Análise de produtos químicos voláteis em indivíduos elegíveis para triagem de câncer de pulmão usando espectroscopia infravermelha

O câncer de pulmão é a neoplasia maligna mais comum no mundo em termos de incidência e mortalidade (1,1 milhão de novos casos por ano e 0,95 milhão de mortes em homens e 0,51 milhão de novos casos por ano e 0,43 milhão de mortes em mulheres). As taxas mais altas de câncer de pulmão são encontradas na Europa e na América do Norte. Além disso, o câncer de pulmão é a principal causa de morte por câncer no Canadá. Acredita-se que o câncer de pulmão se desenvolve lentamente por meio de um acúmulo progressivo de mutações genéticas, portanto, a doença permite tempo para diagnóstico e tratamento cirúrgico curativo. Quando detectado nos estágios iniciais, a taxa de sobrevida em 5 anos para NSCLC é de 57% a 61%, em comparação com uma taxa de sobrevida de aproximadamente 6% quando metástases distantes estão presentes. Infelizmente, a maioria dos pacientes não apresenta sinais ou sintomas de câncer de pulmão até que a doença tenha progredido para um estágio avançado. Portanto, as tecnologias que facilitam a detecção do câncer de pulmão nos primeiros estágios assintomáticos têm um potencial significativo para reduzir a mortalidade específica do câncer de pulmão.

A transformação maligna é facilitada pela desregulação de processos celulares fundamentais, incluindo alterações no metabolismo. Assim, o perfil metabolômico pode ser uma estratégia promissora para identificar o câncer de pulmão antes que seja detectável por métodos convencionais, como tomografias computadorizadas. A respiratómica é um campo de estudo dedicado a desconstruir o perfil metabolómico ou os componentes biológicos dos compostos orgânicos voláteis (COV) na respiração. Até o momento, várias técnicas analíticas, incluindo cromatografia gasosa combinada com espectrometria de massa, espectrometria de mobilidade iônica, espectrometria de reação de transferência de prótons e espectrometria de massa de tubo de fluxo de íons selecionados, foram usadas para estudar VOCs respiratórios. Em um estudo recente, a espectrometria de mobilidade iônica discriminou entre câncer de pulmão e doença pulmonar obstrutiva crônica com 79% de precisão, 76,8% de sensibilidade e 85,7% de especificidade. Além disso, a análise da respiração pode ser usada não apenas para identificar o câncer de pulmão, mas também para distinguir entre cânceres de pulmão com mutações somáticas específicas. Por exemplo, a tecnologia do nariz eletrônico demonstrou sensibilidade e especificidade de 79% e 85%, respectivamente, para identificar câncer de pulmão mutante do EGFR. Esses estudos sugerem que a análise da respiração é uma abordagem altamente sensível e específica para detectar o câncer de pulmão.

Este estudo avaliará as características de desempenho da espectroscopia de infravermelho para análise da respiração. O espectrômetro usado para analisar gases respiratórios é otimizado para medir concentrações químicas até a faixa de partes por trilhão. Em um estudo piloto de 165 (67 indivíduos recém-diagnosticados com câncer de pulmão de células não pequenas (NSCLC) que usaram espectroscopia infravermelha para analisar amostras de respiração de indivíduos com câncer de pulmão e indivíduos sem câncer, a sensibilidade e especificidade para detectar câncer de pulmão foi de 88,7% e 80 %, respectivamente, com uma precisão de 86%. Esses resultados preliminares se comparam muito favoravelmente à espectrometria de massa (a plataforma analítica que tem sido usada na maioria dos estudos de análise de respiração).

Este estudo analisará VOCs respiratórios de 300 indivíduos que atendem às diretrizes de elegibilidade da USPSTF para triagem de câncer de pulmão. O estudo visa entender melhor os perfis de respiração VOC em um grupo maior de indivíduos com alto risco de desenvolver câncer de pulmão. Ao restringir a população a sujeitos elegíveis para triagem, este estudo aproximará o uso potencial futuro do "mundo real" dessa estratégia de triagem e aproximará melhor sua utilidade no campo, amostrando populações de alto risco em ambientes rurais. Prevê-se que este estudo gere dados preliminares que informarão o desempenho de algoritmos de aprendizado de máquina desenvolvidos para detectar a presença de câncer de pulmão em populações não selecionadas.