임상 환경에서의 보코더 장치 검증 - 개인의 지속적인 모니터링(Vocorder Clinical Validation-VCV) (VCV)

연구 설계 가설 호흡학 연구에서 여러 VOC, VOC 패턴 및 VOC 패턴 변화 간의 관계가 다양한 유형의 질병과 관련이 있는 것으로 밝혀졌습니다. 따라서 호기 공기의 VOC 패턴 변화는 특정 질병 관련 VOC 프로필로 측정된 특정 조건과 상관관계가 있습니다.

연구의 배경 및 목적 이 임상 연구는 호흡 분석을 위한 신기술인 Vocorder라는 제목의 HORIZON-EIC-2022 PATHFINDER CHALLENGES-01-04 프로젝트의 일부로 수행되고 있습니다. VOC 분석을 위한 호흡 샘플 수집(환자 및 대조군), VOC는 이미 기본 수준에 존재할 수 있습니다. 그러나 VOCORDER 장비는 신진대사의 변화로 인한 농도 차이를 해결하고 이미 환경 공기에 존재할 수 있는 농도 차이를 식별할 수 있습니다. 따라서 분석기는 다양한 가스(예: VOC)의 현장 시간 분해 측정을 허용하여 최소한의 감독과 거의 엄격한 방법론 없이 단일 호흡 내에서 농도 프로파일을 기록합니다. 그러나 이 검증 단계에서는 접근 방식의 타당성과 방법의 비간섭성을 보장하기 위해 엄격한 방법론이 적용됩니다.

호흡 분석은 적은 수의 가스를 동시에 감지할 수 있는 레이저 기반 호흡 분석기 프로토타입을 사용하여 수행됩니다. 측정 범위가 10~100ppb이고 검출 한계가 1ppb에 가깝고 분해능이 1ppb에 가깝고 정확도가 ±1ppb에 가까운 VOC 검출을 위한 QCL 중적외선 어레이 기반 자가 혼합 분석기입니다. 화합물의 식별은 NIST 질량 스펙트럼 라이브러리와 해당 유지 지수와 참조 표준용으로 얻은 지수 라이브러리의 비교에 의존합니다. 초기 호흡 분석기는 샘플링 튜브를 원래 용도 외에 인공호흡기에 직접 연결할 수 있기 때문에 건강한 환자와 잠복기 환자 모두에서 테스트할 수 있습니다.

이 임상 연구에서는 VOCORDER 호흡 분석기로 감지한 호흡 VOC 프로필과 의료 전문가가 수집한 전자 의료 데이터 간의 상관 관계 분석을 다룰 것입니다. 얻은 결과는 관심 질병의 조기 발견을 위해 VOCORDER 호흡 분석기의 호흡 분석 기술을 맞춤화하는 데 필수적일 것으로 예상됩니다.

본 임상 연구의 주요 목적은 다음과 같습니다.

1. 개발된 장치를 임상 환경에서 사용하고 작동 매개변수(호흡량, 횟수 및 임상 샘플링 빈도)를 결정합니다.
2. 다른 관련 기술 및/또는 확립된 참조 방법과 비교하여 장치의 성능과 측정값을 검증합니다.
3. 호흡 분석에서 감지된 가스와 이 연구를 위해 선택한 특정 질병 사이의 잠재적인 주요 상관관계를 조사합니다.

기본 및 보조 끝점

기본 엔드포인트:

임상 실습에서 VOCORDER 장치의 효과를 검증하고 호흡 분석 기술을 더욱 홍보합니다.

보조 끝점:

1. 임상 실습에서 호흡 분석이라는 신기술의 작동 매개변수를 식별하고 정의합니다.
2. VOCORDER 기술의 성능과 결과를 GC-MS 참조 방법과 비교하십시오.
3. 선택된 질병에 대해 알려진 기존 상태와 호기 호흡의 중요한 VOC 바이오마커 간의 상관관계를 조사합니다.
4. 질병의 조기 발견을 위한 호기 내 VOC 바이오마커의 잠재력을 탐색하고 주요 의료 매개변수와의 상관관계를 통해 시기적절한 진단을 촉진합니다.

임상 연구 수행을 위한 요구 사항 시행을 위한 연구 센터 및 윤리 위원회의 현재 승인 상태 연구는 MITERA 병원에서 수행됩니다. MITERA 종합클리닉, 산부인과클리닉, 아동병원은 모든 연령대의 개인을 위한 종합 진료 센터 역할을 하며 선도적인 의료 시설로 자리매김했습니다. 45년 동안 운영된 MITERA는 그리스에서 가장 존경받는 사립 병원 중 하나로 자리매김하고 있으며 다양한 의료 분야에 걸쳐 예방, 진단 및 치료를 목표로 하는 광범위한 고품질 의료 서비스를 제공합니다. MITERA에는 일반 진료소, MITERA 산부인과 진료소, 그리스에서 가장 포괄적인 사설 소아과 진료소인 MITERA 아동 병원 등 3개의 진료소가 있습니다. 탁월한 간호 및 서비스를 제공하겠다는 약속은 포괄적인 관리 및 기술 지원을 받는 의사, 간호사 및 조산사로 구성된 전담 팀이 연중무휴 24시간 내내 이용 가능한 MITERA 클리닉의 높은 품질입니다. 의료적 응급 상황을 해결합니다.

병원의 과학위원회는 임상 연구를 승인했습니다. 이번 연구는 MITERA 연구팀이 수행할 예정이다. 규제현황

1. 일반 데이터 보호 규정(GDPR)의 요구 사항
2. 개인 데이터 처리 및 해당 데이터의 자유로운 이동에 대한 자연인 보호 및 지침 95/46/EC• WP29 폐지에 관한 2016년 4월 27일자 유럽 의회 및 이사회의 규정(EU) 2016/679 : 익명화 기술에 대한 의견 2014년 5월.
3. 치료/치료 표준의 모범 사례를 따를 것입니다. 환자는 이러한 모범 사례에 따라 진단됩니다.
4. 임상 연구에 약물 치료가 포함되지 않더라도 윤리적이고 과학적인 품질을 보장하기 위해 우수 임상 관리 기준(Good Clinical Practice)의 일반 원칙을 따릅니다.

5. EUnetHTA와 같은 보건 기술 평가 기관의 지침에 정의된 원칙, 특히 다음 사항이 고려됩니다.

   • 비교기 및 비교. 가장 적합한 비교기 선택 기준.
   • 현재 정책 및 모범 사례 지침 요약.
   • 상대적 유효성 평가를 위한 종료점 기준: 임상적 종료점
6. 임상 시험의 통계 원칙(CPMP/ICH/363/96), ICH 주제 E9에 따라 연구를 설계하고 분석합니다.
7. AEPD: 개인 데이터 익명화 절차에 관한 AEPD 지침은 개인 정보 보호 및 데이터 보호를 보장하기 위한 프레임워크를 제공합니다.
8. ENISA: 특히 데이터 가명화 기술과 관련하여 기술 개발을 GDPR에 맞추기 위한 권장 사항을 따를 것입니다.
9. 개인 데이터 가명화를 위한 해시 기능 사용에 관한 AEPD-EDPS 공동 문서는 데이터 보호 전략에 대한 참고 자료 역할을 할 것입니다.
10. 세계의사협회: 인간 피험자와 관련된 의학 연구의 윤리적 원칙에 관한 헬싱키 선언 사전 동의 및 정보 VOCORDER 내에서 담당 기관은 특정 절차를 따르고 동의 양식을 사용하여 다음에 설명된 대로 유효한 동의를 위한 최소 정보 요구 사항을 준수하는지 확인합니다. 프레임워크 위. VOCORDER 연구에 대한 참여는 모든 개인이 전적으로 자발적으로 수행하며 어떠한 영향이나 처벌도 받지 않고 연구 활동의 모든 단계에서 철회할 권리가 있습니다. VOCORDER 연구의 목적, 절차, 위험 등을 설명하는 종합 정보 시트가 동의서와 함께 참가자에게 제공됩니다. 요청 시 정보 동의 양식에 대한 프로토콜 및 초안 템플릿을 검색할 수 있습니다. 이는 데이터 관리 계획에도 추가됩니다. 적절한 과학적 훈련과 자격을 갖춘 의사가 정보를 제공할 것입니다. 의료진은 개인이 제기한 질문에 답하고 따라야 할 절차, 참가자가 요청한 내용 및 예상 결과를 설명할 수 있습니다. 잠재적인 참가자가 정보를 완전히 이해했는지 확인됩니다.

동의는 참가자가 자유롭게 제공합니다. 그들은 어떤 식으로든 동의를 해야 할 의무나 강요를 느끼지 않는다는 점을 보장받을 것입니다. 참가자는 특히 아래에 제시된 사전 동의서와 정보 시트에 서명하여 서면으로 동의합니다. 예를 들어 문맹 등으로 인해 서면으로 동의할 수 없는 경우, 서면이 아닌 동의는 공식적으로 문서화되고 독립적인 증인이 되어야 합니다. 동의는 지속적인 과정입니다. 특히 VOCORDER와 같은 장기 임상시험에서는 더욱 그렇습니다. 담당 프로젝트 파트너는 참가자들과 지속적인 대화를 촉진하고 임상시험과 관련된 다른/새로운 사항을 알려줄 것입니다.

윤리위원회의 승인 프로젝트 수명주기 전반에 걸쳐 윤리적 절차에 대한 감독을 강화하기 위해 VOCORDER의 IEC가 설립될 것입니다. 이 위원회는 프로토콜 개발부터 결과 발표까지 프로젝트의 모든 단계에서 법률에 규정된 윤리 원칙을 준수하는 데 중요한 역할을 할 것입니다. 또한 위원회는 연구 중에 발생하는 참가자의 불만 사항을 해결하기 위해 6개 참여 국가의 지역 윤리 위원회와 협력할 것입니다. IEC는 필요한 경우 관련 국가 윤리 위원회에 안전 및 중간 보고서를 작성하고 제출하는 임무를 맡게 됩니다.

윤리적 및 법적 문제에 대한 연락 담당자 지정 각자의 활동 및 국가 규제 체계에 따라 VOCORDER에 관련된 각 파트너는 데이터 보호 책임자(DPO)를 임명하거나 다음과 관련된 법적 및 윤리적 문제를 해결할 담당자를 지정합니다. 프로젝트의 연구 활동.

모니터링 및 보고 프로젝트 회의 중 윤리 리스크 모니터링에 대한 정기적인 보고서가 제공됩니다. 윤리적 요구 사항에 부합하는지 확인하기 위해 기술 발전에 참여하는 파트너에게 내부적으로 윤리 설문지를 작성하고 배포하는 것이 고려 중입니다. IEC는 모든 경우에 프로젝트 파트너가 제기한 모든 질문을 해결하고 각 주체가 정의한 법적, 윤리적 문제의 각 대표자와 협력할 책임이 있습니다. VOCORDER는 포괄적인 적용 범위를 보장하기 위해 이러한 요구 사항을 기준으로 프로젝트 구현의 모든 단계에서 결과를 평가합니다.

임상 연구의 단계

임상 연구는 전향적 코호트 연구이며 다음 두 단계로 진행됩니다.

• 1단계: 기준 단계(2024년 10월~2025년 8월)
• 2단계: 검증 단계 - VOCORDED 기술 검증(2026년 5월~12월)

임상 연구의 단계

임상 연구는 전향적 코호트 연구이며 다음 두 단계로 진행됩니다.

• 1단계: 기준 단계(2024년 10월~2025년 8월)
• 2단계: 검증 단계 - VOCORDED 기술 검증(2026년 5월~12월) 기준 단계 이 단계의 구현은 장치의 최종 검증으로 전환할 수 있도록 제조된 기술의 기본 작동 매개변수를 정의하는 데 필요한 것으로 간주됩니다. 임상분야. 위의 목표는 인공지능 메커니즘(WP.4)의 기여와 호흡 분석기 설계에 참여한 기술 연구팀의 원시 데이터 분석을 통해 달성될 것입니다. 이 단계에서는 환자와 건강한 대조군이 등록되고 생성된 가스 측정값이 GC-MS 참조 방법을 사용하여 분석됩니다.

검증 단계(VOCORDER 검증 단계) 이 단계에서 VOCORDER 기술은 환자와 건강한 지원자 모두에 의해 임상 평가를 받습니다. 분석에는 표준 참조 방법과 비교를 위한 VOCORDER 기술을 모두 활용하여 참가자가 배출한 가스를 측정하는 작업이 포함됩니다.

질병

다음 질병을 조사할 것입니다:

1. 폐암
2. 위암 및 대장암
3. 유방암
4. 신장 부전
5. 감염 - 폐렴(지역사회 감염 및 병원 감염) 이러한 질병의 선택은 ETH 팀의 기존 문헌 검토(작업 2.1)와 그에 따른 특정 가스 바이오마커를 탐지하는 VOCORDER의 능력에 맞춰 조정한 내용을 기반으로 했습니다. 특정 질병의 조기 진단(과제 2.2)

환자 및 건강한 대조군 모집단 건강한 대조군 20세에서 75세 사이이며 조사 중인 질병을 앓지 않는 최소 120명의 건강한 남녀 대조군이 환자와 동시에 연구에 참여하도록 선택됩니다. 적어도 2-3개의 호흡 샘플은 각기 다른 날, 같은 시간에 각각의 전향적 대조군으로부터 채취될 것으로 예상됩니다. 동일한 건강한 대조군이 연구의 두 단계 모두에 참여하고, 얻은 호흡 샘플은 두 가지 방법을 사용하여 분석됩니다.

건강한 지원자는 병원 직원이나 다른 이유로 병원에 입원한 환자 중에서 선택됩니다. 전향적 대조군은 MITERA의 VOCORDER 팀으로부터 연구에 대한 자세한 정보를 받은 후 인구 통계 및 병력 데이터로 설문지를 작성합니다. 설문지는 프로젝트 팀에 의해 분석되며, 연구에 참여할 수 있다고 판단되면 참여자는 동의서에 서명하게 됩니다.

환자 모집단 기준 단계

환자: 남녀 모두 18~75세의 각 질병당 35명씩 총 175명의 환자가 다음 선정 기준에 따라 선정되었습니다.

1. 남녀 모두 18세 이상인 환자
2. 그들은 MITERA 직원이 제공한 정보를 의사소통하고 이해할 수 있어야 합니다.
3. 조사중인 질병으로 고통받습니다.
4. 질병은 가능한 가장 초기 단계에 있어야 합니다. 즉, 환자가 아직 치료를 시작하지 않아야 합니다.

5. 환자는 파생된 측정값에 영향을 미치는 다른 심각한 동반질환이 없어야 합니다. 환자는 조사 중인 질병이 있는 환자의 치료 및/또는 입원을 담당하는 임상의와 협력하여 선택됩니다.

   연구에 등록하려면 기준 1, 2, 3이 필수입니다. 연구에 환자를 등록하려면 질병에 대한 구체적인 문서를 프로젝트 팀에 다음과 같이 제공해야 합니다.

   암 진단을 위해서는 다음 사항을 문서화해야 합니다.

   • 암의 유형은 조직병리학적 소견과 특정 지표 결과를 토대로 결정됩니다.
   • 질병의 단계는 방사선학적 검사와 혈액학적 검사를 기반으로 합니다.

   감염의 경우 다음 사항을 결정하기 위해 폐렴 진단이 필요합니다.

   • 흉부 X 소견, 임상 증후군 및 염증 지표 상태를 기반으로 한 폐렴 진단(1일차).
   • 임상증후군을 유발한 병원체에 대한 실험실적 확인(임상 검체에서 분리가 가능한 경우)
   • 질병의 임상적 중증도는 지역사회 또는 건강 획득 폐렴 환자에 대한 CURB 65/SMART COP 점수와 ICU에 입원한 환자에 대한 Apache II를 기준으로 합니다.

   신장 기능 부전이 필요한 경우:

   • 만성 신장 질환의 기록
   • CFR 비율에 따른 질병 단계 결정.
   • 혈액투석 치료 제외 기준
   • 서명된 동의 부족
   • 어떠한 이유로든 협조가 부족함
   • 호흡 샘플링 절차 전 요구 사항에 대한 권장 사항을 따르지 않음
   • 신뢰할 수 있는 호흡 샘플을 제공할 수 없음
   • 호흡 VOC 샘플을 얻는 사이에 시작된 모든 치료, 특정 식이 요법, 수술 또는 기타 개입.

   환자는 프로젝트를 담당하는 MITERA 팀으로부터 정보를 받고 연구 참여에 동의한 후 관련 참여 동의서를 읽고 서명해야 합니다. 연구에 참여하는 환자에 대해 대조군(데이터 수집 양식)이 포함된 유사한 설문지가 작성됩니다.

   샘플링: 유사한 조건에서 각 환자로부터 최소 2개의 호흡 샘플(각각 1L)을 채취하여 분석합니다(예: 다른 날이지만 같은 시간에). 이 단계에서는 참조 방법을 사용하여 호흡 샘플을 분석합니다. 최종 단계에서는 VOCORDER 방식을 사용하여 저장 및 분석됩니다. 호흡 샘플을 채취하는 방법은 참조 방법에 따른 권장 사항을 따릅니다.

   검증 단계 환자: 임상 연구의 최종 단계에는 각 질병에 대해 20명씩 총 100명의 환자가 참여합니다. 기준 단계에서와 마찬가지로 위의 기준에 따라 환자가 선택됩니다.

   샘플링: 호흡 샘플은 두 방법을 모두 사용하여 분석됩니다. 유사한 조건에서 각 환자로부터 최소 2개의 호흡 샘플을 채취하여 분석합니다(예: 서로 다른 날이지만 동일한 시간에). 호흡 샘플을 채취하는 방법은 참조 방법과 VOCORDER별 기술 요구 사항에 따른 권장 사항을 따릅니다.

   표 1 임상 단계에 대한 설명 임상 단계 기준 단계 검증 단계 환자 및 건강한 대조군 환자 그룹 1 건강한 대조군 환자 그룹 2 건강한 대조군 인구 규모(없음) 175 120(최소) 100 120 호흡 분석 방법론 SESI-MS 및 GC-MS 참조 방법 SESI-MS 및 GC-MS 참조 방법 SESI-MS 및 GC-MS 참조 방법 SESI-MS 및 GC-MS 참조 방법 보코더 기술 보코더 기술

   호흡 분석 방법론 초기 기준 단계에서는 질량 분석법의 참조 방법을 사용하여 환자와 건강한 지원자의 호기 호흡을 분석합니다. 호흡 샘플은 1L 가스 샘플링 백에 수집되어 오프라인 분석을 위해 ETH Zurich의 호흡 분석 실험실로 전송됩니다.

   후속 검증 단계에서는 VOCORDER 기술과 질량 분석법의 참조 방법을 사용하여 임상 샘플을 분석하여 결과의 ​​강력한 비교 및 ​​검증을 보장합니다.

   질병 및 데이터 수집(AIDEAS, MITERA) 또한 다양한 건강 상태에 대한 위험 요소에 대한 광범위한 평가를 통해 유전적 소인, 환경 노출, 생활 방식 선택 및 기본 건강 상태 간의 복잡한 상호 작용이 밝혀졌습니다. 폐암의 경우, 의심의 여지 없이 주요 위험 요인은 담배 연기이며, 폐암 사례의 약 85%는 간접 흡연 노출을 포함하여 흡연에 직접적으로 기인합니다(CDC, 2021). 라돈 노출, 석면, 특정 금속, 디젤 배기가스 같은 물질에 대한 직업적 노출, 대기 오염은 폐암 가족력과 함께 위험을 더욱 증가시킵니다(American Cancer Society, 2021).

   유방암의 다인자적 원인에는 조기 초경, 늦은 폐경, 호르몬 대체 요법과 같은 호르몬 요인과 음주, 신체 활동 부족, 비만과 같은 생활 방식 요인이 결합되어 있습니다. BRCA1 및 BRCA2 유전자의 돌연변이가 위험을 현저하게 증가시키는 등 유전적 요인이 중요한 역할을 합니다. 더욱이, 첫 출산 연령과 모유 수유를 포함한 생식 이력은 위험 프로필에 영향을 미칩니다(국립유방암재단, 2021).

   위암 위험은 식습관, 헬리코박터 파일로리균 감염, 흡연, 가족력과 복잡하게 연관되어 있습니다. 국제암연구소(IARC)는 H. pylori를 위암에 대한 1급 발암물질로 인정합니다. 또한, 훈제 음식, 소금에 절인 생선 및 고기, 절인 야채가 풍부한 식단은 특히 이러한 음식이 주식인 동아시아와 같은 지역에서 위암 발생률이 더 높은 것과 관련이 있습니다(세계 암 연구 기금, 2020).

   만성 신장 질환(CKD) 및 신부전증은 당뇨병 및 고혈압과 같은 질환으로 인해 발생하며, 이는 사례의 최대 2/3를 차지합니다. 다른 위험 요인으로는 신장 질환의 가족력, 60세 이상, 인종 등이 있으며, 아프리카계 미국인, 아메리카 원주민, 아시아계 미국인의 위험이 높습니다. NSAID의 만성적인 사용과 영상 촬영 시 조영제에 대한 노출도 위험을 야기합니다(National Kidney Foundation, 2021).

   폐렴과 같은 감염은 개인의 면역 상태에 의해 영향을 받으며, 특히 어린아이, 노인, 면역력이 저하된 개인의 경우 취약합니다. 천식, 만성 폐쇄성 폐질환(COPD)과 같은 만성 호흡기 질환과 마찬가지로 공기 질, 흡연, 호흡기 자극 물질에 대한 노출과 같은 환경 요인이 필수적입니다. 계절 인플루엔자는 개인에게 세균성 폐렴에 걸리기 쉽게 만들 수 있으며, 이는 바이러스와 세균 감염 사이의 상호 관계를 보여줍니다(CDC, 2021). 이러한 위험 요소를 이해하는 것은 예방 전략 개발, 조기 발견 방법 및 이러한 질병의 영향을 완화하기 위한 공중 보건 정책 수립에 매우 중요합니다.

   결론적으로, 우리의 포괄적인 설문지는 참가자의 건강 프로필을 철저하게 평가하기 위해 광범위한 인구통계학적 정보와 병력 세부사항을 통합할 것입니다. 연령, 성별, 인종/민족, 소득, 교육 수준, 직업, 결혼 여부, 지리적 위치 등의 인구통계학적 데이터는 개인의 건강 상태에 대한 상황별 배경을 제공합니다. 체중, 키, BMI, 흡연 습관, 음주, 식습관, 신체 활동 수준, 동반 질환 및 만성 질환, 감염, 약물 사용, 수술 및 입원에 대한 자세한 기록을 포함한 의료 기록 입력을 통해 각각에 대한 더 깊은 통찰력을 제공합니다. 참가자의 건강 위험. 또한 우울증, 불안과 같은 심리적 요인뿐만 아니라 직업적 노출, 유전적 소인, 수면 패턴, 스트레스 수준과 같은 환경 및 생활 방식의 영향도 평가합니다. 이 데이터를 통해 우리는 질병 유병률과 결과뿐만 아니라 호흡 분석에서 감지된 VOC 농도에 기여할 수 있는 상관관계와 패턴을 식별할 수 있습니다. 또한, 이러한 질병에 의해 생성되는 분자의 농도는 생체리듬이나 피험자의 건강 상태와 같은 내인성 과정이나 약물, 화장품 사용, 신체 운동과 같은 추가적인 외부 요인으로 인해 달라질 수 있습니다. 가능한 경우 이러한 요소를 모니터링합니다.

   임상 데이터 수집 및 업로드. 데이터는 MITEPA 프로젝트 팀에 의해 수집되어 병원 내의 컴퓨터 작업 폴더에 저장됩니다. 이 폴더는 MITERA 프로젝트 팀만 액세스할 수 있습니다. 그런 다음 환자 관련 데이터는 익명화되어 다른 파트너(승인된 사용자)와 공유하도록 특별히 개발된 데이터베이스에 입력됩니다. 데이터베이스에는 두 방법론을 모두 사용한 결과도 포함됩니다.

   데이터 보호 보장. 연구에 참여하는 환자의 개인 데이터 보호는 그리스 법률, 관련 유럽 GDPR 및 MITERA 병원 규정의 틀 내에서 보장됩니다.

   통계 분석 계획 및 표본 크기 계산(ICCS) VOCORDER 프로젝트의 필요에 따라 호흡 표본 데이터의 고해상도 스펙트럼에 대한 통계 분석이 작업 4.2에서 제공됩니다. 이 분석은 건강 관련 잠재 특성 측면에서 샘플 클래스를 구별하기 위해 다양한 기술의 여러 AI 기술을 활용하며, 또한 이 자동화된 프로세스는 기록된 데이터에서 선택된 질병 매개변수, 개별 바이오마커 밴드 및 설명자 간의 상관관계 및 종속성을 식별합니다. .

   임상 샘플의 성공적인 설계 접근 방식과 분석을 위해서는 최첨단 접근 방식을 조사하는 것이 필요합니다. 표 2에는 VOCORDER 질환에 대해 보고된 휘발성 유기 화합물(VOC)이 요약되어 있습니다. VOC는 여러 종류의 기계 학습 알고리즘(즉, 비지도, 지도, 준지도 및 XAI)을 사용한 통계 분석을 기반으로 VOCORDER의 질병을 탐지하는 데 사용될 수 있습니다. 이 섹션의 다음 단락에서는 현재 최첨단 기계 학습 접근 방식에 대한 정보를 제공합니다. 문헌에 설명된 접근 방식은 임상 샘플을 성공적으로 수집한 후 VOCORDER 프로젝트를 위한 기계 학습 모델을 설계하기 위한 사전 지식으로 사용될 것입니다.

   풀 사이즈 테이블 2 VOCORDER 질병에 대한 호기 휘발성 유기 화합물. 보고된 질병 휘발성 유기 화합물 폐암 이소프로판올 아세톤 펜탄 벤젠 위암 및 대장암 프로판알 아세트아미드 이소프렌 1,3-프로판디올 에틸렌 메틸 이소부틸 케톤 아세트산 m- 톨루일 알데하이드 1,2,5 트리메틸벤젠 유방암(S)-1,2-프로판디올 사이클로펜타논 에틸렌 카보네이트 3-메톡시-1,2-프로판디올 3-메틸피리딘 페놀 테트라메틸실란 신장 기능 부전 시클로헥산올 3-하이드록시-2-부타논 3-메틸 부탄알 이소프렌 이량체 감염-폐렴 메탄올 아세트알데히드 프로피로니트릴 2-클로로피리딘 비지도 AI 모델 비지도 AI 주성분 분석 (PCA)는 호흡 샘플에서 암을 검출하는 솔루션으로 조사되었습니다. Maiti 등의 연구에서는 건강한 샘플과 건강하지 않은 샘플로 구성된 63명의 지원자(신장암, 방광암, 전립선암 환자 포함)에 대한 사례 연구를 논의했습니다. 그들의 데이터 수집은 암에 민감한 대사물질 가스(예: 에틸 비닐 케톤, 아세트알데히드, 메틸 부티레이트 등)를 검출하기 위한 레이저 없는 광대역 중적외선 푸리에 변환 분광법을 기반으로 했습니다. 감독된 방법에 의해 뒷받침된 그들의 분석은 이러한 방법론이 암 탐지에 활용될 수 있음을 나타냅니다. 그러나 추가 연구가 필요합니다.

   Aslam 등의 연구에서도 유사한 연구가 적용되었습니다. 이번 사례에서는 비지도 딥러닝을 기반으로 초기 위암 진단을 조사했습니다. 그들은 호흡 샘플의 레이블이 지정되지 않은 데이터에서 차별적인 특징을 추출하기 위한 스택형 스파스 오토인코더를 기반으로 한 혁신적인 특징 추출 방법을 제안합니다. 그들의 결과는 딥스택 스파스 오토인코더 신경망이 진행성 위암 분류에 대해 98.7%의 전체 정확도를 달성할 수 있고 호흡 분석을 이용한 조기 위암 발견에 대해 97.3%의 정확도를 달성할 수 있음을 나타냅니다.

   Alkhalfah et al.의 연구. VOC 분석을 통해 암 탐지를 조사했으며 참가자의 가스 크로마토그래피 질량 분석법을 사용하여 74개의 임상 호흡 샘플을 분석했습니다. 그들은 VOC의 질량 스펙트럼 유사성을 측정하기 위해 VOCCluster라는 비지도 클러스터링 기술을 제안합니다. 그들의 작업 결과 VOCCluster 접근 방식은 DBSCAN 및 OPTICS와 같은 최첨단 알고리즘에 비해 더 나은 점수를 달성했습니다.

   감독 및 반지도 AI 모델 감독 기반 기계 학습은 암 탐지에도 사용할 수 있습니다. Begumet al. 암 바이오마커를 기반으로 백혈병 식별을 조사합니다. 분석을 위해 그들은 지도 학습을 위한 Naive Bayes(NB), K-Nearest Neighbors(KNN) 및 Support Vector Machines(SVM) 알고리즘을 고려했습니다. 그들의 실험은 훈련 세트의 크기(즉, 20, 33, 48 샘플의 사용된 열차 크기)와 테스트 크기에 대한 33개의 샘플을 변경하여 수행되었습니다. 모든 경우에 SVM 알고리즘 점수는 다른 알고리즘보다 우수했지만 저자는 향후 연구가 필요하다고 결론지었습니다.

   Zhouet al. 지도 학습을 사용하여 236개의 호흡 샘플(건강한 사람 176명, 환자 60명)에서 폐암 검출을 조사했습니다. 각 샘플은 크로마토그램에서 추출된 308개의 특징으로 구성되며, 실험 설정은 그래디언트 부스트 결정 트리 알고리즘을 기반으로 했습니다. 이러한 매개변수를 사용하여 6겹 교차 검증으로 평가한 결과 85%의 정확도를 달성했습니다. 통계적 부트스트랩 분석에 따르면 샘플링된 샘플의 72%가 "신뢰"로 표시되며 교차 검증에서 신뢰하는 샘플의 정확도는 93%입니다.

   마지막으로, 반지도 머신러닝은 SARS-CoV-2와 같은 폐 관련 질병을 탐지하는 데 효과적으로 적용되었습니다. 또한 Shi 등의 연구에서는 폐암을 나타내는 폐결절을 탐지하기 위한 반지도 심층 전이 학습 접근법을 제안했습니다. 이 연구는 호흡 분석을 기반으로 질병을 탐지하기 위해 지도 학습 방법과 반지도 학습 방법을 모두 사용할 수 있는 가능성을 보여줍니다. 그러나 앞서 언급한 모든 연구에서는 이러한 기술을 개선하고 의료에 사용할 수 있는 효과적인 솔루션을 제공하기 위해서는 추가 연구가 필요하다는 결론을 내렸습니다.

   VOCORDER의 통계 분석 계획 VOCORDER 프로젝트는 여러 호흡 관련 질병을 감지하는 장치를 개발하는 것을 목표로 합니다. 이러한 질병을 탐지하고 분류할 수 있도록 이 프로젝트에서는 감독, 비지도, 반지도 접근 방식을 포함한 다양한 모델을 탐색합니다. 또한 VOCORDER 프로젝트에서는 설명 가능한 AI 기술을 활용하여 최종 모델의 정확성을 극대화할 예정입니다. 이 단계에서는 측정값이 없기 때문에 구체적인 통계 분석을 자세히 설명하기에는 시기상조입니다.

   문헌에 따르면 실행 가능한 전략 중 하나는 SVM, K-NN, NB 또는 의사결정 트리와 같은 고급 분류 기술을 사용하여 질병 탐지를 탐색하는 것입니다. 새로운 접근 방식에는 LSTM 또는 CNN 기반 모델과 같은 고급 인공 지능 모델이 포함됩니다. 설명 가능한 AI 방법은 질병의 가능성을 평가하는 것뿐만 아니라 AI 모델 결론의 근거를 밝히는 데도 적용될 것입니다.

   표본 크기 계산 다양한 질병을 진단하기 위해 편견 없는 기계 학습 모델을 구축하려는 VOCORDER의 프로젝트 노력에서 우리는 엄격한 통계 기준을 준수하면서 필요한 표본 크기를 꼼꼼하게 계산했습니다. 건강한 개인과 특정 질병을 앓고 있는 개인을 구별하는 것과 같은 별도의 두 가지 문제를 분석하기 위해 우리의 목표는 최소 90%의 민감도와 특이도를 달성하는 것입니다. 이 야심찬 목표에는 수업당 최소 35개의 과목이 필요하며, 신뢰 수준 95%와 오차 한계 10%로 연구를 뒷받침합니다. 이 마진은 질병 관련 연구에 일반적으로 권장되는 5%를 초과하지만 예비 표준으로 사용됩니다. 우리 연구에 4가지 뚜렷한 질병이 포함되면서 요구 사항은 각 질병 범주에 대해 최소 35명의 대상으로 확대됩니다. 또한 여성의 유방암 유병률이 높은 등 질병 발생에 대한 인구통계학적 격차를 반영하려면 건강한 참가자 그룹이 훨씬 더 커야 합니다. 이러한 전략적 표본 크기 결정은 편견이 없고 효과적인 기계 학습 모델을 성공적으로 개발하는 데 매우 중요합니다.