Validation du dispositif Vocorder en milieu clinique - Surveillance continue des individus (Vocorder Clinical Validation-VCV) (VCV)

Conception de l'étude L'hypothèse Dans l'étude de la respiration, plusieurs COV, modèles de COV et relations entre les changements dans les modèles de COV se révèlent être liés à différents types de maladies. Par conséquent, les changements dans les profils de COV de l’air expiré sont en corrélation avec des conditions particulières, mesurées par des profils de COV spécifiques liés à une maladie.

Contexte et objectifs de l'étude Cette étude clinique est menée dans le cadre du projet HORIZON-EIC-2022 PATHFINDER CHALLENGES-01-04 intitulé Vocorder, une nouvelle technologie d'analyse respiratoire. Collecte d'échantillons d'haleine pour l'analyse des COV (patients et groupe témoin), les COV peuvent déjà être présents à un niveau de base. Cependant, l'instrument VOCORDER sera capable de résoudre les différences de concentration causées par des changements dans le métabolisme et de discriminer celles qui peuvent déjà être présentes dans l'air ambiant. Ainsi, l'analyseur permettra une mesure in situ résolue dans le temps de différents gaz (par exemple, les COV), en enregistrant leur profil de concentration au cours de respirations uniques avec une supervision minimale et presque aucune méthodologie stricte. Cependant, dans cette phase de validation, une méthodologie stricte sera appliquée pour garantir la validité de l'approche et le caractère discret de la méthode.

Les analyses respiratoires seront effectuées à l'aide de prototypes d'analyseurs respiratoires laser capables de détecter simultanément un petit nombre de gaz. Analyseur à auto-mélange QCL mid-IR Array pour la détection de COV avec une plage de mesure comprise entre 10 et 100 ppb, une limite de détection proche de 1 ppb, une résolution proche de 1 ppb et une précision proche de ± 1 ppb. L'identification des composés s'appuiera sur une bibliothèque de spectres de masse NIST et la comparaison de leurs indices de rétention avec la bibliothèque d'indices obtenus pour les étalons de référence. Le premier analyseur respiratoire pourra être testé aussi bien sur des patients sains que sur des patients incubés, puisque le tube de prélèvement peut être connecté directement au ventilateur, en plus de son utilisation initiale.

Cette étude clinique portera sur l'analyse de corrélation entre les profils de COV respiratoires tels que détectés par l'analyseur respiratoire VOCORDER et les données médicales électroniques collectées par les professionnels de la santé. Les résultats obtenus devraient être essentiels pour adapter la technologie d'analyse respiratoire de l'analyseur respiratoire VOCORDER vers la détection précoce des maladies d'intérêt.

Les principaux objectifs de cette étude clinique sont les suivants :

1. Utiliser l'appareil développé en milieu clinique et déterminer ses paramètres de fonctionnement (volume respiratoire, nombre et fréquence d'échantillonnage clinique).
2. Valider les performances de l'appareil et ses mesures réalisées par rapport à d'autres technologies pertinentes et/ou à la méthode de référence établie.
3. Étudier les principales corrélations potentielles entre les gaz détectés dans l'analyse respiratoire et les maladies spécifiques choisies pour cette étude.

Critère(s) d'évaluation principal et secondaire

Critères d'évaluation principaux :

Valider l'efficacité de l'appareil VOCORDER dans la pratique clinique et promouvoir davantage la technologie des analyses respiratoires.

Critères secondaires :

1. Identifier et définir les paramètres opérationnels de la nouvelle technologie d'analyse respiratoire en pratique clinique.
2. Comparez les performances et les résultats de la technologie VOCORDER avec la méthode de référence GC-MS.
3. Étudier la corrélation entre les conditions préexistantes connues et les biomarqueurs significatifs de COV dans l'air expiré pour certaines maladies.
4. Explorez le potentiel des biomarqueurs COV présents dans l'air expiré pour la détection précoce des maladies, facilitant ainsi un diagnostic rapide grâce à une corrélation avec des paramètres médicaux clés.

Exigences pour la conduite de l'étude clinique Centre de recherche pour la mise en œuvre et l'état d'approbation actuel des comités d'éthique L'étude sera menée à l'hôpital MITERA. La clinique générale, maternité/gynécologie et hôpital pour enfants MITERA s'est imposée comme un établissement de santé de premier plan, servant de centre de soins complets pour les personnes de tous âges. Avec 45 ans d'activité, MITERA se distingue comme l'un des hôpitaux privés les plus estimés de Grèce, offrant une large gamme de services de santé de haute qualité destinés à la prévention, au diagnostic et au traitement dans divers domaines médicaux. MITERA abrite trois cliniques : la Clinique Générale, la Clinique de Maternité/Gynécologie MITERA et la clinique pédiatrique privée la plus complète de Grèce, l'Hôpital pour Enfants MITERA. L'engagement à fournir des soins et des services infirmiers exceptionnels est de haute qualité dans les cliniques MITERA, où une équipe dédiée de médecins, d'infirmières et de sages-femmes, soutenue par un soutien administratif et technique complet, est disponible 24 heures sur 24, tous les jours de l'année, pour répondre à toute urgence médicale.

Le Conseil scientifique de l'hôpital a autorisé l'étude clinique. L'étude sera menée par l'équipe de recherche MITERA. Statut réglementaire

1. Les exigences du Règlement Général sur la Protection des Données (RGPD)
2. Règlement (UE) 2016/679 du Parlement européen et du Conseil du 27 avril 2016 relatif à la protection des personnes physiques à l'égard du traitement des données à caractère personnel et à la libre circulation de ces données, et abrogeant la directive 95/46/CE• WP29 : Avis 05/2014 sur les techniques d'anonymisation.
3. Les meilleures pratiques de traitements/normes de soins seront suivies. Les patients seront diagnostiqués selon ces meilleures pratiques.
4. Même si l’étude clinique n’inclut pas de traitements médicamenteux, les principes généraux des Bonnes Pratiques Cliniques seront suivis pour garantir la qualité éthique et scientifique.

5. Les principes définis dans les lignes directrices des agences d’évaluation des technologies de la santé, comme EUnetHTA, seront pris en compte, notamment les suivants :

   • Comparateurs et comparaisons. Critères de choix du ou des comparateurs les plus appropriés.
   • Résumé des politiques actuelles et des lignes directrices sur les meilleures pratiques.
   • Critères des critères d'évaluation de l'efficacité relative : critères d'évaluation cliniques
6. L'étude sera conçue et analysée conformément aux principes statistiques pour les essais cliniques (CPMP/ICH/363/96), ICH Topic E9.
7. AEPD : les lignes directrices de l'AEPD sur les procédures d'anonymisation des données personnelles fourniront un cadre pour garantir la confidentialité et la protection des données.
8. ENISA : Des recommandations seront suivies pour aligner les évolutions technologiques sur le RGPD, notamment concernant les techniques de pseudonymisation des données.
9. Le document conjoint AEPD-EDPS sur l’utilisation des fonctions de hachage pour la pseudonymisation des données personnelles servira de référence pour les stratégies de protection des données.
10. Association Médicale Mondiale : Déclaration d'Helsinki sur les principes éthiques pour la recherche médicale impliquant des sujets humains Consentement éclairé et information Au sein de VOCORDER, l'institution responsable suit des procédures spécifiques et utilise le formulaire de consentement, garantissant le respect des exigences minimales d'information pour un consentement valide, comme indiqué dans le cadres ci-dessus. La participation à la recherche VOCORDER sera entièrement volontaire pour tous les individus, avec le droit de se retirer de n'importe quelle étape des activités de recherche sans subir de répercussions ou de pénalités. Une fiche d'information complète décrivant le but, la procédure, les risques, etc. de la recherche VOCORDER sera fournie aux participants avec le formulaire de consentement. Un protocole et des projets de modèles de formulaires de consentement à l’information peuvent être récupérés sur demande. Ils seront également ajoutés dans le plan de gestion des données. Des médecins ayant une formation et des qualifications scientifiques appropriées fourniront les informations. Le personnel médical sera en mesure de répondre aux questions posées par les individus et d'expliquer la démarche à suivre, ce qui est demandé au participant et les résultats attendus. Il sera assuré que les participants potentiels ont pleinement compris les informations.

Le consentement sera donné librement par les participants. Il sera garanti qu'ils ne se sentent pas obligés ou contraints de quelque manière que ce soit à donner leur consentement. Les participants consentiront par écrit, notamment en signant le formulaire de consentement éclairé et les fiches d'information présentées ci-dessous. Si le consentement ne peut être donné par écrit, par exemple en raison de l’analphabétisme, le consentement non écrit doit être formellement documenté et attesté par un témoin indépendant. Le consentement est un processus continu, en particulier dans les essais à long terme comme celui de VOCORDER. Les partenaires responsables du projet favoriseront un dialogue continu avec les participants et les informeront de tout ce qui est différent/nouveau lié à l'essai.

Approbation par le comité d'éthique Pour améliorer la surveillance des procédures éthiques tout au long du cycle de vie du projet, un IEC de VOCORDER sera créé. Ce comité jouera un rôle dominant en garantissant le respect du principe éthique prescrit par la législation à toutes les étapes du projet, de l'élaboration du protocole à la publication des résultats. De plus, le comité collaborera avec les comités d'éthique locaux des six pays participants pour traiter toute plainte des participants découlant de l'étude. La CEI sera chargée de compiler et de soumettre des rapports de sécurité et intermédiaires aux comités d'éthique nationaux concernés, si nécessaire.

Désignation de points de contact pour les questions éthiques et juridiques Conformément à leurs activités respectives et au cadre réglementaire national, chaque partenaire impliqué dans VOCORDER nommera un délégué à la protection des données (DPD) et/ou désignera une personne de contact chargée de répondre aux préoccupations juridiques et éthiques liées aux les activités de recherche du projet.

Surveillance et rapports Des rapports réguliers sur la surveillance des risques éthiques lors des réunions de projet seront fournis. La formulation et la diffusion d'un questionnaire éthique en interne auprès des partenaires impliqués dans l'avancement technique sont à l'étude pour assurer l'alignement avec les exigences éthiques. L'IEC sera chargée de répondre à toute question soulevée par les partenaires du projet à tous les niveaux et de coopérer avec le représentant respectif des questions juridiques et éthiques définies par chaque entité. VOCORDER évaluera ses résultats à toutes les phases de la mise en œuvre du projet par rapport à ces exigences afin de garantir une couverture complète.

Phases de l'étude clinique

L'étude clinique est une étude de cohorte prospective et se déroulera en deux phases :

• 1ère phase : phase de référence (octobre 2024-août 2025)
• 2ème Phase : Phase de Validation - Validation de la technologie VOCORDED (Mai-Décembre 2026)

Phases de l'étude clinique

L'étude clinique est une étude de cohorte prospective et se déroulera en deux phases :

• 1ère phase : phase de référence (octobre 2024-août 2025)
• 2ème Phase : Phase de Validation - Validation de la technologie VOCORDED (Mai-Décembre 2026) Phase de référence La mise en œuvre de cette phase est considérée comme nécessaire pour définir les paramètres de fonctionnement de base de la technologie fabriquée afin de permettre la transition vers la validation finale du dispositif dans le domaine clinique. L'objectif ci-dessus sera atteint grâce à la contribution du mécanisme d'intelligence artificielle (WP.4) et à l'analyse des données brutes des équipes de recherche technologique impliquées dans la conception de l'analyseur d'haleine. Dans cette phase, les patients et les témoins sains sont recrutés et les mesures des gaz produits sont analysées à l'aide de la méthode de référence GC-MS.

Phase de validation (phase de validation VOCORDER) Au cours de cette étape, la technologie VOCORDER fait l'objet d'une évaluation clinique par des patients et des volontaires sains. L'analyse consiste à mesurer les gaz émis par les participants, en utilisant à la fois la méthode de référence standard et la technologie VOCORDER à des fins de comparaison.

Maladies

Les maladies suivantes seront étudiées :

1. Cancer du poumon
2. Cancer gastrique et du côlon
3. Cancer du sein
4. Insuffisance rénale
5. Infections - Pneumonie (communautaire et hospitalière) La sélection de ces maladies s'est basée sur l'examen de la littérature existante par l'équipe de l'ETH (tâche 2.1) et sur l'adaptation ultérieure des résultats pour les aligner sur les capacités de VOCORDER à détecter des biomarqueurs gazeux spécifiques pour le diagnostic précoce de certaines maladies (tâche 2.2) .

Patients et population témoin saine Contrôles sains Au moins 120 contrôles sains des deux sexes, âgés de 20 à 75 ans, qui ne souffrent pas des maladies étudiées seront sélectionnés pour participer à l'étude en même temps que les patients. Au moins 2 à 3 échantillons d'haleine devraient être prélevés sur chaque contrôle prospectif à différents jours et à la même heure de la journée. Les mêmes contrôles sains participeront aux deux phases de l'étude et les échantillons d'haleine obtenus seront analysés en utilisant les deux méthodes.

Les volontaires sains sont sélectionnés soit parmi le personnel hospitalier, soit parmi les patients admis à l'hôpital pour une autre raison. Les contrôles prospectifs rempliront un questionnaire avec des données démographiques et médicales après avoir été informé en détail de l'étude par l'équipe VOCORDER de MITERA. Le questionnaire sera analysé par l'équipe du projet, et s'il est conclu que la personne peut participer à l'étude, un formulaire de consentement sera signé par le participant.

Population de patients Phase de référence

Patients : un total de 175 patients, 35 pour chaque maladie, âgés de 18 à 75 ans des deux sexes, sélectionnés selon les critères d'inclusion suivants :

1. Patients âgés de plus de 18 ans, des deux sexes
2. Ils doivent être capables de communiquer et de comprendre les informations qui leur sont données par le personnel de MITERA.
3. Souffrez de la maladie faisant l’objet de l’enquête.
4. La maladie doit être présente à un stade le plus précoce possible, c'est-à-dire que les patients ne doivent pas encore avoir commencé le traitement.

5. Les patients ne doivent présenter aucune autre comorbidité grave affectant les mesures dérivées. Les patients seront sélectionnés en collaboration avec les cliniciens responsables du traitement et/ou de l'hospitalisation des patients atteints des maladies étudiées.

   Les critères 1, 2 et 3 sont obligatoires pour l'inscription à l'étude. Pour l'inscription des patients dans l'étude, une documentation spécifique sur la maladie doit être mise à la disposition de l'équipe de projet comme suit :

   Pour le diagnostic du cancer, il est nécessaire de documenter les éléments suivants :

   • Le type de cancer est basé sur les résultats histopathologiques et les résultats d'indicateurs spécifiques.
   • Le stade de la maladie est basé sur les examens radiologiques et hématologiques.

   Pour les infections – pneumonie, le diagnostic doit être déterminé comme suit :

   • Le diagnostic de pneumonie basé sur les résultats du thorax -X, le syndrome clinique et l'état des indicateurs inflammatoires (jour 1).
   • La détermination en laboratoire de l'agent pathogène à l'origine du syndrome clinique (s'il est possible de l'isoler à partir d'échantillons cliniques)
   • La gravité clinique de la maladie est basée sur le score CURB 65/SMART COP pour les patients atteints de pneumonie communautaire ou acquise respectivement et Apache II pour les patients hospitalisés en soins intensifs.

   En cas d'insuffisance rénale, il faut :

   • Documentation de la maladie rénale chronique
   • Détermination du stade de la maladie selon les taux de CFR.
   • Traitement d'hémodialyse Critères d'exclusion
   • Absence de consentement signé
   • Manque de coopération pour quelque raison que ce soit
   • Non-respect des recommandations sur les exigences avant la procédure de prélèvement d'haleine
   • Incapacité de fournir un échantillon d'haleine fiable
   • Tout traitement, régime spécifique, intervention chirurgicale ou autre intervention ayant été initié entre l'obtention d'échantillons de COV respiratoires.

   Une fois que le patient a été informé par l'équipe MITERA responsable du projet et a accepté de participer à l'étude, il doit lire et signer le formulaire de consentement correspondant pour la participation. Des questionnaires similaires avec les contrôles (formulaires de collecte de données) seront remplis pour les patients participant à l'étude.

   Échantillonnage : Au moins deux échantillons d'haleine (1 L chacun) sont prélevés sur chaque patient dans des conditions similaires et analysés (par exemple à des jours différents mais à la même heure de la journée). Les échantillons d'haleine seront analysés dans cette phase en utilisant la méthode de référence. Dans la phase finale, ils seront stockés et analysés grâce à la méthode VOCORDER. La méthode de prélèvement de l'échantillon d'haleine sera conforme aux recommandations suivant la méthode de référence.

   Phase de validation Patients : La phase finale de l'étude clinique impliquera 100 patients, 20 pour chaque maladie. Les patients seront sélectionnés selon les critères ci-dessus comme dans la phase de référence.

   Échantillonnage : les échantillons d'haleine seront analysés à l'aide des deux méthodologies. Au moins deux échantillons d'haleine sont prélevés sur chaque patient dans des conditions similaires et analysés (par exemple à des jours différents mais à la même heure de la journée). La méthode de prélèvement d'haleine sera conforme aux recommandations suivant la méthode de référence et aux exigences techniques spécifiques à VOCORDER.

   Tableau 1 Description des phases cliniques Phases cliniques PHASE DE BASE PHASE DE VALIDATION Patients et population témoin saine Patients Groupe 1 Témoins sains Patients Groupe 2 Témoins sains Taille de la population (Non) 175 120 (au moins) 100 120 Méthodologie des analyses respiratoires SESI-MS et Méthode de référence GC-MS SESI-MS et GC-MS méthode de référence SESI-MS et GC-MS méthode de référence SESI-MS et GC-MS méthode de référence Technologie Vocorder Technologie Vocorder

   Méthodologie d'analyse respiratoire Au cours de la phase de référence initiale, la méthode de référence de spectrométrie de masse sera utilisée pour analyser l'haleine expirée des patients et des volontaires sains. Les échantillons d'haleine sont collectés dans des sacs d'échantillonnage de gaz de 1 L et seront envoyés au laboratoire d'analyse d'haleine de l'ETH Zurich pour une analyse hors ligne.

   Lors de la phase de validation ultérieure, les échantillons cliniques sont analysés à l'aide des deux méthodes, la technique VOCORDER et la méthode de référence de spectrométrie de masse, pour garantir une comparaison et une validation robustes des résultats.

   Maladies et collecte de données (AIDEAS, MITERA) En outre, une évaluation approfondie des facteurs de risque de divers problèmes de santé révèle une interaction complexe entre la prédisposition génétique, les expositions environnementales, les choix de mode de vie et les problèmes de santé sous-jacents. Pour le cancer du poumon, le principal facteur de risque reste incontestablement la fumée de tabac, avec environ 85 % des cas de cancer du poumon étant directement imputables au tabagisme, y compris l’exposition à la fumée secondaire (CDC, 2021). L'exposition au radon, l'exposition professionnelle à des substances telles que l'amiante, certains métaux et les gaz d'échappement des moteurs diesel, ainsi que la pollution de l'air, contribuent également au risque, parallèlement aux antécédents familiaux de cancer du poumon (American Cancer Society, 2021).

   L'étiologie multifactorielle du cancer du sein implique des facteurs hormonaux tels que la ménarche précoce, la ménopause tardive et le traitement hormonal substitutif, combinés à des facteurs liés au mode de vie tels que la consommation d'alcool, l'inactivité physique et l'obésité. Les facteurs génétiques jouent un rôle important, les mutations des gènes BRCA1 et BRCA2 augmentant considérablement le risque. De plus, les antécédents reproductifs, y compris l’âge au premier accouchement et à l’allaitement, influencent les profils de risque (National Breast Cancer Foundation, 2021).

   Le risque de cancer gastrique est étroitement lié à l’alimentation, à l’infection à Helicobacter pylori, au tabagisme et aux antécédents familiaux. Le Centre international de recherche sur le cancer (CIRC) reconnaît H. pylori comme cancérogène de classe I pour le cancer gastrique. De plus, une alimentation riche en aliments fumés, en poisson et en viande salés et en légumes marinés est associée à des taux plus élevés de cancer gastrique, en particulier dans des régions comme l'Asie de l'Est, où ces aliments sont des aliments de base (World Cancer Research Fund, 2020).

   L'insuffisance rénale chronique (IRC) et l'insuffisance rénale résultent d'affections telles que le diabète et l'hypertension, qui sont responsables de jusqu'à deux tiers des cas. D'autres facteurs de risque comprennent des antécédents familiaux de maladie rénale, l'âge de plus de 60 ans et l'appartenance ethnique, les Afro-Américains, les Amérindiens et les Américains d'origine asiatique étant plus à risque. L’utilisation chronique d’AINS et l’exposition à des produits de contraste en imagerie présentent également des risques (National Kidney Foundation, 2021).

   Les infections comme la pneumonie sont influencées par le statut immunitaire d'un individu, les très jeunes, les personnes âgées et les personnes immunodéprimées étant particulièrement sensibles. Les facteurs environnementaux tels que la qualité de l'air, le tabagisme et l'exposition à des irritants respiratoires sont essentiels, tout comme les maladies respiratoires chroniques comme l'asthme et la maladie pulmonaire obstructive chronique (MPOC). La grippe saisonnière peut prédisposer les individus à la pneumonie bactérienne, illustrant l’interrelation entre les infections virales et bactériennes (CDC, 2021). Comprendre ces facteurs de risque est crucial pour le développement de stratégies préventives, de méthodes de détection précoce et la formulation de politiques de santé publique visant à atténuer l’impact de ces maladies.

   En conclusion, notre questionnaire complet intégrera un large éventail d'informations démographiques et de détails sur les antécédents médicaux pour évaluer en profondeur le profil de santé du participant. Les données démographiques telles que l'âge, le sexe, la race/origine ethnique, le revenu, le niveau d'éducation, la profession, l'état civil et la situation géographique offriront un contexte contextuel pour l'état de santé individuel. Les données sur les antécédents médicaux, notamment le poids, la taille, l'IMC, les habitudes tabagiques, la consommation d'alcool, les habitudes alimentaires, les niveaux d'activité physique, les comorbidités et un enregistrement détaillé des maladies chroniques, des infections, de la consommation de médicaments, des interventions chirurgicales et des hospitalisations fourniront un aperçu plus approfondi de chaque cas. les risques pour la santé des participants. De plus, nous évaluerons les facteurs psychologiques comme la dépression et l'anxiété, ainsi que les influences environnementales et liées au mode de vie telles que les expositions professionnelles, les prédispositions génétiques, les habitudes de sommeil et les niveaux de stress. Ces données nous permettront d'identifier les corrélations et les modèles qui peuvent contribuer à la prévalence et aux résultats de la maladie, ainsi qu'aux concentrations de COV détectées à partir des analyses respiratoires. De plus, les concentrations de molécules produites par ces maladies peuvent varier en raison de processus endogènes tels que le rythme circadien ou l'état de santé des sujets ou en raison de facteurs externes supplémentaires tels que les médicaments, l'utilisation de produits cosmétiques ou l'exercice physique. Ces facteurs seront, dans la mesure du possible, surveillés.

   Collecte et téléchargement de données cliniques. Les données seront collectées par l'équipe du projet MITEPA et stockées dans un dossier de travail informatisé au sein de l'hôpital. Le dossier n'est accessible qu'à l'équipe du projet MITERA. Les données relatives aux patients seront ensuite anonymisées et saisies dans une base de données spécialement développée et partagée avec les autres partenaires - utilisateurs autorisés. La base de données comprend également les résultats utilisant les deux méthodologies.

   Assurer la protection des données. La protection des données personnelles des patients participant à l'étude sera assurée dans le cadre de la législation grecque, du RGPD européen pertinent et de la réglementation hospitalière MITERA.

   Planification de l'analyse statistique et calcul de la taille de l'échantillon (ICCS) Selon les besoins du projet VOCORDER, une analyse statistique des spectres haute résolution des données d'échantillons d'haleine sera fournie dans la tâche 4.2. Cette analyse utilisera plusieurs techniques d'IA de différentes technologies pour différencier les classes d'échantillons en termes de propriétés latentes liées à la santé. De plus, ce processus automatisé identifiera les corrélations et les dépendances entre les paramètres des maladies sélectionnées, les bandes de biomarqueurs individuels et les descripteurs des données enregistrées. .

   Pour réussir l’approche de conception et l’analyse des échantillons cliniques, il est nécessaire d’étudier les approches de pointe. Le tableau 2 résume les composés organiques volatils (COV) signalés pour les maladies du VOCORDER. Les COV peuvent être utilisés pour détecter les maladies du VOCORDER sur la base d'une analyse statistique utilisant plusieurs types d'algorithmes d'apprentissage automatique (c'est-à-dire non supervisés, supervisés, semi-supervisés et XAI). Les paragraphes suivants de cette section fournissent des informations sur les approches actuelles d’apprentissage automatique de pointe. Les approches décrites dans la littérature seront utilisées comme connaissances préalables pour concevoir les modèles d'apprentissage automatique pour le projet VOCORDER après la collecte réussie des échantillons cliniques.

   Tableau 2 Composés organiques volatils de l'haleine expirée pour les maladies VOCORDER. Maladies signalées Composés organiques volatils Cancer du poumon Isopropanol Acétone Pentane Benzène Cancer de l'estomac et du côlon Propanal Acétamide Isoprène 1,3-Propanediol Éthylène Méthyl Isobutyl Cétone Acide acétique m- Toluyl Aldéhyde 1,2,5 Triméthylbenzène Cancer du sein (S) -1,2-propanediol Carbonate d'éthylène de cyclopentanone 3-méthoxy-1,2-propanediol 3-méthylpyridine Phénol Tétraméthylsilane Insuffisance rénale Cyclohexanol 3-Hydroxy-2-Butanone 3-Méthylbutanal Dimère d'isoprène Infections-Pneumonie Méthanol Acétaldéhyde Propiolonitrile 2-Choloropyridine Modèles d'IA non supervisés Analyse en composantes principales d'IA non supervisée (PCA) a été étudié comme solution à la détection du cancer à partir d’échantillons d’haleine. Dans les travaux de Maiti et al., il est discuté d'une étude de cas de 63 volontaires composés d'échantillons sains et non sains, parmi lesquels des patients atteints d'un cancer du rein, d'un cancer de la vessie et d'un cancer de la prostate. Leur collecte de données était basée sur la spectroscopie à transformée de Fourier infrarouge moyen à large bande sans laser pour détecter les gaz métabolites sensibles au cancer (c'est-à-dire l'éthylvinylcétone, l'acétaldéhyde, le butyrate de méthyle, etc.). Leur analyse, appuyée par des méthodes supervisées, a indiqué que ces méthodologies peuvent être utilisées pour la détection du cancer. Cependant, des recherches plus approfondies sont nécessaires.

   Une recherche similaire a été appliquée dans les travaux d'Aslam et al. Dans ce cas, ils ont étudié le diagnostic du cancer gastrique à un stade précoce sur la base d’un apprentissage profond non supervisé. Ils proposent une méthode innovante d’extraction de caractéristiques basée sur un auto-encodeur clairsemé empilé pour extraire des caractéristiques discriminantes à partir de données non étiquetées d’échantillons d’haleine. Leurs résultats indiquent que les réseaux neuronaux d'auto-encodeurs clairsemés et profonds sont capables d'atteindre une précision globale de 98,7 % pour la classification avancée du cancer gastrique et de 97,3 % pour la détection précoce du cancer gastrique à l'aide de l'analyse respiratoire.

   L'étude d'Alkhalifah et al. a étudié la détection du cancer grâce à l'analyse des COV, en analysant 74 échantillons cliniques d'haleine à l'aide de la spectrométrie de masse par chromatographie en phase gazeuse auprès des participants. Ils proposent une technique de regroupement non supervisée appelée VOCCluster pour mesurer les similitudes des spectres de masse des COV. Leurs travaux ont permis à l'approche VOCCluster d'obtenir de meilleurs scores que les algorithmes de pointe tels que DBSCAN et OPTICS.

   Modèles d'IA supervisés et semi-supervisés L'apprentissage automatique supervisé peut également être utilisé pour la détection du cancer. Begum et coll. étudie l'identification de la leucémie sur la base de biomarqueurs du cancer. Pour leur analyse, ils ont considéré les algorithmes Naive Bayes (NB), K-Nearest Neighbours (KNN) et Support Vector Machines (SVM) pour l’apprentissage supervisé. Leur expérimentation a été réalisée en modifiant la taille de l'ensemble d'apprentissage (c'est-à-dire un train utilisé de 20, 33 et 48 échantillons) et 33 échantillons pour la taille de test. Dans tous les cas, les scores de l’algorithme SVM étaient meilleurs que ceux des autres algorithmes, mais les auteurs ont conclu que de futures études étaient nécessaires.

   Zhou et coll. a étudié la détection du cancer du poumon à partir de 236 échantillons d'haleine (176 en bonne santé et 60 patients) en utilisant l'apprentissage supervisé. Chaque échantillon est composé de 308 caractéristiques extraites du chromatogramme, tandis que leur configuration expérimentale était basée sur l'algorithme des arbres de décision à gradient boost. En utilisant ces paramètres, ils ont atteint une précision de 85 % évaluée avec une validation croisée 6 fois. Sur la base d'une analyse statistique bootstrap, 72 % des échantillons échantillonnés sont marqués comme « confiants » avec une précision de 93 % des échantillons confiants en validation croisée.

   Enfin, l’apprentissage automatique semi-supervisé a été appliqué efficacement à la détection de maladies pulmonaires comme le SRAS-CoV-2. De plus, dans les travaux de Shi et al., il est proposé une approche d'apprentissage par transfert profond semi-supervisé pour détecter les nodules pulmonaires indiquant un cancer du poumon. Ces études démontrent la faisabilité d’utiliser des méthodes d’apprentissage supervisé et semi-supervisé pour la détection de maladies basées sur l’analyse respiratoire. Cependant, tous les travaux susmentionnés ont conclu que des recherches supplémentaires sont nécessaires pour améliorer ces technologies et fournir une solution efficace pouvant être utilisée pour un traitement médical.

   Planification de l'analyse statistique du VOCORDER Le projet VOCORDER vise à développer un dispositif de détection de plusieurs maladies liées à l'haleine. Pour permettre la détection et la classification de ces maladies, le projet explorera une gamme de modèles, notamment des approches supervisées, non supervisées et semi-supervisées. De plus, le projet VOCORDER utilisera la technologie d'IA explicable pour tenter de maximiser la précision des modèles finaux. A ce stade, il est prématuré de détailler des analyses statistiques spécifiques en raison de l’absence de mesures.

   Selon la littérature, une stratégie viable consiste à utiliser des techniques de classification avancées telles que SVM, K-NN, NB ou Decision Trees pour explorer la détection des maladies. Une nouvelle approche inclut des modèles avancés d’intelligence artificielle, tels que les modèles basés sur LSTM ou CNN. Des méthodes d'IA explicables seront également appliquées non seulement pour évaluer la probabilité d'une maladie, mais aussi pour élucider la justification des conclusions du modèle d'IA.

   Calcul de la taille de l'échantillon Dans le cadre du projet VOCORDER visant à construire des modèles d'apprentissage automatique impartiaux pour diagnostiquer diverses maladies, nous avons méticuleusement calculé la taille de l'échantillon requise, en adhérant à des critères statistiques stricts. Pour analyser des problèmes distincts à deux classes, comme la distinction entre les individus sains et ceux souffrant d'une maladie spécifique, notre objectif est d'atteindre une sensibilité et une spécificité d'au moins 90 %. Cette ambition nécessite un minimum de 35 matières par classe, étayant l'étude avec un niveau de confiance de 95 % et une marge d'erreur fixée à 10 %. Bien que cette marge dépasse les 5 % généralement recommandés pour la recherche sur les maladies, elle sert de norme préliminaire. Avec l'inclusion de quatre maladies distinctes dans notre étude, l'exigence passe à un minimum de 35 sujets pour chaque catégorie de maladie. En outre, pour refléter les disparités démographiques en matière d’apparition de maladies, telles que la prévalence plus élevée du cancer du sein chez les femmes, le groupe de participantes en bonne santé doit être considérablement plus large. Cette détermination stratégique de la taille de l’échantillon est essentielle au développement réussi de modèles d’apprentissage automatique impartiaux et efficaces.