro implementaci a aktuální stav schválení etických komisí Studie bude provedena v nemocnici MITERA. Všeobecná klinika MITERA, Porodnice / Gynekologická klinika a Dětská nemocnice se etablovala jako přední zdravotnické zařízení sloužící jako centrum komplexní péče pro jednotlivce všech věkových kategorií. S 45 lety provozu vyniká MITERA jako jedna z nejuznávanějších soukromých nemocnic v Řecku, která nabízí širokou škálu vysoce kvalitních zdravotnických služeb zaměřených na prevenci, diagnostiku a léčbu v různých lékařských oborech. V MITERA sídlí tři kliniky: Všeobecná klinika, Porodnicko/gynekologická klinika MITERA a nejkomplexnější soukromá dětská klinika v Řecku, Dětská nemocnice MITERA. Odhodlání poskytovat výjimečnou ošetřovatelskou péči a služby je vysoce kvalitní na klinikách MITERA, kde je 24 hodin denně, každý den v roce, k dispozici specializovaný tým lékařů, sester a porodních asistentek, podpořený komplexní administrativní a technickou podporou. řešit jakoukoli lékařskou pohotovost.

Vědecká rada nemocnice schválila klinickou studii. Studii provede výzkumný tým MITERA. Regulační status

1. Požadavky obecného nařízení o ochraně osobních údajů (GDPR)
2. Nařízení Evropského parlamentu a Rady (EU) 2016/679 ze dne 27. dubna 2016 o ochraně fyzických osob o zpracování osobních údajů a o volném pohybu těchto údajů a o zrušení směrnice 95/46/ES• WP29 : Stanovisko 05/2014 k technikám anonymizace.
3. Budou dodržovány osvědčené postupy léčby/standardní péče. Pacienti budou diagnostikováni podle těchto osvědčených postupů.
4. I když klinická studie nezahrnuje léčbu léky, budou se dodržovat obecné zásady správné klinické praxe, aby byla zajištěna etická a vědecká kvalita.

5. Budou zohledněny zásady definované v pokynech agentur pro hodnocení zdravotnických technologií, jako je EUnetHTA, zejména následující:

   • Komparátory a srovnání. Kritéria pro výběr nejvhodnějšího komparátoru (komparátorů).
   • Shrnutí aktuálních zásad a pokynů pro osvědčené postupy.
   • Kritéria koncového bodu pro hodnocení relativní účinnosti: Klinické koncové body
6. Studie bude navržena a analyzována v souladu se Statistickými zásadami pro klinická hodnocení (CPMP/ICH/363/96), ICH Téma E9
7. AEPD: Směrnice AEPD o postupech anonymizace osobních údajů poskytnou rámec pro zajištění ochrany soukromí a údajů.
8. ENISA: Budou dodržována doporučení s cílem sladit technologický vývoj s GDPR, zejména pokud jde o techniky pseudonymizace dat.
9. Společný dokument AEPD a EIOÚ o používání hašovacích funkcí pro pseudonymizaci osobních údajů bude sloužit jako reference pro strategie ochrany údajů.
10. Světová lékařská asociace: Helsinská deklarace o etických principech lékařského výzkumu zahrnujícího lidské subjekty Informovaný souhlas a informace V rámci VOCORDER se odpovědná instituce řídí konkrétními postupy a používá formulář souhlasu, přičemž zajišťuje soulad s minimálními požadavky na informace pro platný souhlas, jak je uvedeno v dokumentu výše uvedené rámce. Účast na výzkumu VOCORDER bude zcela dobrovolná pro všechny jednotlivce s právem odstoupit z jakékoli fáze výzkumných aktivit, aniž by čelili jakýmkoliv následkům nebo sankcím. Spolu s formulářem souhlasu bude účastníkům poskytnut komplexní informační list popisující účel, postup, rizika atd. výzkumu VOCORDER. Protokol a šablony návrhu pro formuláře souhlasu s informacemi lze na vyžádání získat. Budou také přidány do plánu správy dat. Informace poskytnou lékaři s odpovídajícím vědeckým vzděláním a kvalifikací. Zdravotnický personál bude schopen odpovědět na otázky jednotlivců a vysvětlit proces, který je třeba dodržet, co se od účastníka požaduje a očekávané výsledky. Bude zajištěno, že potenciální účastníci plně porozuměli informacím.

Souhlas udělují účastníci svobodně. Bude zaručeno, že se nebudou cítit povinni nebo jakkoli donuceni k udělení souhlasu. Účastníci udělí písemný souhlas, zejména podpisem formuláře informovaného souhlasu a informačních listů uvedených níže. Pokud nelze souhlas udělit písemně, například z důvodu negramotnosti, musí být nepísemný souhlas formálně zdokumentován a nezávisle doložen. Souhlas je pokračující proces, zejména v dlouhodobých zkouškách, jako je ten VOCORDER. Odpovědní partneři projektu budou podporovat nepřetržitý dialog s účastníky a informovat je o čemkoli jiném/novém, co se týká zkoušky.

Schválení etickou komisí Pro posílení dohledu nad etickými postupy během životního cyklu projektu bude zřízena IEC VOCORDER. Tato komise bude hrát dominantní roli při zajišťování dodržování etického principu předepsaného legislativou ve všech fázích projektu, od vypracování protokolu až po zveřejnění nálezů. Dále bude komise spolupracovat s místními etickými komisemi v šesti zúčastněných zemích na řešení případných stížností účastníků, které během studie vzniknou. IEC bude mít za úkol sestavovat a v případě potřeby předkládat bezpečnostní a prozatímní zprávy příslušným národním etickým komisím.

Jmenování kontaktních míst pro etické a právní záležitosti V souladu se svými příslušnými aktivitami a národním regulačním rámcem každý partner zapojený do VOCORDER jmenuje pověřence pro ochranu osobních údajů (DPO) a/nebo určí kontaktní osobu odpovědnou za řešení právních a etických problémů souvisejících s výzkumné činnosti projektu.

Monitorování a podávání zpráv Během projektových setkání budou poskytovány pravidelné zprávy o monitorování etických rizik. Zvažuje se formulace a distribuce etického dotazníku interně partnerům zapojeným do technického pokroku, aby se zajistilo sladění s etickými požadavky. IEC bude zodpovědná za řešení jakýchkoli otázek vznesených partnery projektu na všech instancích a bude spolupracovat s příslušným zástupcem právních a etických záležitostí definovaných každým subjektem. VOCORDER posoudí své výsledky ve všech fázích realizace projektu podle těchto požadavků, aby bylo zajištěno komplexní pokrytí.

Fáze klinické studie

Klinická studie je prospektivní kohortová studie a bude probíhat ve dvou fázích:

• 1. fáze: základní fáze (říjen 2024–srpen 2025)
• 2. fáze: Ověřovací fáze – Ověření technologie VOCORDED (květen–prosinec 2026)

Fáze klinické studie

Klinická studie je prospektivní kohortová studie a bude probíhat ve dvou fázích:

• 1. fáze: základní fáze (říjen 2024–srpen 2025)
• 2. Fáze: Validační fáze - Validace technologie VOCORDED (květen-prosinec 2026) Základní fáze Realizace této fáze je považována za nezbytnou pro definování základních provozních parametrů vyráběné technologie, aby byl umožněn přechod na finální validaci zařízení v klinický obor. Výše uvedeného cíle bude dosaženo za přispění mechanismu umělé inteligence (WP.4) a analýzy hrubých dat technologických výzkumných týmů podílejících se na návrhu analyzátoru dechu. V této fázi jsou zařazeni pacienti a zdravé kontroly a měření produkovaných plynů jsou analyzována pomocí referenční metody GC-MS.

Ověřovací fáze (VOCORDER validační fáze) Během této fáze prochází technologie VOCORDER klinickým hodnocením jak pacienty, tak zdravými dobrovolníky. Analýza zahrnuje měření plynů emitovaných účastníky s využitím standardní referenční metody a technologie VOCORDER pro srovnání.

Nemoci

Budou se vyšetřovat následující nemoci:

1. Rakovina plic
2. Rakovina žaludku a tlustého střeva
3. Rakovina prsu
4. Ledvinová nedostatečnost
5. Infekce - Pneumonie (získané v komunitě a získané v nemocnici) Výběr těchto onemocnění byl založen na přehledu existující literatury týmem ETH (Úkol 2.1) a následné úpravě nálezů tak, aby odpovídaly schopnostem VOCORDER detekovat specifické biomarkery plynů pro včasná diagnostika vybraných onemocnění (Úkol 2.2) .

Pacienti a zdravá kontrolní populace Zdravá kontrolní skupina Minimálně 120 zdravých kontrol obou pohlaví ve věku od 20 do 75 let, které netrpí zkoumaným onemocněním, bude vybráno k účasti ve studii ve stejnou dobu jako pacienti. Očekává se, že budou odebrány alespoň 2–3 vzorky dechu z každé prospektivní kontroly v různé dny ve stejnou denní dobu. V obou fázích studie se zúčastní stejné zdravé kontroly a získané vzorky dechu budou analyzovány oběma metodami.

Zdraví dobrovolníci jsou vybíráni buď z řad zaměstnanců nemocnice, nebo z pacientů přijatých do nemocnice z jiného důvodu. Prospektivní kontroly vyplní dotazník s demografickými a lékařsko-historickými údaji poté, co budou podrobně informováni o studii týmem VOCORDER společnosti MITERA. Dotazník bude analyzován projektovým týmem, a pokud dojde k závěru, že se daná osoba může studie zúčastnit, podepíše účastník souhlasný formulář.

Populace pacientů Základní fáze

Pacienti: celkem 175 pacientů, 35 pro každé onemocnění, ve věku 18-75 let obou pohlaví, vybraných podle následujících kritérií pro zařazení:

1. Pacienti > 18 let obou pohlaví
2. Musí být schopni komunikovat a rozumět informacím, které jim pracovníci MITERA poskytují.
3. Trpět vyšetřovaným onemocněním.
4. Onemocnění musí být v co nejranějším stadiu, to znamená, že pacienti ještě nesmějí zahájit léčbu.

5. Pacienti by neměli mít žádné další závažné komorbidity, které by ovlivnily odvozená měření. Pacienti budou vybíráni ve spolupráci s klinickými lékaři odpovědnými za léčbu a/nebo hospitalizaci pacientů se zkoumaným onemocněním.

   Kritéria 1, 2 a 3 jsou povinná pro zápis do studia. Pro zařazení pacientů do studie by měla být projektovému týmu k dispozici specifická dokumentace onemocnění:

   Pro diagnostiku rakoviny je nutné zdokumentovat:

   • Typ rakoviny je založen na histopatologických nálezech a výsledcích specifických ukazatelů.
   • Stádium onemocnění je založeno na radiologických a hematologických vyšetřeních.

   U infekcí - pneumonie je nutné stanovit následující:

   • Diagnostika pneumonie na základě nálezu hrudníku -X, klinického syndromu a stavu zánětlivých indikátorů (1. den).
   • Laboratorní stanovení patogenu způsobilo klinický syndrom (pokud je možné jej izolovat z klinických vzorků)
   • Klinická závažnost onemocnění založená na skóre CURB 65/SMART COP pro pacienty s komunitní nebo zdravotní pneumonií a Apache II pro hospitalizované pacienty na JIP.

   Pro nedostatečnost ledvin je nutné:

   • Dokumentace chronického onemocnění ledvin
   • Stanovení stadia onemocnění podle sazeb CFR.
   • Hemodialyzační léčba Kritéria vyloučení
   • Nedostatek podepsaného souhlasu
   • Nedostatek spolupráce z jakéhokoli důvodu
   • Nedodržení doporučení o požadavcích před odběrem vzorků dechu
   • Neschopnost poskytnout spolehlivý vzorek dechu
   • Jakákoli léčba, specifická dieta, chirurgický zákrok nebo jiný zásah, které byly zahájeny mezi odběrem vzorků na VOC z dechu.

   Jakmile je pacient informován týmem MITERA odpovědným za projekt a souhlasí s účastí ve studii, musí si přečíst a podepsat příslušný formulář souhlasu s účastí. Pro pacienty účastnící se studie budou vyplněny podobné dotazníky s kontrolami (formuláře pro sběr dat).

   Odběr vzorků: Od každého pacienta jsou odebrány alespoň dva vzorky dechu (každý 1 l) za podobných podmínek a analyzovány (např. v různé dny, ale ve stejnou denní dobu). Vzorky dechu budou v této fázi analyzovány referenční metodou. V konečné fázi budou uloženy a analyzovány metodou VOCORDER. Způsob odběru vzorku dechu bude dle doporučení podle referenční metody.

   Ověřovací fáze Pacienti: Konečná fáze klinické studie bude zahrnovat 100 pacientů, 20 pro každé onemocnění. Pacienti budou vybíráni podle výše uvedených kritérií jako v základní fázi.

   Odběr vzorků: Vzorky dechu budou analyzovány oběma metodikami. Od každého pacienta jsou odebrány alespoň dva vzorky dechu za podobných podmínek a analyzovány (např. v různé dny, ale ve stejnou denní dobu). Způsob odběru vzorku dechu bude v souladu s doporučeními podle referenční metody a specifických technických požadavků VOCORDER.

   Tabulka 1 Popis klinických fází Klinické fáze ZÁKLADNÍ FÁZE VALIDAČNÍ FÁZE Pacienti a zdravá kontrolní populace Pacienti Skupina 1 Zdravá kontrola Pacienti Skupina 2 Zdravá kontrola Velikost populace (Ne) 175 120 (alespoň) 100 120 Metodika dechových analýz SESI-MS a Referenční metoda GC-MS Referenční metoda SESI-MS a GC-MS Referenční metoda SESI-MS a GC-MS SESI-MS a Referenční metoda GC-MS Technologie Vocorder Technologie Vocorder

   Metodika analýzy dechu Během úvodní základní fáze bude k analýze vydechovaného dechu pacientů a zdravých dobrovolníků použita referenční metoda hmotnostní spektrometrie. Vzorky dechu se odebírají do 1l vaků na odběr plynu a budou odeslány do laboratoře pro analýzu dechu v ETH Zurich k offline analýze.

   V následné validační fázi jsou klinické vzorky analyzovány pomocí obou metod, techniky VOCORDER a referenční metody hmotnostní spektrometrie, aby bylo zajištěno robustní srovnání a validace výsledků.

   Sběr nemocí a dat (AIDEAS, MITERA) Rozsáhlé hodnocení rizikových faktorů různých zdravotních stavů dále odhaluje složitou souhru mezi genetickou predispozicí, expozicí prostředí, volbou životního stylu a základními zdravotními stavy. U rakoviny plic je nesporně primárním rizikovým faktorem tabákový kouř, přičemž asi 85 % případů rakoviny plic lze přímo připsat kouření, včetně pasivního kouření (CDC, 2021). K riziku dále přispívá expozice radonu, pracovní expozice látkám, jako je azbest, některé kovy a výfukové plyny nafty, stejně jako znečištění ovzduší, spolu s rodinnou anamnézou rakoviny plic (American Cancer Society, 2021).

   Multifaktoriální etiologie rakoviny prsu zahrnuje hormonální faktory, jako je časná menarche, pozdní menopauza a hormonální substituční terapie, v kombinaci s faktory životního stylu, jako je konzumace alkoholu, fyzická nečinnost a obezita. Významnou roli hrají genetické faktory, přičemž mutace v genech BRCA1 a BRCA2 výrazně zvyšují riziko. Kromě toho, reprodukční historie, včetně věku při prvním porodu a kojení, ovlivňuje rizikové profily (National Breast Cancer Foundation, 2021).

   Riziko rakoviny žaludku je úzce spojeno se stravou, infekcí Helicobacter pylori, kouřením a rodinnou anamnézou. Mezinárodní agentura pro výzkum rakoviny (IARC) uznává H. pylori jako karcinogen I. třídy pro rakovinu žaludku. Kromě toho je strava bohatá na uzená jídla, solené ryby a maso a nakládaná zelenina spojena s vyšší mírou rakoviny žaludku, zejména v regionech, jako je východní Asie, kde jsou tyto potraviny základním jídelníčkem (World Cancer Research Fund, 2020).

   Chronické onemocnění ledvin (CKD) a ledvinová insuficience vznikají v důsledku onemocnění, jako je diabetes a hypertenze, které jsou zodpovědné až za dvě třetiny případů. Mezi další rizikové faktory patří rodinná anamnéza onemocnění ledvin, věk nad 60 let a etnický původ, přičemž zvýšené riziko jsou u Afroameričanů, původních obyvatel Ameriky a Asie. Chronické užívání NSAID a expozice kontrastním barvivům při zobrazování také představují rizika (National Kidney Foundation, 2021).

   Infekce, jako je pneumonie, jsou ovlivněny imunitním stavem jednotlivce, přičemž zvláště náchylní jsou velmi mladí, starší a imunokompromitovaní jedinci. Zásadní jsou faktory prostředí, jako je kvalita vzduchu, kouření a vystavení látkám dráždivým dýchací cesty, stejně jako chronická respirační onemocnění, jako je astma a chronická obstrukční plicní nemoc (CHOPN). Sezónní chřipka může jedince predisponovat k bakteriální pneumonii, což ilustruje vzájemný vztah mezi virovými a bakteriálními infekcemi (CDC, 2021). Pochopení těchto rizikových faktorů je klíčové pro rozvoj preventivních strategií, metod včasné detekce a formulaci politik veřejného zdraví zaměřených na zmírnění dopadu těchto onemocnění.

   Závěrem lze říci, že náš komplexní dotazník bude integrovat široké spektrum demografických informací a podrobností o anamnéze, aby bylo možné důkladně posoudit zdravotní profil účastníka. Demografické údaje, jako je věk, pohlaví, rasa/etnická příslušnost, příjem, úroveň vzdělání, povolání, rodinný stav a geografická poloha, nabídnou kontextové pozadí pro jednotlivé zdravotní stavy. Vstupy z lékařské anamnézy, včetně hmotnosti, výšky, BMI, kuřáckých návyků, konzumace alkoholu, stravovacích návyků, úrovně fyzické aktivity, komorbidit a podrobné záznamy o chronických onemocněních, infekcích, užívání léků, operacích a hospitalizacích poskytnou hlubší pohled na každou z nich. zdravotní rizika účastníka. Kromě toho posoudíme psychologické faktory, jako je deprese a úzkost, stejně jako vlivy životního prostředí a životního stylu, jako je pracovní expozice, genetické predispozice, spánkové vzorce a úroveň stresu. Tato data nám umožní identifikovat korelace a vzorce, které mohou přispívat k prevalenci onemocnění a výsledkům, stejně jako ke zjištěným koncentracím VOC z dechových analýz. Kromě toho se koncentrace molekul produkovaných těmito nemocemi mohou lišit v důsledku endogenních procesů, jako je cirkadiánní rytmus nebo zdravotní stav subjektů, nebo v důsledku dalších vnějších faktorů, jako jsou léky, používání kosmetických produktů nebo fyzické cvičení. Tyto faktory budou, pokud to bude možné, sledovány.

   Sběr a nahrávání klinických dat. Data budou shromažďována projektovým týmem MITEPA a uložena v počítačové pracovní složce v nemocnici. Složka je přístupná pouze týmu projektu MITERA. Údaje týkající se pacienta budou poté anonymizovány a vloženy do speciálně vyvinuté databáze sdílené s ostatními partnery – oprávněnými uživateli. Databáze obsahuje i výsledky za použití obou metodik.

   Zajištění ochrany dat. Ochrana osobních údajů pacientů účastnících se studie bude zajištěna v rámci řecké legislativy, příslušného evropského GDPR a nemocničního řádu MITERA.

   Plánování statistické analýzy a výpočet velikosti vzorku (ICCS) Podle potřeb projektu VOCORDER bude v úloze 4.2 poskytnuta statistická analýza ze spekter s vysokým rozlišením z dat vzorků dechu. Tato analýza bude využívat několik technik AI různých technologií pro rozlišení mezi třídami vzorků z hlediska latentních vlastností souvisejících se zdravím, navíc tento automatizovaný proces bude identifikovat korelace a závislosti mezi vybranými parametry onemocnění, jednotlivými pásy biomarkerů a deskriptory ze zaznamenaných dat. .

   Pro úspěšný designový přístup a analýzu klinických vzorků je nutné prozkoumat nejmodernější přístupy. Tabulka 2 shrnuje hlášené těkavé organické sloučeniny (VOC) pro onemocnění VOCORDER. VOC lze použít k detekci onemocnění VOCORDERu na základě statistické analýzy pomocí několika druhů algoritmů strojového učení (tj. bez dozoru, pod dozorem, pod dozorem a XAI). Následující odstavce této části poskytují informace o současných nejmodernějších přístupech strojového učení. Přístupy popsané v literatuře budou použity jako předchozí znalosti pro navrhování modelů strojového učení pro projekt VOCORDER po úspěšném odběru klinických vzorků.

   Tabulka 2 Těkavé organické sloučeniny ve vydechovaném vzduchu pro onemocnění VOCORDER. Hlášená onemocnění Těkavé organické sloučeniny Rakovina plic Isopropanol Aceton Pentan Benzen Rakovina žaludku a tlustého střeva Propanal Acetamid Isopren 1,3-propandiol Ethylen Methyl Isobutyl Keton Kyselina octová m-Toluyl Aldehyde 1,2,5 Kanceri (TrimethylolSpropan)-1,2,5 Canceri (TrimethylolSpropan) prsa cyklopentanon Ethylenkarbonát 3-Methoxy-1,2-propandiol 3-Methylpyridin Fenol Tetramethylsilan Nedostatek ledvin Cyklohexanol 3-Hydroxy-2-Butanon 3-Methyl butanal Dimer isoprenu Infekce-Pneumonie Methanol Acetaldehyde2pervisopiedoloniAcetaldehydu2-Propiedoloni Unsupervised AI Principal Component Analysis (PCA) byla zkoumána jako řešení pro detekci rakoviny ze vzorků dechu. V práci Maiti et al. je diskutována případová studie 63 dobrovolníků složených ze zdravých a nezdravých vzorků, mezi nimiž byli pacienti s rakovinou ledvin, rakovinou močového měchýře a rakovinou prostaty. Jejich sběr dat byl založen na bezlaserové širokopásmové střední infračervené Fourierově transformační spektroskopii pro detekci plynů metabolitů citlivých na rakovinu (tj. ethylvinylketon, acetaldehyd, methylbutyrát atd.). Jejich analýza podporovaná metodami pod dohledem ukázala, že tyto metodologie mohou být použity pro detekci rakoviny. Je však zapotřebí dalšího výzkumu.

   Podobný výzkum byl aplikován v práci Aslam et al. V tomto případě zkoumali diagnózu rané fáze rakoviny žaludku na základě hlubokého učení bez dozoru. Navrhují inovativní metodu pro extrakci příznaků založenou na skládaném řídkém autokodéru pro extrahování diskriminačních příznaků z neoznačených dat vzorků dechu. Jejich výsledky naznačují, že hluboko naskládané řídké neuronové sítě autoenkodéru jsou schopny dosáhnout celkové přesnosti 98,7 % pro pokročilou klasifikaci rakoviny žaludku a 97,3 % pro časnou detekci rakoviny žaludku pomocí analýzy dechu.

   Studie Alkhalifah et al. zkoumal detekci rakoviny pomocí analýzy VOCs, analyzoval 74 klinických vzorků dechu pomocí plynové chromatografie a hmotnostní spektrometrie od účastníků. Navrhují techniku ​​shlukování bez dozoru nazvanou VOCCluster pro měření podobností hmotnostních spekter VOC. Jejich práce vedla k tomu, že přístup VOCCluster dosáhl lepšího skóre ve srovnání s nejmodernějšími algoritmy, jako jsou DBSCAN a OPTICS.

   Modely umělé inteligence a umělé inteligence pod dohledem Strojové učení založené na supervizi lze použít také pro detekci rakoviny. Begum a kol. zkoumá identifikaci leukémie na základě biomarkerů rakoviny. Pro svou analýzu zvažovali algoritmy Naive Bayes (NB), K-Nearest Neighbors (KNN) a Support Vector Machines (SVM) pro řízené učení. Jejich experimentování bylo prováděno změnou velikosti trénovací sady (tj. použitého vlaku o velikosti 20, 33 a 48 vzorků) a 33 vzorků pro velikost testu. Ve všech případech bylo skóre algoritmu SVM lepší než u ostatních algoritmů, autoři však dospěli k závěru, že budoucí studie jsou nezbytné.

   Zhou a kol. zkoumali detekci rakoviny plic z 236 vzorků dechu (176 zdravých a 60 pacientů) pomocí učení pod dohledem. Každý vzorek se skládá z 308 prvků extrahovaných z chromatogramu, přičemž jejich experimentální nastavení bylo založeno na algoritmu rozhodovacích stromů gradientu. Pomocí těchto parametrů dosáhli přesnosti 85 % hodnocené 6násobnou křížovou validací. Na základě statistické bootstrap analýzy je 72 % vzorků označeno jako „spolehlivé“ s 93% přesností důvěryhodných vzorků při křížové validaci.

   A konečně, částečně kontrolované strojové učení bylo účinně aplikováno při detekci plicních onemocnění, jako je SARS-CoV-2. Kromě toho je v práci Shi et al navržen přístup k učení s hlubokým přenosem pod dohledem pro detekci plicních uzlů, které indikují rakovinu plic. Tyto studie prokazují proveditelnost použití metod učení pod dohledem i polořízeného učení pro detekci nemocí na základě analýzy dechu. Všechny výše uvedené práce však dospěly k závěru, že je nutný další výzkum ke zlepšení těchto technologií a poskytnutí funkčního řešení použitelného pro lékařské ošetření.

   Plánování statistické analýzy VOCORDER Cílem projektu VOCORDER je vyvinout zařízení pro detekci několika chorob souvisejících s dýcháním. Aby bylo možné detekovat a klasifikovat tyto nemoci, projekt prozkoumá řadu modelů, včetně přístupů pod dohledem, bez dohledu a částečně pod dohledem. Kromě toho bude projekt VOCORDER využívat vysvětlitelné technologie umělé inteligence ke snaze maximalizovat přesnost finálních modelů. V této fázi je předčasné uvádět konkrétní statistické analýzy kvůli absenci měření.

   Podle literatury jedna životaschopná strategie zahrnuje použití pokročilých klasifikačních technik, jako jsou SVM, K-NN, NB nebo rozhodovací stromy, k prozkoumání detekce onemocnění. Nový přístup zahrnuje pokročilé modely umělé inteligence, jako jsou modely založené na LSTM nebo CNN. Vysvětlitelné metody AI budou také použity nejen k posouzení pravděpodobnosti onemocnění, ale také k objasnění zdůvodnění závěrů modelu AI.

   Výpočet velikosti vzorku V rámci projektu VOCORDER, který se snaží zkonstruovat nezaujaté modely strojového učení pro diagnostiku různých onemocnění, jsme pečlivě vypočítali požadovanou velikost vzorku, dodržujíce přísná statistická kritéria. Abychom analyzovali samostatné problémy dvou tříd, jako je rozlišení mezi zdravými jedinci a těmi, kteří trpí konkrétním onemocněním, naším cílem je dosáhnout senzitivity a specificity alespoň 90 %. Tato ambice vyžaduje minimálně 35 předmětů na třídu, což je základem studie s úrovní spolehlivosti 95 % a chybou stanovenou na 10 %. I když toto rozpětí přesahuje obvykle doporučených 5 % pro výzkum související s nemocemi, slouží jako náš předběžný standard. Se zahrnutím čtyř různých onemocnění do naší studie se požadavek eskaluje na minimálně 35 subjektů pro každou kategorii onemocnění. Kromě toho, aby se odrážely demografické rozdíly ve výskytu onemocnění, jako je vyšší prevalence rakoviny prsu u žen, skupina zdravých účastníků musí být výrazně větší. Toto strategické určení velikosti vzorku je klíčové pro úspěšný vývoj nezaujatých a efektivních modelů strojového učení.