德克萨斯大学达拉斯分校的研究人员开发了一种生物传感器技术，该技术与人工智能（AI）结合后，有望通过呼吸分析检测肺癌。
这种电化学生物传感器可识别八种挥发性有机化合物（VOCs），这些化合物是胸腔癌症（包括肺癌和食道癌）的潜在生物标志物。随后，人工智能分析这些化合物的生化特性，以确定它们是否与各种胸腔癌症相关的化合物相匹配。
"我们开发了一种筛查工具，可以让医生在疾病早期阶段就发现它，从而改善治疗效果，"德克萨斯大学达拉斯分校工程与计算机科学Erik Jonsson学院的生物工程系教授兼系主任Shalini Prasad博士表示。"这项技术提供了一种潜在经济实惠、快速且无创的癌症筛查呼吸分析工具。"
该项目是德克萨斯大学达拉斯分校生物工程和计算机科学研究人员与德克萨斯大学西南医学中心临床研究团队的合作成果。研究人员在《Sensing and Bio-Sensing Research》杂志8月刊中描述了这项技术。
这种电化学设备在67名患者的呼吸样本上进行了测试，其中包括30名经活检确诊的胸腔癌患者。该设备在90%的确诊癌症病例中准确识别了VOCs。
该设备的灵感来源于COVID-19大流行期间。"当时人们对能够快速筛查和隔离COVID-19传播的非侵入性技术非常感兴趣，"该研究的通讯作者、系统生物学科学Cecil H.和Ida Green教授Prasad表示。"使用呼吸变得非常有吸引力，因为呼吸通过我们的呼吸系统并携带代谢物，这些代谢物是疾病的指标。"
Prasad表示："呼出呼吸中代谢物的变化可能在疾病早期就发生。这个新兴的呼吸组学领域有可能让医疗保健提供者分析呼出呼吸中的VOCs来诊断疾病和监测健康状况。人工智能是德克萨斯大学达拉斯分校团队设备诊断能力的重要组成部分。"
"呼吸提供了大量数据，"Prasad说。"哪些是重要的？哪些不重要？所有这些信息都来自机器学习算法。这就是为什么与计算机科学的合作至关重要。如何有意义地将人工智能整合到技术中很重要。"
Prasad找到了计算机科学教授兼系主任、Jonsson学院主席、该研究的合著者Ovidiu Daescu博士，以微调机器学习模型并验证该方法。
Daescu说："呼吸分析设备和相关的机器学习模型在癌症检测方面具有巨大的潜力，同时可以降低成本，前提是随着时间的推移，在医疗环境中测试和验证更多病例。"
研究人员还与德克萨斯大学西南医学中心肺部和重症监护医学科内科医学教授Muhanned Abu-Hijleh博士合作。
"肺癌是美国和全球癌症相关死亡的主要原因，"Abu-Hijleh说，他是一位介入性肺病学家，同时也是呼吸治疗医学主任和慢性阻塞性肺病诊所及项目的主任。"使用微创技术，如生物标志物和呼出挥发性有机化合物分析，可以帮助早期检测胸腔恶性肿瘤，对患者和医疗系统的负担最小，整体发病率更低。"
Prasad表示，团队将继续研究该设备，包括寻求进一步的临床验证。
"最终，这项技术可能会部署在您的初级保健提供者办公室，"她说。"就像您每年进行一次体检和抽血一样，您也可以进行呼吸测试。然后，如果指标升高，初级保健提供者可以向患者提出建议，例如后续转诊。"
【全文结束】
