De set detectiesignalen die voor elke patiënt werden verzameld, werd vervolgens geanalyseerd met behulp van ML om de patiënt te screenen op PCa. Zesenzeventig urinemonsters werden driemaal gemeten, waardoor 912 biomarkersignalen of 228 sets detectiesignalen werden gegenereerd. We hebben RF- en NN-algoritmen gebruikt om de multimarkersignalen te analyseren. Beide algoritmen zorgden voor een grotere nauwkeurigheid en de AUROC werd groter naarmate het aantal biomarkers toenam. Krediet: Korea Institute of Science and Technology (KIST)
Prostaatkanker is een van de meest voorkomende vormen van kanker bij mannen. Patiënten zijn vastbesloten prostaatkanker te hebben, voornamelijk gebaseerd op PSA, een kankerfactor in bloed. Omdat de diagnostische nauwkeurigheid echter zo laag is als 30%, ondergaat een aanzienlijk aantal patiënten een aanvullende invasieve biopsie en lijdt daardoor aan de daaruit voortvloeiende bijwerkingen, zoals bloeding en pijn.
Het Korea Institute of Science and Technology (KIST) heeft aangekondigd dat het gezamenlijke onderzoeksteam onder leiding van dr.Kwan Hyi Lee van het Biomaterials Research Center en professor In Gab Jeong van Asan Medical Center een techniek heeft ontwikkeld om binnen slechts 20 minuten prostaatkanker uit urine te diagnosticeren. met bijna 100% nauwkeurigheid. Het onderzoeksteam ontwikkelde deze techniek door een slimme AI-analysemethode te introduceren in een op elektrische signalen gebaseerde ultragevoelige biosensor.
Omdat het een niet-invasieve methode is, is een diagnostische test met urine handig voor patiënten en is er geen invasieve biopsie nodig, waardoor kanker wordt gediagnosticeerd zonder bijwerkingen. Aangezien de concentratie van kankerfactoren in de urine echter laag is, worden biosensoren op basis van urine alleen gebruikt voor het classificeren van risicogroepen in plaats van voor een nauwkeurige diagnose tot dusver.
Het team van Dr. Lee bij de KIST heeft gewerkt aan de ontwikkeling van een techniek voor het diagnosticeren van ziekten uit urine met een op elektrische signalen gebaseerde ultragevoelige biosensor. Een benadering met behulp van een enkele kankerfactor geassocieerd met een kankerdiagnose was beperkt in het verhogen van de diagnostische nauwkeurigheid tot meer dan 90%. Om deze beperking te overwinnen, gebruikte het team tegelijkertijd verschillende soorten kankerfactoren in plaats van er slechts één te gebruiken om de diagnostische nauwkeurigheid innovatief te verbeteren.
Het team ontwikkelde een ultragevoelig halfgeleidersensorsysteem dat in staat is om gelijktijdig sporen van vier geselecteerde kankerfactoren in de urine te meten voor de diagnose van prostaatkanker. Ze trainden AI door gebruik te maken van de correlatie tussen de vier kankerfactoren, die werden verkregen uit de ontwikkelde sensor. Het getrainde AI-algoritme werd vervolgens gebruikt om mensen met prostaatkanker te identificeren door complexe patronen van de gedetecteerde signalen te analyseren. De diagnose van prostaatkanker met behulp van de AI-analyse detecteerde met succes 76 urinemonsters met een nauwkeurigheid van bijna 100 procent.
“Voor patiënten die een operatie en / of behandelingen nodig hebben, zal kanker met hoge nauwkeurigheid worden gediagnosticeerd door urine te gebruiken om onnodige biopsie en behandelingen te minimaliseren, wat de medische kosten en de vermoeidheid van het medisch personeel drastisch kan verminderen”, zei professor Jeong van het Asan Medical Center. “Dit onderzoek heeft een slimme biosensor ontwikkeld die prostaatkanker snel kan diagnosticeren met bijna 100 procent nauwkeurigheid, alleen via een urinetest, en het kan verder worden gebruikt bij de precieze diagnose van andere kankers via een urinetest”, zei Dr. Lee van de KIST. .
Hojun Kim et al, niet-invasieve precisiescreening van prostaatkanker door urinaire multimarkersensor en analyse van kunstmatige intelligentie, ACS Nano (2020). DOI: 10.1021 / acsnano.0c06946
ACS Nano
Geleverd door National Research Council of Science & Technology
