Validación del dispositivo Vocorder en entornos clínicos: monitoreo continuo de individuos (Validación clínica de Vocorder-VCV) (VCV)

Diseño del estudio La hipótesis En el estudio de la respiratomía, se encuentra que varios COV, patrones de COV y relaciones entre los cambios en los patrones de COV están relacionados con diferentes tipos de enfermedades. Por lo tanto, los cambios en los patrones de COV del aire exhalado se correlacionan con condiciones particulares, medidas por perfiles de COV específicos relacionados con enfermedades.

Antecedentes y objetivos del estudio Este estudio clínico se lleva a cabo como parte del proyecto HORIZON-EIC-2022 PATHFINDER CHALLENGES-01-04 titulado Vocorder, una nueva tecnología para análisis del aliento. Recogida de muestras de aliento para análisis de COV (pacientes y grupo de control), es posible que los COV ya estén presentes en un nivel básico. Sin embargo, el instrumento VOCORDER será capaz de resolver aquellas diferencias de concentración provocadas por cambios en el metabolismo y discriminar aquellas que ya puedan estar presentes en el aire ambiental. Por lo tanto, el analizador permitirá una medición in situ con resolución temporal de diferentes gases (por ejemplo, COV), registrando su perfil de concentración en respiraciones únicas con una supervisión mínima y casi sin una metodología estricta. Sin embargo, en esta fase de validación se aplicará una metodología estricta para garantizar la validez del enfoque y la discreción del método.

Los análisis del aliento se realizarán utilizando prototipos de analizadores de aliento basados ​​en láser capaces de detectar una pequeña cantidad de gases simultáneamente. Analizador de automezcla basado en matriz de IR medio QCL para la detección de COV con rango de medición de 10 a 100 ppb, límite de detección cercano a 1 ppb, resolución cercana a 1 ppb y precisión cercana a ± 1 ppb. La identificación de compuestos dependerá de una biblioteca de espectros de masas del NIST y de la comparación de sus índices de retención con la biblioteca de índices obtenidos para los estándares de referencia. El analizador de aliento inicial podrá probarse tanto en pacientes sanos como en incubados, ya que el tubo de muestreo se puede conectar directamente al ventilador, además de su uso original.

Este estudio clínico abordará el análisis de correlación entre los perfiles de COV en el aliento detectados por el analizador de aliento VOCORDER y los datos médicos electrónicos recopilados por profesionales médicos. Se espera que los resultados obtenidos sean esenciales para adaptar la tecnología de análisis del aliento en el analizador de aliento VOCORDER hacia la detección temprana de enfermedades de interés.

Los principales objetivos de este estudio clínico son los siguientes:

1. Utilizar el dispositivo desarrollado en un entorno clínico y determinar sus parámetros operativos (volumen respiratorio, número y frecuencia de muestreo clínico).
2. Validar el rendimiento del dispositivo y sus mediciones realizadas en comparación con otras tecnologías relevantes y/o el método de referencia establecido.
3. Investigar las posibles correlaciones principales entre los gases detectados en el análisis del aliento y las enfermedades específicas elegidas para este estudio.

Criterios de valoración primarios y secundarios

Criterios de valoración principales:

Validar la eficacia del dispositivo VOCORDER en la práctica clínica y promover aún más la tecnología de análisis del aliento.

Criterios de valoración secundarios:

1. Identificar y definir los parámetros operativos de la nueva tecnología de análisis del aliento en la práctica clínica.
2. Compare el rendimiento y los resultados de la tecnología VOCORDER con el método de referencia GC-MS.
3. Investigar la correlación entre condiciones preexistentes conocidas y biomarcadores de COV importantes en el aliento exhalado para enfermedades seleccionadas.
4. Explore el potencial de los biomarcadores de COV en el aliento exhalado para la detección temprana de enfermedades, facilitando el diagnóstico oportuno mediante la correlación con parámetros médicos clave.

Requisitos para la realización del estudio clínico Centro de investigación para la implementación y estado actual de aprobación de los Comités de Ética El estudio se realizará en el Hospital MITERA. La Clínica General, Clínica de Maternidad/Ginecología y Hospital Infantil MITERA se ha consolidado como un centro de atención médica líder, que sirve como un centro de atención integral para personas de todas las edades. Con 45 años de funcionamiento, MITERA se destaca como uno de los hospitales privados más estimados de Grecia y ofrece una amplia gama de servicios de salud de alta calidad destinados a la prevención, el diagnóstico y el tratamiento en diversos campos médicos. MITERA alberga tres clínicas: la Clínica General, la Clínica de Maternidad/Ginecología MITERA y la clínica pediátrica privada más completa de Grecia, el Hospital Infantil MITERA. El compromiso de brindar atención y servicios de enfermería excepcionales es de alta calidad en MITERA Clinics, donde un equipo dedicado de médicos, enfermeras y parteras, respaldados por un soporte administrativo y técnico integral, están disponibles las 24 horas, todos los días del año, para atender cualquier emergencia médica.

El Consejo Científico del hospital ha autorizado el estudio clínico. El estudio será realizado por el equipo de investigación de MITERA. Estado regulatorio

1. Los requisitos del Reglamento General de Protección de Datos (GDPR)
2. Reglamento (UE) 2016/679 del Parlamento Europeo y del Consejo, de 27 de abril de 2016, relativo a la protección de las personas físicas en lo que respecta al tratamiento de datos personales y a la libre circulación de dichos datos, y por el que se deroga la Directiva 95/46/CE• WP29 : Opinión 05/2014 sobre técnicas de anonimización.
3. Se seguirán las mejores prácticas de tratamientos/estándar de atención. Los pacientes serán diagnosticados de acuerdo con estas mejores prácticas.
4. Aunque el estudio clínico no incluye tratamientos farmacológicos, se seguirán los principios generales de Buenas Prácticas Clínicas para asegurar la calidad ética y científica.

5. Se tendrán en cuenta los principios definidos en las directrices de las agencias de Evaluación de Tecnologías Sanitarias, como EUnetHTA, especialmente los siguientes:

   • Comparadores y comparaciones. Criterios para la elección del(los) comparador(es) más adecuado(s).
   • Resumen de las políticas actuales y directrices de mejores prácticas.
   • Criterios de criterios de valoración para la evaluación de la eficacia relativa: criterios de valoración clínicos
6. El estudio se diseñará y analizará de acuerdo con los Principios estadísticos para ensayos clínicos (CPMP/ICH/363/96), Tema E9 de la ICH.
7. AEPD: Las Directrices de la AEPD sobre procedimientos de anonimización de datos personales proporcionarán un marco para garantizar la privacidad y la protección de datos.
8. ENISA: Se seguirán recomendaciones para alinear los desarrollos tecnológicos con el RGPD, particularmente en lo que respecta a las técnicas de seudonimización de datos.
9. El documento conjunto AEPD-SEPD sobre el uso de funciones hash para la seudonimización de datos personales servirá como referencia para las estrategias de protección de datos.
10. Asociación Médica Mundial: Declaración de Helsinki sobre principios éticos para la investigación médica con seres humanos Consentimiento informado e información Dentro de VOCORDER, la institución responsable sigue procedimientos específicos y utiliza el formulario de consentimiento, asegurando el cumplimiento de los requisitos mínimos de información para un consentimiento válido como se describe en el marcos anteriores. La participación en la investigación VOCORDER será enteramente voluntaria para todas las personas, teniendo derecho a retirarse de cualquier etapa de las actividades de la investigación sin enfrentar repercusiones ni sanciones. Se proporcionará a los participantes una hoja de información completa que describe el propósito, procedimiento, riesgos, etc., de la investigación VOCORDER junto con el formulario de consentimiento. Si lo solicita, se pueden obtener un protocolo y borradores de plantillas para formularios de consentimiento de información. También se añadirán en el Plan de Gestión de Datos. La información la proporcionarán médicos con la formación y las cualificaciones científicas adecuadas. El personal médico será capaz de responder las preguntas de los participantes y explicar el proceso a seguir, lo que se solicita al participante y los resultados esperados. Se garantizará que los posibles participantes hayan comprendido plenamente la información.

El consentimiento será dado libremente por los participantes. Se garantizará que no se sientan obligados ni coaccionados de ningún modo a prestar su consentimiento. Los participantes darán su consentimiento por escrito, en particular firmando el formulario de consentimiento informado y las hojas informativas que se presentan a continuación. Si el consentimiento no puede darse por escrito, por ejemplo, debido al analfabetismo, el consentimiento no escrito debe documentarse formalmente y ser testificado de forma independiente. El consentimiento es un proceso continuo, especialmente en ensayos a largo plazo como el de VOCORDER. Los socios responsables del proyecto fomentarán un diálogo continuo con los participantes y les informarán sobre cualquier cosa nueva o diferente relacionada con el ensayo.

Aprobación por el Comité de Ética Para mejorar la supervisión de los procedimientos éticos a lo largo del ciclo de vida del proyecto, se establecerá un IEC de VOCORDER. Este comité desempeñará un papel dominante para garantizar el cumplimiento del principio ético prescrito en la legislación en todas las etapas del proyecto, desde el desarrollo del protocolo hasta la publicación de los hallazgos. Además, el comité colaborará con los comités de ética locales en los seis países participantes para abordar cualquier queja de los participantes que surja durante el estudio. El IEC tendrá la tarea de compilar y presentar informes provisionales y de seguridad a los comités de ética nacionales pertinentes cuando sea necesario.

Designación de puntos de contacto para asuntos éticos y legales De acuerdo con sus respectivas actividades y marco regulatorio nacional, cada socio involucrado en VOCORDER designará un Delegado de Protección de Datos (DPO) y/o designará una persona de contacto responsable de abordar las inquietudes legales y éticas relacionadas con las actividades de investigación del proyecto.

Seguimiento y presentación de informes Se proporcionarán informes periódicos sobre el seguimiento de los riesgos éticos durante las reuniones del proyecto. Se está considerando la formulación y distribución de un cuestionario de ética internamente a los socios involucrados en el avance técnico para garantizar la alineación con los requisitos éticos. El IEC será responsable de atender cualquier cuestión planteada por los socios del proyecto en todas las instancias y cooperar con el respectivo representante en los asuntos legales y éticos definidos por cada entidad. VOCORDER evaluará sus resultados en todas las fases de la implementación del proyecto en función de estos requisitos para garantizar una cobertura integral.

Fases del estudio clínico.

El estudio clínico es un estudio de cohorte prospectivo y se llevará a cabo en dos fases:

• 1ª Fase: Fase de referencia (octubre 2024-agosto 2025)
• 2da Fase: Fase de Validación - Validación de la tecnología VOCORDED (mayo-diciembre 2026)

Fases del estudio clínico.

El estudio clínico es un estudio de cohorte prospectivo y se llevará a cabo en dos fases:

• 1ª Fase: Fase de referencia (octubre 2024-agosto 2025)
• 2ª Fase: Fase de Validación - Validación de la tecnología VOCORDED (mayo-diciembre 2026) Fase base La implementación de esta fase se considera necesaria para definir los parámetros básicos de funcionamiento de la tecnología fabricada con el fin de permitir la transición a la validación final del dispositivo en el campo clínico. El objetivo anterior se conseguirá con la contribución del mecanismo de inteligencia artificial (WP.4) y el análisis de los datos brutos de los equipos de investigación tecnológica implicados en el diseño del analizador de aliento. En esta fase se inscriben pacientes y controles sanos y se analizan las mediciones de los gases producidos mediante el método de referencia GC-MS.

Fase de validación (Fase de validación de VOCORDER) Durante esta etapa, la tecnología VOCORDER se somete a una evaluación clínica tanto por parte de pacientes como de voluntarios sanos. El análisis consiste en medir los gases emitidos por los participantes, utilizando tanto el método de referencia estándar como la tecnología VOCORDER para su comparación.

Enfermedades

Se investigarán las siguientes enfermedades:

1. cáncer de pulmón
2. Cáncer gástrico y colon
3. Cáncer de mama
4. insuficiencia renal
5. Infecciones - Neumonía (adquirida en la comunidad y adquirida en el hospital) La selección de estas enfermedades se basó en la revisión de la literatura existente por parte del equipo de ETH (Tarea 2.1) y la posterior adaptación de los hallazgos para alinearse con las capacidades de VOCORDER para detectar biomarcadores de gases específicos para el Diagnóstico precoz de enfermedades seleccionadas (Tarea 2.2).

Pacientes y población de control sana Controles sanos Al menos 120 controles sanos de ambos sexos, con edades comprendidas entre 20 y 75 años, que no padezcan las enfermedades bajo investigación serán seleccionados para participar en el estudio al mismo tiempo que los pacientes. Se espera que se tomen al menos 2 o 3 muestras de aliento de cada control prospectivo en días diferentes a la misma hora del día. Los mismos controles sanos participarán en ambas fases del estudio y las muestras de aliento obtenidas se analizarán mediante ambos métodos.

Los voluntarios sanos se seleccionan entre el personal del hospital o entre pacientes ingresados ​​en el hospital por otro motivo. Los posibles controles rellenarán un cuestionario con datos demográficos y de historia clínica tras haber sido informados detalladamente sobre el estudio por el equipo VOCORDER de MITERA. El cuestionario será analizado por el equipo del proyecto, y si se concluye que la persona puede participar en el estudio, el participante firmará un formulario de consentimiento.

Población de pacientes Fase basal

Pacientes: un total de 175 pacientes, 35 por cada enfermedad, con edades entre 18 y 75 años de ambos sexos, seleccionados según los siguientes criterios de inclusión:

1. Pacientes >18 años de ambos sexos
2. Deberán ser capaces de comunicarse y comprender la información que les proporcione el personal de MITERA.
3. Padecer la enfermedad objeto de investigación.
4. La enfermedad debe encontrarse en la fase más temprana posible, es decir, los pacientes aún no deben haber iniciado el tratamiento.

5. Los pacientes no deben tener otras comorbilidades graves que afecten las mediciones derivadas. Los pacientes serán seleccionados en colaboración con los médicos responsables del tratamiento y/u hospitalización de pacientes con las enfermedades bajo investigación.

   Los criterios 1, 2 y 3 son obligatorios para la inscripción en el estudio. Para la inscripción de los pacientes en el estudio, la documentación específica de la enfermedad debe estar disponible para el equipo del proyecto de la siguiente manera:

   Para el diagnóstico de cáncer es necesario documentar lo siguiente:

   • El tipo de cáncer se basa en hallazgos histopatológicos y resultados de indicadores específicos.
   • El estadio de la enfermedad se basa en exámenes radiológicos y hematológicos.

   Para las infecciones, el diagnóstico de neumonía es necesario determinar lo siguiente:

   • El diagnóstico de neumonía se basa en los hallazgos del tórax -X, el síndrome clínico y el estado de los indicadores inflamatorios (día 1).
   • La determinación de laboratorio del patógeno que causó el síndrome clínico (si es posible aislarlo de muestras clínicas).
   • La gravedad clínica de la enfermedad se basa en la puntuación CURB 65/SMART COP para pacientes con neumonía comunitaria o adquirida por la salud, respectivamente, y Apache II para pacientes hospitalizados en UCI.

   En caso de insuficiencia renal es necesario:

   • Documentación de la enfermedad renal crónica
   • Determinación del estadio de la enfermedad según tasas de RFC.
   • Tratamiento de hemodiálisis Criterios de exclusión
   • Falta de consentimiento firmado
   • Falta de cooperación por cualquier motivo.
   • No seguir las recomendaciones sobre los requisitos previos al procedimiento de muestreo de aliento.
   • Incapacidad para proporcionar una muestra de aliento confiable
   • Cualquier tratamiento, dieta específica, cirugía u otra intervención que se haya iniciado entre la obtención de muestras de COV del aliento.

   Una vez que el paciente haya sido informado por el equipo de MITERA responsable del proyecto y haya aceptado participar en el estudio, deberá leer y firmar el correspondiente formulario de consentimiento de participación. Se completarán cuestionarios similares con los controles (formularios de recopilación de datos) para los pacientes que participan en el estudio.

   Muestreo: se toman al menos dos muestras de aliento (1 litro cada una) de cada paciente en condiciones similares y se analizan (por ejemplo, en días diferentes pero a la misma hora del día). Las muestras de aliento se analizarán en esta fase utilizando el método de referencia. En la fase final serán almacenados y analizados mediante el método VOCORDER. El método de toma de muestra de aliento será según las recomendaciones siguiendo el método de referencia.

   Fase de validación Pacientes: En la fase final del estudio clínico participarán 100 pacientes, 20 por cada enfermedad. Los pacientes serán seleccionados de acuerdo con los criterios anteriores como en la fase inicial.

   Muestreo: Las muestras de aliento se analizarán utilizando ambas metodologías. Se toman al menos dos muestras de aliento de cada paciente en condiciones similares y se analizan (por ejemplo, en días diferentes pero a la misma hora del día). El método de toma de muestra de aliento será según las recomendaciones siguiendo el método de referencia y los requisitos técnicos específicos de VOCORDER.

   Tabla 1 Descripción de las fases clínicas Fases clínicas FASE BASE FASE DE VALIDACIÓN Pacientes y población control sana Pacientes Grupo 1 Controles sanos Pacientes Grupo 2 Controles sanos Tamaño de la población (Nº) 175 120 (al menos) 100 120 Metodología de los análisis del aliento SESI-MS y Método de referencia GC-MS Método de referencia SESI-MS y GC-MS Método de referencia SESI-MS y GC-MS Referencia SESI-MS y GC-MS método Tecnología Vocorder Tecnología Vocorder

   Metodología de análisis del aliento Durante la fase inicial inicial, se utilizará el método de referencia de espectrometría de masas para analizar el aliento exhalado de pacientes y voluntarios sanos. Las muestras de aliento se recolectan en bolsas de muestreo de gas de 1 litro y se enviarán al laboratorio de análisis de aliento en ETH Zurich para su análisis fuera de línea.

   En la posterior fase de validación, las muestras clínicas se analizan utilizando ambos métodos, la técnica VOCORDER y el método de referencia de espectrometría de masas para garantizar una comparación y validación sólida de los resultados.

   Enfermedades y recopilación de datos (AIDEAS, MITERA) Además, una evaluación exhaustiva de los factores de riesgo para diversas condiciones de salud revela una interacción compleja entre la predisposición genética, las exposiciones ambientales, las elecciones de estilo de vida y las condiciones de salud subyacentes. Para el cáncer de pulmón, indiscutiblemente, el principal factor de riesgo sigue siendo el humo del tabaco, y alrededor del 85% de los casos de cáncer de pulmón son directamente atribuibles al tabaquismo, incluida la exposición al humo de segunda mano (CDC, 2021). La exposición al radón, la exposición ocupacional a sustancias como el asbesto, ciertos metales y los gases de escape de diésel, así como la contaminación del aire, contribuyen aún más al riesgo, junto con los antecedentes familiares de cáncer de pulmón (American Cancer Society, 2021).

   La etiología multifactorial del cáncer de mama involucra factores hormonales como la menarquia temprana, la menopausia tardía y la terapia de reemplazo hormonal, combinados con factores del estilo de vida como el consumo de alcohol, la inactividad física y la obesidad. Los factores genéticos desempeñan un papel importante, y las mutaciones en los genes BRCA1 y BRCA2 aumentan notablemente el riesgo. Además, los antecedentes reproductivos, incluida la edad del primer parto y la lactancia, influyen en los perfiles de riesgo (Fundación Nacional del Cáncer de Mama, 2021).

   El riesgo de cáncer gástrico está estrechamente relacionado con la dieta, la infección por Helicobacter pylori, el tabaquismo y los antecedentes familiares. La Agencia Internacional para la Investigación del Cáncer (IARC) reconoce a H. pylori como un carcinógeno de clase I para el cáncer gástrico. Además, una dieta rica en alimentos ahumados, pescado y carne salados y verduras encurtidas se asocia con tasas más altas de cáncer gástrico, especialmente en regiones como el este de Asia, donde estos alimentos son alimentos básicos (World Cancer Research Fund, 2020).

   La enfermedad renal crónica (ERC) y la insuficiencia renal surgen de afecciones como la diabetes y la hipertensión, que son responsables de hasta dos tercios de los casos. Otros factores de riesgo incluyen antecedentes familiares de enfermedad renal, edad mayor de 60 años y origen étnico, siendo los afroamericanos, los nativos americanos y los asiático-americanos los que corren un mayor riesgo. El uso crónico de AINE y la exposición a tintes de contraste en las imágenes también plantean riesgos (National Kidney Foundation, 2021).

   Las infecciones como la neumonía están influenciadas por el estado inmunológico de un individuo, siendo particularmente susceptibles los muy jóvenes, los ancianos y las personas inmunocomprometidas. Los factores ambientales como la calidad del aire, el tabaquismo y la exposición a irritantes respiratorios son esenciales, al igual que las enfermedades respiratorias crónicas como el asma y la enfermedad pulmonar obstructiva crónica (EPOC). La influenza estacional puede predisponer a las personas a la neumonía bacteriana, lo que ilustra la interrelación entre las infecciones virales y bacterianas (CDC, 2021). Comprender estos factores de riesgo es crucial para el desarrollo de estrategias preventivas, métodos de detección temprana y la formulación de políticas de salud pública destinadas a mitigar el impacto de estas enfermedades.

   En conclusión, nuestro cuestionario integral integrará un amplio espectro de información demográfica y detalles del historial médico para evaluar minuciosamente el perfil de salud del participante. Los datos demográficos como edad, género, raza/etnia, ingresos, nivel educativo, ocupación, estado civil y ubicación geográfica ofrecerán un contexto contextual para los estados de salud individuales. Los datos del historial médico, incluidos el peso, la altura, el IMC, los hábitos de fumar, el consumo de alcohol, los hábitos alimentarios, los niveles de actividad física, las comorbilidades y un registro detallado de las enfermedades crónicas, las infecciones, el uso de medicamentos, las cirugías y las hospitalizaciones proporcionarán una visión más profunda de cada uno de ellos. riesgos para la salud de los participantes. Además, evaluaremos factores psicológicos como la depresión y la ansiedad, así como influencias ambientales y de estilo de vida, como exposiciones ocupacionales, predisposiciones genéticas, patrones de sueño y niveles de estrés. Estos datos nos permitirán identificar correlaciones y patrones que pueden contribuir a la prevalencia y los resultados de la enfermedad, así como a las concentraciones de COV detectadas en los análisis del aliento. Además, las concentraciones de moléculas producidas por estas enfermedades pueden variar debido a procesos endógenos como el ritmo circadiano o el estado de salud de los sujetos o debido a factores externos adicionales como la medicación, el uso de productos cosméticos o el ejercicio físico. Cuando sea posible, estos factores serán objeto de seguimiento.

   Recopilación y carga de datos clínicos. Los datos serán recopilados por el equipo del proyecto MITEPA y almacenados en una carpeta de trabajo computarizada dentro del hospital. Solo el equipo del proyecto MITERA puede acceder a la carpeta. Los datos relacionados con los pacientes se anonimizarán y se introducirán en una base de datos especialmente desarrollada y compartida con los demás socios: usuarios autorizados. La base de datos también incluye los resultados utilizando ambas metodologías.

   Garantizar la protección de datos. La protección de los datos personales de los pacientes que participan en el estudio se garantizará en el marco de la legislación griega, el RGPD europeo pertinente y la normativa hospitalaria MITERA.

   Planificación del análisis estadístico y cálculo del tamaño de la muestra (ICCS) De acuerdo con las necesidades del proyecto VOCORDER, en la Tarea 4.2 se proporcionará un análisis estadístico de los espectros de alta resolución de los datos de las muestras de aliento. Este análisis utilizará varias técnicas de IA de diferentes tecnologías para diferenciar entre clases de muestras en términos de propiedades latentes relacionadas con la salud; además, este proceso automatizado identificará correlaciones y dependencias entre los parámetros de enfermedades seleccionadas, bandas de biomarcadores individuales y descriptores de los datos registrados. .

   Para lograr un enfoque de diseño y análisis exitosos de las muestras clínicas, es necesario investigar los enfoques más modernos. La Tabla 2 resume los compuestos orgánicos volátiles (COV) informados para las enfermedades del VOCORDER. Los COV se pueden utilizar para detectar enfermedades del VOCORDER basándose en análisis estadísticos utilizando varios tipos de algoritmos de aprendizaje automático (es decir, no supervisados, supervisados, semisupervisados ​​y XAI). Los siguientes párrafos de esta sección brindan información sobre los enfoques actuales de aprendizaje automático de última generación. Los enfoques descritos en la literatura se utilizarán como conocimiento previo para diseñar los modelos de aprendizaje automático para el proyecto VOCORDER después de la recolección exitosa de las muestras clínicas.

   Tabla 2 Compuestos orgánicos volátiles del aliento exhalado para las enfermedades VOCORDER. Enfermedades reportadas Compuestos orgánicos volátiles Cáncer de pulmón Isopropanol Acetona Pentano Benceno Cáncer gástrico y de colon Propanal Acetamida Isopreno 1,3-propanodiol Etileno metil isobutil cetona Ácido acético m-toluil aldehído 1,2,5 trimetilbenceno Cáncer de mama (S)-1,2-propanodiol Carbonato de etileno de ciclopentanona 3-metoxi-1,2-propanodiol 3-metilpiridina fenol tetrametilsilano insuficiencia renal ciclohexanol 3-hidroxi-2-butanona 3-metilbutanal Dímero de isopreno Infecciones-neumonía metanol acetaldehído propiolonitrilo 2-cloropiridina Modelos de IA no supervisados ​​Análisis de componentes principales de IA no supervisados (PCA) se ha investigado como una solución para la detección de cáncer a partir de muestras de aliento. En el trabajo de Maiti et al. se discute un estudio de caso de 63 voluntarios compuesto por muestras sanas y no sanas, entre ellos pacientes con cáncer de riñón, cáncer de vejiga y cáncer de próstata. Su recopilación de datos se basó en espectroscopía de transformada de Fourier de infrarrojo medio de banda ancha sin láser para detectar gases de metabolitos sensibles al cáncer (es decir, etilvinilcetona, acetaldehído, butirato de metilo, etc.). Su análisis, respaldado por métodos supervisados, indicó que estas metodologías pueden utilizarse para la detección del cáncer. Sin embargo, se requiere más investigación.

   Se ha aplicado una investigación similar en el trabajo de Aslam et al. En este caso investigaron el diagnóstico de cáncer gástrico en etapa temprana basándose en el aprendizaje profundo no supervisado. Proponen un método innovador para la extracción de características basado en un codificador automático disperso apilado para extraer características discriminativas de datos no etiquetados de muestras de aliento. Sus resultados indican que las redes neuronales de codificadores automáticos dispersos y apilados en profundidad pueden lograr una precisión general del 98,7 % para la clasificación del cáncer gástrico avanzado y del 97,3 % para la detección temprana del cáncer gástrico mediante el análisis del aliento.

   El estudio de Alkhalifah et al. investigó la detección de cáncer mediante análisis de COV, analizando 74 muestras clínicas de aliento mediante espectrometría de masas por cromatografía de gases de los participantes. Proponen una técnica de agrupación no supervisada llamada VOCCluster para medir las similitudes de los espectros de masas de los COV. Su trabajo dio como resultado que el enfoque VOCCluster lograra mejores puntuaciones en comparación con algoritmos de última generación como DBSCAN y OPTICS.

   Modelos de IA supervisados ​​y semisupervisados ​​El aprendizaje automático basado en supervisión también se puede utilizar para la detección del cáncer. Begum et al. investiga la identificación de la leucemia basándose en biomarcadores de cáncer. Para su análisis, consideraron los algoritmos Naive Bayes (NB), K-Nearest Neighbors (KNN) y Support Vector Machines (SVM) para el aprendizaje supervisado. Su experimentación se realizó cambiando el tamaño del conjunto de entrenamiento (es decir, se utilizaron trenes de 20, 33 y 48 muestras) y 33 muestras para el tamaño de la prueba. En todos los casos, las puntuaciones del algoritmo SVM fueron mejores que las de otros algoritmos; sin embargo, los autores concluyeron que son necesarios estudios futuros.

   Zhou y cols. investigó la detección de cáncer de pulmón a partir de 236 muestras de aliento (176 sanas y 60 pacientes) mediante aprendizaje supervisado. Cada muestra se compone de 308 características extraídas del cromatograma, mientras que su configuración experimental se basó en el algoritmo de árboles de decisión de aumento de gradiente. Utilizando estos parámetros, lograron una precisión del 85 % evaluada con una validación cruzada de 6 veces. Según el análisis estadístico de arranque, el 72 % de las muestras muestreadas se marcan como "confiadas" con una precisión del 93 % de las muestras seguras en la validación cruzada.

   Finalmente, el aprendizaje automático semisupervisado se ha aplicado eficazmente en la detección de enfermedades relacionadas con los pulmones como el SARS-CoV-2. Además, en el trabajo de Shi et al se propone un enfoque de aprendizaje de transferencia profunda semisupervisado para detectar nódulos pulmonares que indican cáncer de pulmón. Estos estudios demuestran la viabilidad de utilizar métodos de aprendizaje tanto supervisados ​​como semisupervisados ​​para la detección de enfermedades basadas en el análisis del aliento. Sin embargo, todos los trabajos mencionados concluyeron que es necesaria más investigación para mejorar estas tecnologías y proporcionar una solución de trabajo capaz de ser utilizada para tratamientos médicos.

   Planificación del análisis estadístico de VOCORDER El proyecto VOCORDER tiene como objetivo desarrollar un dispositivo para la detección de varias enfermedades relacionadas con el aliento. Para permitir la detección y clasificación de estas enfermedades, el proyecto explorará una variedad de modelos, incluidos enfoques supervisados, no supervisados ​​y semisupervisados. Además, el proyecto VOCORDER utilizará tecnología de IA explicable para intentar maximizar la precisión de los modelos finales. En esta etapa, es prematuro detallar análisis estadísticos específicos debido a la ausencia de mediciones.

   Según la literatura, una estrategia viable implica emplear técnicas de clasificación avanzadas como SVM, K-NN, NB o árboles de decisión para explorar la detección de enfermedades. Un enfoque novedoso incluye modelos avanzados de inteligencia artificial, como LSTM o modelos basados ​​en CNN. También se aplicarán métodos de IA explicables no sólo para evaluar la probabilidad de una enfermedad, sino también para dilucidar el fundamento de las conclusiones del modelo de IA.

   Cálculo del tamaño de la muestra En el esfuerzo del proyecto VOCORDER por construir modelos imparciales de aprendizaje automático para diagnosticar diversas enfermedades, hemos calculado meticulosamente el tamaño de muestra requerido, adhiriéndose a estrictos criterios estadísticos. Para analizar problemas separados de dos clases, como distinguir entre individuos sanos y aquellos que padecen una enfermedad específica, nuestro objetivo es lograr una sensibilidad y especificidad de al menos el 90%. Esta ambición requiere un mínimo de 35 sujetos por clase, lo que respalda el estudio con un nivel de confianza del 95% y un margen de error fijado en el 10%. Si bien este margen excede el 5% recomendado típicamente para la investigación relacionada con enfermedades, sirve como nuestro estándar preliminar. Con la inclusión de cuatro enfermedades distintas en nuestro estudio, el requisito aumenta a un mínimo de 35 sujetos para cada categoría de enfermedad. Además, para reflejar las disparidades demográficas en la aparición de enfermedades, como la mayor prevalencia de cáncer de mama entre las mujeres, el grupo de participantes sanos debe ser significativamente mayor. Esta determinación estratégica del tamaño de la muestra es fundamental para el desarrollo exitoso de modelos de aprendizaje automático imparciales y eficaces.