Жумуртка безинин патологиялары жакшы сапаттагы кисталар, эндометриозго байланышкан жабыркоолор, тератомалар, фибромалар, тубо-овариалдык абсцесстер, borderline шишиктер жана залалдуу жумуртка безинин рактары сыяктуу өтө кеңири клиникалык спектрди камтыйт. Бул спектрдин эң критикалык бөлүгү — жумуртка безинин рагы; анткени ал көп учурда үнсүз башталып, так жана спецификалуу симптомдорсуз өрчүп, бейтаптардын олуттуу бөлүгү кеч стадияда диагноз алышы мүмкүн. Изилдөөдө эрте стадиядагы жумуртка безинин рагында жашап кетүү кыйла жогору экени, бирок учурлардын басымдуу көпчүлүгү III/IV сыяктуу өнүккөн стадияларда аныкталары белгиленет.

Бул клиникалык көйгөй эрте жана аз жүк алып келген скрининг же триаж куралдарына болгон муктаждыкты күчөтөт. Учурдагы клиникалык куралдардын күчтүү жактары болгону менен чектөөлөрү да бар. Serum CA-125 жумуртка безинин рагы менен байланышкан маанилүү биомаркер; бирок өзгөчө эрте стадиядагы ооруда жана пременопаузадагы аялдарда сезгичтик жана спецификалуулук көйгөйлөрү болушу мүмкүн. CA-125 эндометриоз, жамбаштын сезгенүү оорусу, жакшы сапаттагы гинекологиялык абалдар жана менструация сыяктуу рактан башка себептерден да жогорулашы мүмкүн. Трансвагиналдык ультраүндүк изилдөө анатомиялык баалоо берет, бирок калкты скринингдөөдө төмөн оң прогноздук маани жана керексиз хирургиялык тобокелдиктер сыяктуу көйгөйлөрдү жаратышы мүмкүн.

Изилдөөнүн баштапкы суроосу ушул боштукка байланыштуу: Жумуртка безинин патологиясы үчүн тезирээк, арзаныраак, азыраак инвазивдүү жана операторго азыраак көз каранды триаж баскычын түзүүгө болобу? Изилдөөчүлөр бул суроого дем талдоосу аркылуу жакындашат. Дем менен чыккан учуучу органикалык бирикмелерди организмдеги метаболизм процесстеринин газ фазасына өткөн издери катары кароого болот. Кан айланууга өткөн учуучу молекулалар жогорку буу басымынын эсебинен өпкө альвеолаларынан демге өтүшү мүмкүн. Ошондуктан дем системалык метаболизм абалынын жана айрым оору процесстеринин издерин алып жүрө турган биологиялык үлгү болуп эсептелет.

Рак биологиясы жагынан VOC мамилесинин логикасы мындай: шишик клеткалары метаболизмдик кайра программалоого өтөт. Күчөгөн гликолиз, липиддик пероксидация, оксиданттык стресс, шишик микроортосу менен өз ара аракеттенүү жана сезгенүү процесстери учуучу метаболиттердин өндүрүлүшүн өзгөртө алат. Бул өзгөрүү бир эле молекулада эмес, көптөгөн учуучу бирикмелер түзгөн жалпы химиялык кол тамгада көрүнүшү мүмкүн. Изилдөөнүн мамилеси дал ушуга негизделет: бир VOC бирикмесин “жумуртка безинин патологиясынын биомаркери” деп аныктоонун ордуна, толук VOC профилин химиялык манжа изи катары карайт.

Бул жагдай изилдөөнүн методологиялык мүнөзүн аныктайт. Салттуу биомаркер мамилесинде белгилүү бир молекула тандалып, өлчөнүп, чек мааниге ылайык чечмеленет. Бул изилдөөдө болсо изилдөөчүлөр ар бир бирикменин идентификациясына көңүл бурган эмес. GC-FAIMS/GC-IMS системасы ар бир үлгү үчүн кармалуу убактысы, компенсация чыңалуусу жана ион интенсивдүүлүгү окторунда татаал сигнал матрицасын түзгөн. Бул матрица оору абалы менен байланыштуу болушу мүмкүн болгон жалпы VOC үлгүсүн камтыйт. Жасалма интеллект моделдери ушул үлгүлөрдү дени сак көзөмөл жана жумуртка безинин патологиясы топторунун ортосунда айырмалоого аракет кылган.

Изилдөөнүн негизги маалымат түзүмүн мындайча жыйынтыктоого болот: 40 дени сак аял менен 40 жумуртка безинин патологиясы бар аял салыштырылган. Топтор жаш курак, дене массасынын индекси, гормоналдык контрацепция колдонуу, кошумча оорулар жана үй-бүлөлүк рак тарыхы жагынан статистикалык жактан окшош болгон. Көзөмөл тобунда жаш курак 50,3 ± 13,8 жыл, жумуртка безинин патологиясы тобунда 54,5 ± 14,6 жыл; p=0,315. BMI көзөмөл тобунда 24,6 ± 4,5 kg/m², жумуртка безинин патологиясы тобунда 24,9 ± 4,4 kg/m²; p=0,730.

Ошол эле учурда эки өзгөрмө боюнча топтордун ортосунда маанилүү айырма бар. Асбест же пестицид сыяктуу экологиялык тобокелдикке кабылуу көзөмөл тобунда 1 адамда (%2,5), жумуртка безинин патологиясы тобунда 5 адамда (%12,5) катталган жана p=0,049 деп билдирилген. Habitual дары колдонуу да көзөмөл тобунда 17 адамда (%42,5), жумуртка безинин патологиясы тобунда 27 адамда (%67,5) болуп, p=0,025. Бул айырмачылыктар маанилүү, анткени дарылар жана экологиялык таасирлер VOC профилине жумуртка безинин патологиясынан көз карандысыз таасир этиши мүмкүн. Изилдөөчүлөр ошондуктан калдык аралаштыруучу факторлор толук жокко чыгарылбай турганын белгилешкен.

Жумуртка безинин патологиясы тобунун гистопатологиялык түзүмү изилдөөнүн клиникалык чечмелөөсүн аныктайт. 40 OP учурдун 24-ү (%60) жакшы сапаттагы, 16-сы (%40) залалдуу деп классификацияланган. Жакшы сапаттагы топ эндометриоз, тератома, кистаденофиброма, ovary/cellular fibrom, тубо-овариалдык абсцесс, жакшы сапаттагы кисталар жана миомаларды камтыйт. Залалдуу топ жогорку даражадагы сероздук карциномалар, муциноздук карциномалар, borderline шишиктер жана стромалдык шишиктерден турган. Залалдуу учурлардын 9-у I стадия, 1-и II стадия, 4-ү III стадия жана 2-си IV стадия болгон. Бул бөлүштүрүү когортада эрте стадиядагы залалдуу оорулар жакшы өкүлдөлгөнүн көрсөтөт.

Дем үлгүсүн алуу протоколу изилдөөнүн ишенимдүүлүгү үчүн өтө маанилүү. Катышуучулар үлгү алуудан мурда кеминде 4 саат ачка болгон, кеминде 2 саат тамеки чеккен эмес жана ооз гигиенасын жүргүзгөн эмес. Ошондой эле үлгү алынган күнү бет кремин же атыр колдонбоо суралган. Бул чаралар тышкы булактан келген учуучу бирикмелердин демдеги VOC профилин бузушун азайтууга багытталган. Дем үлгүлөрү ReCIVA системасы менен чогултулган, катышуучу маска аркылуу дем алып-чыгарганда CASPER системасы активдүү көмүр чыпкасы менен таза аба берген. Таза аба агымы 500 mL/мүнөт деп көрсөтүлгөн.

Ар бир катышуучудан төрт кайталанма термалык десорбция түтүгүнө дем үлгүсү алынган. Түтүктөр Tenax TA жана Carbograph 5TD сорбенттерин камтыйт жана ар бир чогултуу 2 литр толук tidal чыгарылган демди камтыган. Бул детал маанилүү, анткени дем талдоосунда өлчөөчү аппарат гана эмес, үлгү кантип жана кандай көлөмдө чогултулганы, айлана-чөйрө абасы кантип көзөмөлдөнгөнү жана кайталанма үлгүлөр кантип иштетилгени да жыйынтыкка түз таасир этет.

VOC анализи Lonestar GC-IMS системасы менен жүргүзүлгөн. Газ хроматографиясы бөлүгүндө Trace 1310 GC жана HP-PLOT U колонкасы колдонулган. Программа 40°C-де 2 мүнөт кармалып, андан соң 10°C/мүнөт ылдамдык менен 130°C-ге чейин көтөрүлүп, жалпы 30 мүнөттүк изотермалдык иш жүргүзүлгөн. FAIMS детектору %45 дисперсия талаасында жана -6 V менен +6 V ортосунда компенсация чыңалуусун сканерлөө менен иштеген. Бул процесс ар бир дем үлгүсү үчүн кармалуу убактысы, компенсация чыңалуусу жана ион интенсивдүүлүгүнөн турган сигнал матрицасын түзгөн.

Бул сигнал матрицасы изилдөөнүн негизги биологиялык маалыматы. Изилдөөдө жеке VOC бирикмелери аныкталган эмес. Мунун артыкчылыгы да, чектөөсү да бар. Артыкчылыгы — клиникалык классификация үчүн толук үлгүнү колдонууга болот; бир эле бирикмени бөлүп алуу, химиялык ырастоо жана биологиялык чечмелөөгө көз каранды болбойт. Чектөөсү болсо кайсы биохимиялык жолдор, кайсы молекулалар же кайсы шишик/метаболизм процесстери айырмалоо күчүнө канчалык салым кошконун түз түшүндүрүү мүмкүн эместигинде. Ошондуктан изилдөө күчтүү классификациялык сигнал көрсөткөнү менен биологиялык механизмди чечмелөө чектелүү.

Жасалма интеллект анализинде эки негизги мамиле колдонулган. Биринчиси MetaboAnalyst үстүндө SVM классификациясы. Ар бир катышуучунун төрт кайталанма дем өлчөөсү моделди иштеп чыгуудан мурда бир өкүлчүлүктүү хроматограммага бириктирилген. Бул маалыматтын агып кетишин алдын алуу үчүн маанилүү; анткени бир эле катышуучунун кайталанма үлгүлөрү ар башка окутуу же тест бөлүктөрүнө түшсө, көрсөткүч жасалма түрдө жогорулашы мүмкүн. Изилдөөдө анализ катышуучу деңгээлинде жүргүзүлгөнү жана эч бир катышуучунун кайталанма үлгүлөрү ар башка бөлүкчөлөргө бөлүнбөгөнү айтылат.

SVM, башкача айтканда Support Vector Machine, эки класстын ортосундагы бөлүүчү чек араны эң ылайыктуу табууга аракет кылган көзөмөлдөнгөн машиналык үйрөнүү ыкмасы. Бул изилдөөдө класстар “дени сак көзөмөл” жана “жумуртка безинин патологиясы”. Модель 10 катмарлуу кайчылаш валидация менен бааланган. Кайчылаш валидация маалыматты бөлүктөргө бөлүп, моделди ар кандай окутуу-тест айкалыштарында сынаганды билдирет. Бул мамиле чакан маалымат топтомдорунда көрсөткүч божомолун тең салмактуу кылышы мүмкүн, бирок тышкы валидация когортуна алмаштырбайт.

Экинчи мамиле — сүрөткө негизделген CNN баштапкы модели. Изилдөөчүлөр GC-IMS сигнал матрицаларын үч өлчөмдүү беттик графиктер катары визуалдаштырып, бул сүрөттөрдү ResNet-18 негизиндеги конволюциялык нейрон тармагына берген. Сүрөттөргө CLAHE колдонулган, маалымат көбөйтүү пайдаланылган эмес, анткени химиялык маалыматты бузуу коркунучу бар. Моделде алгачкы конволюция блоктору тоңдурулуп, акыркы residual блок жана классификатор майда жөндөлгөн. Кирүү сүрөттөрү 224 × 224 пикселге масштабдалып, ImageNet канал статистикасы менен нормалдаштырылган.

CNN баалоосу он көз карандысыз 70/15/15 окутуу-валидация-тест бөлүштүрүүсү менен жүргүзүлгөн. Ар бир жүргүзүүдө 56 окутуу үлгүсү, 12 валидация үлгүсү жана 12 тест үлгүсү колдонулган. Окутууда Adam optimizer, 1 × 10⁻⁴ үйрөнүү ылдамдыгы, 1 × 10⁻⁵ weight decay, cross-entropy loss, 16 batch size, эң көп 50 epoch жана валидация жоготуусуна жараша 10 чыдамдуу эрте токтотуу колдонулган. Натыйжалар 10 жүргүзүүнүн орточо жана стандарттык четтөөсү катары берилген, ошондой эле 120 тест божомолу бириктирилген.

Моделдин көрсөткүчүн түшүнүү үчүн бир нече негизги метриканы түшүндүрүү керек. Бул формулалар изилдөөдө түз берилген эмес; бул жерде колдонулган көрсөткүчтөрдүн маанисин окурманга түшүндүрүү үчүн негизги классификациялык байланыштар катары берилет:

\[ \text{Duyarlılık} = \frac{\text{Doğru Pozitif}}{\text{Doğru Pozitif} + \text{Yanlış Negatif}} \]

Сезгичтик жумуртка безинин патологиясы бар адамдардын канчасы модель тарабынан туура аныкталганын көрсөтөт. Бул изилдөөдө SVM жана CNN үчүн сезгичтик %100 деп берилген; башкача айтканда баалоо топтомдорунда модель OP учурларын өткөрүп жиберген эмес.

\[ \text{Özgüllük} = \frac{\text{Doğru Negatif}}{\text{Doğru Negatif} + \text{Yanlış Pozitif}} \]

Спецификалуулук дени сак көзөмөлдөрдүн канчасы модель тарабынан туура түрдө дени сак деп классификацияланганын көрсөтөт. SVM-де спецификалуулук %90, CNN-де %86,7 ± %12,5 деп берилген. Бул жалган оң натыйжалар дагы бар экенин көрсөтөт.

\[ \text{Doğruluk} = \frac{\text{Doğru Pozitif} + \text{Doğru Negatif}}{\text{Tüm Örnekler}} \]

Тактык бардык классификациялардын ичиндеги туура болгондордун үлүшү. Изилдөөдө SVM тактыгы %95, CNN тактыгы %93,3 ± %6,2 деп берилген.

\[ \text{NPV} = \frac{\text{Doğru Negatif}}{\text{Doğru Negatif} + \text{Yanlış Negatif}} \]

Терс прогноздук маани тест терс чыкканда адам чындап көзөмөл тобунда болушунун ыктымалдыгын билдирет. Бул изилдөөдө эки модель үчүн тең NPV %100 деп берилген. Бирок case-control дизайнда топтордун катышы жасалма түрдө 50/50 болгондуктан, бул маани реалдуу калкты скринингдөө популяциясына түз көчүрүлбөйт.

Изилдөөнүн 1-сүрөтү дени сак көзөмөл менен жумуртка безинин патологиясы бар бир бейтаптын GC-FAIMS дем профилдерин салыштырат. Сүрөттө эки өлчөмдүү хроматограммалар да, бир өлчөмдүү интенсивдүүлүк проекциялары да бар. Жумуртка безинин патологиясы үлгүсүндө сигнал интенсивдүүлүгү күчтүүрөөк жана айырмалоочу чокулар көбүрөөк көрүнөт. Бул модель абстракттуу сандардан гана эмес, визуалдык түрдө айырмалана турган глобалдык VOC үлгүлөрүнөн да маалымат аларын көрсөтөт. Бирок сүрөт жеке үлгүлөрдү гана көрсөтөт; бүт популяция үчүн өзүнчө далил эмес.

2-сүрөт SVM моделинин ROC ийри сызыгын көрсөтөт. Ийринин астындагы аянт, башкача айтканда AUC 0,967 жана %95 ишеним аралыгы 0,9-1,0 деп берилген. ROC ийри сызыгы ар башка чектерде сезгичтик менен жалган оң көрсөткүчтүн байланышын көрсөтөт. AUC 0,5-ке жакын болсо моделдин айырмалоо күчү кокустукка жакындайт; 1-ге жакындаган сайын айырмалоо күчү өсөт. Бул изилдөөдөгү 0,967 маани маалымат топтомунун ичинде абдан күчтүү айырмалоо көрсөткүчүн билдирет. Бирок тышкы валидация жок болгондуктан бул көрсөткүч реалдуу клиникалык чөйрөдө да ошол бойдон каларына кепилдик жок.

SVM моделинин көрсөткүчтөрү көңүл бурууга арзыйт: тактык %95, сезгичтик %100, спецификалуулук %90, оң прогноздук маани %90,9, терс прогноздук маани %100 жана AUC 0,967. Бул модель дени сак көзөмөл жана жумуртка безинин патологиясы топторун ушул маалымат топтомунда так айырмалай алганын көрсөтөт. Сезгичтиктин %100 болушу клиникалык жактан өзгөчө кызык, анткени потенциалдуу триаж куралында ооруну өткөрүп жибербөө абдан баалуу. Бирок бул натыйжа 80 адамдык тең салмакталган case-control когортунан алынган; төмөн преваленттүүлүктөгү скрининг популяцияларында көрсөткүч жана прогноздук маанилер өзгөрүшү мүмкүн.

CNN модели да окшош натыйжаларды берген. Сүрөткө негизделген моделдин тактыгы %93,3 ± %6,2, сезгичтиги %100 ± %0, спецификалуулугу %86,7 ± %12,5, оң прогноздук мааниси %89,3 ± %9,6, терс прогноздук мааниси %100 ± %0 жана AUC мааниси 0,983 ± 0,033 болгон. 120 тест божомолунда 8 классификация катасы болуп, алардын баары жалган оң болгон; жалган терс жок. Бул GC-IMS сүрөттөрү да айырмалоочу маалымат алып жүрөрүн жана оору сигналы кол менен тандалган белгилерде гана эмес, глобалдык сигнал үлгүсүндө жайгашканын көрсөтөт.

Бул жердеги маанилүү илимий айырма мындай: моделдин OP бар экенин дени сак көзөмөлдөн айырмалай алышы залалдуу ракты жакшы сапаттагы патологиядан айырмалай алат дегенди билдирбейт. Изилдөөнүн 3.3 бөлүмүндө дем VOC анализи жакшы жана залалдуу жабыркоолорду ишенимдүү айырмалай албаганы айтылган. Бул клиникалык колдонуу үчүн критикалык чек. Дем тести оң чыкса, бул “залалдуу жумуртка безинин рагы бар” дегенди билдирбеши керек; ал жөн гана андан ары текшерүүнү талап кылышы мүмкүн болгон жумуртка безинин патологиясынын сигналы болушу мүмкүн.

Жакшы-залалдуу айырмалоодо CA-125 башка маалымат берген. 4-таблицага ылайык жакшы сапаттагы патологияларда CA-125 орточосу 12,93 U/mL, медианасы 11,40 U/mL, стандарттык четтөөсү 8,53, минимум 2,00 жана максимум 35,40 болгон. Залалдуу топто орточо 303,47 U/mL, медиана 81,95 U/mL, стандарттык четтөө 455,68, минимум 5,70 жана максимум 1243,00 деп берилген. Бул кеңири бөлүштүрүү өзгөчө залалдуу топто CA-125 маанилери гетерогендүү экенин көрсөтөт; бирок топ деңгээлинде залалдуу патологияларда айкын өсүш бар. Ошондуктан изилдөө breathomics менен CA-125 бири-бирин толуктаган маалымат бере алат деп эсептейт.

Изилдөөнүн клиникалык жактан эң салмактуу чечмелөөсү мындай болушу керек: дем VOC анализи ушул чакан case-control когортунда жумуртка безинин патологиясынын бар экенин дени сак абалдан айырмалоодо күчтүү көрүнөт. Бирок залалдуулукту айырмалоодо өз алдынча жетиштүү эмес. CA-125 жакшы-залалдуу айырмалоодо жардам бере алат. Ошондуктан келечекте дем VOC профили, CA-125, сүрөттөө, клиникалык тобокелдик факторлору жана бейтаптын симптомдору чогуу бааланган интеграцияланган триаж модели эң маанилүү мамиле болушу мүмкүн.

Изилдөөнүн тарыхый мааниси жумуртка безинин рагын эрте аныктоодогу көптөн берки кыйынчылыкка жаңы инвазивдүү эмес технология катмарын кошконунда. UKCTOCS сыяктуу ири скрининг изилдөөлөрүндө CA-125 менен трансвагиналдык ультраүндүк изилдөөнүн айкалышы жогорку спецификалуулук көрсөткөнү менен өлүмдү азайта алган эмес, ал эми жалган оң натыйжалар, чыгым жана керексиз кийлигишүүлөр маанилүү чектөө болгон. Дем талдоосу ушул жагынан бейтап үчүн оорутпаган жана тез үлгү алууга мүмкүндүк берген кошумча технология катары кызыктуу.

Бүгүнкү күндө изилдөөнүн мааниси жасалма интеллект колдогон breathomics мамилеси өпкө ооруларында гана эмес, гинекологиялык патологияларда да изилдениши мүмкүн экенин көрсөтөт. Дем үлгүсүн алуу кан алуу же ткандын биопсиясы сыяктуу инвазивдүү эмес. Эгер стандартташтырылып, текшерилип жана чыгым жактан натыйжалуу кылынса, келечекте тобокелдиги төмөн же симптомдору бүдөмүк аялдарда кошумча текшерүүгө муктаждыкты аныктаган алдын ала триаж куралы болушу мүмкүн. Бирок бул изилдөө мындай клиникалык колдонуу азыр даяр экенин көрсөтпөйт.

Келечек үчүн эң маанилүү муктаждык — көп борборлуу, проспективдүү жана реалдуу дүйнөдөгү преваленттүүлүктү чагылдырган валидация изилдөөлөрү. Бул изилдөөдө OP жана көзөмөл саны тең; мындай дизайнда модель көрсөткүчү жана өзгөчө прогноздук маанилер клиникалык скрининг популяцияларына караганда жакшыраак көрүнүшү мүмкүн. Реалдуу скрининг чөйрөсүндө жумуртка безинин рагы жана айрым жумуртка безинин патологияларынын преваленттүүлүгү кыйла төмөн; ошондуктан жалган оң натыйжалардын саны жана клиникалык башкарууга таасири кылдат бааланышы керек.

Мындан тышкары экологиялык таасирлер, дары колдонуу, диета, микробиом, тамеки, жаш курак, гормоналдык абал, кошумча оорулар жана үлгү алуу шарттары VOC профилине таасир этиши мүмкүн. Бул изилдөөдө топтор жаш жана BMI боюнча тең салмактуу болгону менен тобокелдикке кабылуу жана habitual дары колдонуу айырмаланган. Үлгү аз болгондуктан бул аралаштыруучу факторлордун таасирин күчтүү түрдө жөнгө салуу мүмкүн болгон эмес. Ошондуктан дем профилиндеги айырманын канчасы түздөн-түз жумуртка безинин патологиясынан, канчасы башка жашоо/ден соолук өзгөрмөлөрүнөн келип чыкканын чоң маалымат топтомдорунда текшерүү керек.

Изилдөөнүн күчтүү жактарына проспективдүү үлгү чогултуу, стандартташтырылган ReCIVA дем үлгүсүн алуу системасы, дарылоого чейин OP катышуучуларын кошуу, гистопатологиялык тастыктоо, классикалык машиналык үйрөнүү менен терең үйрөнүүнү бирге колдонуу, катышуучу деңгээлинде анализ жүргүзүп кайталанма үлгүлөрдөн маалымат агып кетишин алдын алуу жана жакшы сапаттагы/эрте стадиядагы залалдуу жабыркоолорго бай OP когорту кирет.

Чектөөлөр болсо табылгалардай эле маанилүү. Үлгү чакан: 40 көзөмөл жана 40 жумуртка безинин патологиясы учуру бар. Тышкы валидация когорту жок. Дизайн case-control мүнөзүндө, ошондуктан реалдуу скрининг же триаж көрсөткүчүн ашыкча жогору көрсөтүшү мүмкүн. Дары колдонуу жана тобокелдикке кабылуу сыяктуу потенциалдуу аралаштыруучулар топтор арасында айырмаланат. Дем VOC анализи жакшы жана залалдуу патологияларды айырмалай алган эмес. Жеке VOC бирикмелери идентификацияланбагандыктан биологиялык механизм деңгээли чектелүү. Изилдөө рецензиядан өтө элек preprint.

Изилдөө айткан нерсе мындай: бул проспективдүү case-control когортунда жасалма интеллект колдогон дем VOC профилин талдоо жумуртка безинин патологиясы бар аялдарды дени сак көзөмөлдөрдөн жогорку көрсөткүч менен айырмалаган. SVM жана CNN сыяктуу эки башка жасалма интеллект мамилесинин окшош натыйжа бериши GC-IMS/GC-FAIMS сигналында айырмалоочу маалымат бар экенин көрсөтөт. Жалган терс натыйжа болбогону жана терс прогноздук маани %100 деп билдирилгени мүмкүн болгон триаж колдонмосу үчүн көңүл бурууга арзыйт.

Изилдөө айтпаган нерсе да так. Бул изилдөө дем тести жумуртка безинин рагын скринингдөө үчүн клиникада колдонууга даяр экенин көрсөтпөйт. Дем талдоосу CA-125 же трансвагиналдык ультраүндүк изилдөөнүн ордуна өтөрүн далилдебейт. Оң дем натыйжасы залалдуулук дегенди билдирерин көрсөтпөйт. Жакшы жана залалдуу патологияларды ишенимдүү айырмалабайт. Ошондой эле %100 сезгичтик жана %100 терс прогноздук маани чакан, тең салмакталган case-control дизайндан алынгандыктан калкты скринингдөө көрсөткүчү катары чечмеленбеши керек.

Изилдөөнүн Методу жана Табылгалары

Изилдөө Champalimaud Clinical Center – Champalimaud Foundation мекемесинде Январь 2022 менен Июль 2024 аралыгында жүргүзүлгөн проспективдүү байкоочу case-control изилдөө. Протокол GYNE-VOX коду менен этикалык комитеттин уруксатын алган жана катышуучулардан жазуу жүзүндөгү маалымдалган макулдук алынган. Жумуртка безинин патологиясы бар катышуучулар хирургия же химиотерапия сыяктуу дарылоолорго чейин киргизилген.

Катышуучулардын мүнөздөмөлөрүн төмөнкүдөй жыйынтыктоого болот:

OP тобунун гистопатологиялык түзүмү төмөнкүдөй:

Классификация метрикаларынын негизги эсептөө логикасын окурман үчүн төмөнкү формулалар менен түшүндүрүүгө болот:

\[ \text{Duyarlılık} = \frac{TP}{TP + FN} \]

Бул жерде TP туура оң натыйжаларды, FN жалган терс натыйжаларды билдирет. Жумуртка безинин патологиясы бар адамдардын канчасы модель тарабынан туура аныкталганын көрсөтөт.

\[ \text{Özgüllük} = \frac{TN}{TN + FP} \]

Бул жерде TN туура терс натыйжаларды, FP жалган оң натыйжаларды билдирет. Дени сак көзөмөлдөрдүн канчасы туура терс классификацияланганын көрсөтөт.

\[ \text{Doğruluk} = \frac{TP + TN}{TP + TN + FP + FN} \]

Бул формула бардык божомолдордун ичиндеги туура классификацияланган үлгүлөрдүн үлүшүн берет.

CNN моделинин 120 тест божомолундагы бардык 8 катасынын жалган оң болушу модель OP учурларын өткөрүп жибербегенин, бирок айрым дени сак көзөмөлдөрдү OP деп классификациялаганын көрсөтөт. Триаж контекстинде жалган терс натыйжалардын аз болушу баалуу, бирок жалган оң натыйжалардын клиникалык чыгымы, тынчсызданууга таасири, кошумча сүрөттөө же керексиз жолдомо тобокелдиги чоңураак реалдуу дүйнө изилдөөлөрүндө бааланышы керек.

Жакшы жана залалдуу айырмалоо үчүн CA-125 жыйынтыктары төмөнкүдөй:

Бул таблица дем VOC анализи айырмалай албаган жакшы-залалдуу бөлүнүүдө CA-125 кошумча маалымат бере аларын көрсөтөт. Ошентсе да CA-125 өз алдынча идеалдуу залалдуулук маркери эмес экенин унутпоо керек. Изилдөөнүн салмактуу чечмелөөсү боюнча дем талдоосу патологиянын бар экенин көрсөтүшү мүмкүн, ал эми CA-125 жана сүрөттөө сыяктуу учурдагы куралдар патологиянын мүнөзүн баалоодо чогуу колдонулушу мүмкүн.

1-сүрөттөгү GC-FAIMS профилдери дени сак көзөмөл жана жумуртка безинин патологиясы үлгүлөрүнүн ортосунда визуалдык сигнал айырмасы бар экенин көрсөтөт. OP үлгүлөрүндө сигнал интенсивдүүлүгү жогору жана айырмалоочу чокулар көбүрөөк болгон. 2-сүрөттөгү ROC ийри сызыгы болсо SVM моделинин жогорку AUC маанисин визуалдаштырат. Бул эки сүрөт бирге чийки сигнал деңгээлинде да, модель көрсөткүчү деңгээлинде да айырмалоочу үлгү бар экенин колдойт.

Ошол эле учурда визуалдык жана сандык көрсөткүч клиникалык колдонуу үчүн жетиштүү эмес. Дем талдоосу сыяктуу мамиле скрининг же триаж куралына айланышы үчүн үлгү алуу протоколу стандартташтырылышы, аппараттар аралык шайкештик көрсөтүлүшү, ар башка борборлордо тышкы валидация жүргүзүлүшү, төмөн преваленттүүлүктөгү реалдуу дүйнө популяцияларында жалган оң/жалган терс баланс изилдениши жана оң тесттен кийинки клиникалык жол картасы такталышы керек.

Булак жана Метод Эскертүүсү

Бул макала Bernardo S. Raimundo, Manuel Vinhas, Gonçalo Renato-Gomes, Sónia Ferreira, Joana Pereira, Marta Pires, Sandra Alves, Gonçalo Dias, Isabel Riscado, Maria de Lurdes Batarda, Margarida Cal, Adelaide Vitorino, Luís Vieira Pinto, Filipa Silva, Rita Luz, Rita Torres, Fernando Luís-Ferreira жана Pedro D. Vaz тарабынан даярдалган “Artificial Intelligence–Assisted Breath Volatile Organic Compound Profiling for Detection of Ovarian Pathology: A Prospective Case-Control Study” аттуу изилдөөгө негизделип даярдалган.

Булак текст preprint проспективдүү байкоочу case-control изилдөө. Текстте “Бул preprint изилдөө макаласы рецензиядан өткөн эмес” деп ачык жазылган. Ошондуктан изилдөө рецензиядан өткөн эмес жана жыйынтыктар клиникалык колдонуу стандарты катары эмес, чоңураак валидация изилдөөлөрүн талап кылган чалгындоочу табылгалар катары окулушу керек.

Изилдөө дарылоо сыноосу эмес. Жумуртка безинин патологиясы үчүн жаңы дарыны, хирургиялык ыкманы же дарылоо протоколун сынабайт. Изилдөөнүн негизги багыты — дем VOC профилдерин GC-FAIMS/GC-IMS менен өлчөө жана жасалма интеллект моделдери аркылуу дени сак көзөмөл менен жумуртка безинин патологиясы топторун айырмалоого болор-болбосун баалоо.

Бул мазмунга PDF-де жок клиникалык диагноз кепилдиги, рак скрининги боюнча сунуш, дарылоого багыттоо же дем тести менен жалгыз залалдуулукту аныктоого болот деген доомат кошулган эмес. Изилдөө дем талдоосу трансвагиналдык ультраүндүк изилдөөнүн же CA-125тин ордуна өтөрүн көрсөтпөйт. Тескерисинче дем VOC анализин мүмкүн болгон кошумча триаж куралы катары CA-125, сүрөттөө жана клиникалык тобокелдик факторлору менен бирге баалоо керектиги белгиленет.

Изилдөөнүн чектөөлөрүнө чакан үлгү өлчөмү, тышкы валидация когорту жоктугу, case-control дизайндан улам реалдуу скрининг көрсөткүчүн түз божомолдоо мүмкүн эместиги, дары колдонуу жана экологиялык тобокелдикке кабылуу сыяктуу потенциалдуу аралаштыруучулардын топтор арасында айырмаланышы, дем VOC анализи жакшы-залалдуу айырмалоону ишенимдүү жасай албаганы жана жеке VOC бирикмелери аныкталбаганы кирет.

Жыйынтыгында изилдөө жасалма интеллект колдогон дем VOC анализи жумуртка безинин патологиясынын бар экенин дени сак көзөмөлдөрдөн айырмалоодо үмүт берүүчү жана инвазивдүү эмес мамиле болушу мүмкүн экенин көрсөтөт. Бирок клиникалык колдонууга өтүү үчүн көп борборлуу проспективдүү валидация, стандартташтырылган үлгү алуу/анализ протоколдору, тышкы маалымат топтомдорунда текшерүү жана breathomics, CA-125, сүрөттөө жана клиникалык тобокелдик факторлорун бириктирген интеграцияланган моделдер керек.