Анализ летучих химических веществ в субъектах, подходящих для скрининга рака легких, с использованием инфракрасной спектроскопии

Рак легкого является наиболее распространенным злокачественным новообразованием в мире как по заболеваемости, так и по смертности (1,1 млн новых случаев в год и 0,95 млн смертей у мужчин и 0,51 млн новых случаев в год и 0,43 млн смертей у женщин). Самые высокие показатели заболеваемости раком легких отмечаются в Европе и Северной Америке. Кроме того, рак легких является основной причиной смерти от рака в Канаде. Считается, что рак легкого развивается медленно из-за прогрессивного накопления генетических мутаций, поэтому заболевание дает время для диагностики и радикального хирургического лечения. При обнаружении на ранних стадиях 5-летняя выживаемость для НМРЛ составляет от 57% до 61% по сравнению с примерно 6% выживаемостью при наличии отдаленных метастазов. К сожалению, большинство пациентов не испытывают никаких признаков или симптомов рака легких до тех пор, пока болезнь не прогрессирует до поздней стадии. Таким образом, технологии, облегчающие выявление рака легких на самых ранних бессимптомных стадиях, обладают значительным потенциалом для снижения смертности от рака легких.

Злокачественной трансформации способствует нарушение регуляции основных клеточных процессов, включая изменения в обмене веществ. Таким образом, метаболомное профилирование может быть многообещающей стратегией для выявления рака легких до того, как он будет обнаружен с помощью обычных методов, таких как компьютерная томография. Breathomics является областью исследования, посвященной деконструкции метаболического профиля или биологических компонентов летучих органических соединений (ЛОС) в дыхании. На сегодняшний день для изучения ЛОС в выдыхаемом воздухе использовались различные аналитические методы, включая газовую хроматографию в сочетании с масс-спектрометрией, спектрометрию ионной подвижности, спектрометрию реакции переноса протона и масс-спектрометрию с выбранным потоком ионов. В недавнем исследовании спектрометрия ионной подвижности позволила различить рак легких и хроническую обструктивную болезнь легких с точностью 79%, чувствительностью 76,8% и специфичностью 85,7%. Кроме того, анализ дыхания можно использовать не только для выявления рака легких, но и для различения рака легких с определенными соматическими мутациями. Например, технология электронного носа продемонстрировала 79% и 85% чувствительности и специфичности соответственно для выявления рака легких с мутацией EGFR. Эти исследования показывают, что анализ дыхания является высокочувствительным и специфическим подходом к выявлению рака легких.

В этом исследовании будут оцениваться рабочие характеристики инфракрасной спектроскопии для анализа дыхания. Спектрометр, используемый для анализа выдыхаемых газов, оптимизирован для измерения химических концентраций вплоть до диапазона частей на триллион. В пилотном исследовании с участием 165 (67) пациентов с недавно диагностированным немелкоклеточным раком легкого (НМРЛ), в которых использовалась инфракрасная спектроскопия для анализа образцов дыхания пациентов с раком легких и субъектов без рака, чувствительность и специфичность для выявления рака легких составила 88,7% и 80 % соответственно с точностью 86%. Эти предварительные результаты очень выгодно отличаются от результатов масс-спектрометрии (аналитической платформы, которая использовалась в большинстве исследований по анализу дыхания).

В этом исследовании будут проанализированы летучие органические соединения в выдыхаемом воздухе 300 человек, которые соответствуют требованиям USPSTF для скрининга рака легких. Исследование направлено на то, чтобы лучше понять профили дыхания ЛОС в большей группе субъектов с высоким риском развития рака легких. Ограничивая население субъектами, имеющими право на скрининг, это исследование приблизит потенциальное будущее использование этой стратегии скрининга в «реальном мире» и лучше приблизит ее полезность в полевых условиях, выбирая группы высокого риска в сельской местности. Предполагается, что это исследование позволит получить предварительные данные, которые повлияют на эффективность алгоритмов машинного обучения, разработанных для выявления наличия рака легких в неотобранных популяциях.