Patolojia za ovari hujumuisha wigo mpana sana wa kitabibu, kama vile uvimbe maji usio hatari, vidonda vinavyohusiana na endometriosis, teratoma, fibroma, abscessi ya tubo-ovarian, uvimbe wa borderline na saratani mbaya za ovari. Sehemu muhimu zaidi ya wigo huu ni saratani ya ovari; kwa sababu saratani ya ovari mara nyingi huanza kimya kimya, inaweza kuendelea bila dalili dhahiri na mahususi, na sehemu kubwa ya wagonjwa hutambuliwa katika hatua iliyoendelea. Utafiti unasisitiza kuwa uhai katika saratani ya ovari ya hatua za awali ni mkubwa zaidi; ilhali visa vingi hugunduliwa katika hatua zilizoendelea kama hatua III/IV.

Tatizo hili la kitabibu huongeza hitaji la zana za uchunguzi au triage za mapema zenye mzigo mdogo. Zana za sasa za kitabibu zina nguvu zake, lakini pia zina mipaka. Serum CA-125 ni biomarker muhimu inayohusishwa na saratani ya ovari; hata hivyo, hasa katika ugonjwa wa hatua za awali na kwa wanawake kabla ya kukoma hedhi, inaweza kuwa na matatizo ya sensitivity na specificity. CA-125 inaweza pia kuongezeka kwa sababu zisizo za saratani kama endometriosis, pelvic inflammatory disease, hali zisizo hatari za kiginakolojia na hedhi. Transvaginal ultrasonography hutoa tathmini ya anatomia; lakini katika muktadha wa uchunguzi wa jamii inaweza kusababisha matatizo kama thamani ndogo ya utabiri chanya na hatari ya upasuaji usiohitajika.

Chanzo cha utafiti ni pengo hili: Je, kwa patolojia ya ovari, inawezekana kutengeneza hatua ya triage iliyo ya haraka zaidi, nafuu zaidi, isiyoingilia mwili sana na isiyotegemea sana opereta? Watafiti wanakaribia swali hili kupitia uchambuzi wa pumzi. Volatile organic compounds zinazotolewa kwa pumzi zinaweza kufikiriwa kama alama za michakato ya kimetaboliki mwilini zinazobebwa katika awamu ya gesi. Molekuli tete zinazoingia kwenye mzunguko wa damu zinaweza kupita kutoka kwenye alveoli za mapafu kwenda kwenye pumzi kutokana na shinikizo lake kubwa la mvuke. Kwa hiyo pumzi ni aina ya sampuli ya kibiolojia inayoweza kubeba alama za hali ya kimetaboliki ya mwili mzima na baadhi ya michakato ya ugonjwa.

Kwa mtazamo wa biolojia ya saratani, mantiki ya mbinu ya VOC ni hii: seli za uvimbe hupitia upangaji upya wa kimetaboliki. Kuongezeka kwa glycolysis, lipid peroxidation, oxidative stress, mwingiliano na tumor microenvironment na michakato ya uchochezi kunaweza kubadilisha uzalishaji wa metaboliti tete. Mabadiliko haya hayaonekani katika molekuli moja tu, bali katika saini ya jumla ya kikemia inayoundwa na misombo mingi tete. Mbinu ya utafiti pia inategemea hoja hii hasa: badala ya kujaribu kufafanua kiwanja kimoja cha VOC kama “biomarker ya patolojia ya ovari”, huchukulia profaili yote ya VOC kama alama ya kidole ya kikemia.

Hili ndilo linaloamua tabia ya kimethodolojia ya utafiti. Katika mbinu ya jadi ya biomarker, molekuli fulani huchaguliwa, hupimwa na kufasiriwa kupitia thamani ya kizingiti. Katika utafiti huu, watafiti hawakujihusisha na utambulisho wa misombo moja moja. Mfumo wa GC-FAIMS/GC-IMS ulizalisha kwa kila sampuli matrix changamano ya ishara katika mhimili wa muda wa retention, compensation voltage na ion intensity. Matrix hii hubeba muundo wa jumla wa VOC unaoweza kuhusiana na hali ya ugonjwa. Miundo ya akili bandia nayo ilijaribu kutofautisha mifumo hii kati ya vikundi vya udhibiti wenye afya na patolojia ya ovari.

Muundo msingi wa data ya utafiti unaweza kufupishwa hivi: wanawake 40 wenye afya na wanawake 40 wenye patolojia ya ovari walilinganishwa. Vikundi vilionekana kufanana kitakwimu kwa umri, body mass index, matumizi ya hormonal contraception, comorbidities na historia ya saratani katika familia. Umri katika kundi la udhibiti ulikuwa 50,3 ± 13,8 miaka, na katika kundi la patolojia ya ovari 54,5 ± 14,6 miaka; p=0,315. BMI katika kundi la udhibiti ilitolewa kama 24,6 ± 4,5 kg/m², na katika kundi la patolojia ya ovari 24,9 ± 4,4 kg/m²; p=0,730.

Hata hivyo, kulikuwa na tofauti yenye maana kati ya vikundi katika vigezo viwili. Uathiriwa wa hatari, kwa mfano uathiriwa wa kimazingira kama asbestos au pesticides, ulionekana kwa mtu 1 (%2,5) katika kundi la udhibiti na watu 5 (%12,5) katika kundi la patolojia ya ovari, na kuripotiwa p=0,049. Matumizi ya dawa ya kawaida pia yalipatikana kwa watu 17 (%42,5) katika kundi la udhibiti na watu 27 (%67,5) katika kundi la patolojia ya ovari, na p=0,025. Tofauti hizi ni muhimu; kwa sababu dawa na uathiriwa wa kimazingira vinaweza kuathiri profaili ya VOC bila kutegemea patolojia ya ovari. Watafiti pia walieleza kwa sababu hii kuwa residual confounding haiwezi kuondolewa kabisa.

Muundo wa kihistopatholojia wa kundi la patolojia ya ovari huamua tafsiri ya kitabibu ya utafiti. Kati ya visa 40 vya OP, 24 (%60) viliainishwa kuwa benign na 16 (%40) kuwa malignant. Kundi la benign lilijumuisha endometriosis, teratoma, cystadenofibroma, ovarian/cellular fibroma, tubo-ovarian abscess, cysts benign na myomas. Kundi la malignant lilikuwa na high-grade serous carcinomas, mucinous carcinomas, borderline tumors na stromal tumors. Kati ya visa malignant, 9 vilikuwa hatua I, 1 hatua II, 4 hatua III na 2 hatua IV. Mgawanyo huu unaonyesha kuwa magonjwa malignant ya hatua za awali yanaonekana kwa uwazi katika cohort.

Itifaki ya uchukuaji sampuli za pumzi ni muhimu sana kwa uaminifu wa utafiti. Washiriki walikuwa wamefunga angalau saa 4 kabla ya uchukuaji sampuli, hawakuwa wamevuta sigara kwa angalau saa 2, na hawakuwa wamefanya usafi wa kinywa. Pia waliombwa wasitumie krimu ya uso au manukato siku ya uchukuaji sampuli. Hatua hizi zililenga kupunguza kuvurugwa kwa profaili ya VOC ya pumzi na misombo tete kutoka nje. Sampuli za pumzi zilikusanywa kwa mfumo wa ReCIVA; wakati mshiriki akivuta na kutoa pumzi kupitia mask, mfumo wa CASPER ulitoa hewa safi kwa kutumia activated charcoal filter. Kiwango cha mtiririko wa hewa safi kilitolewa kama 500 mL/dakika.

Kutoka kwa kila mshiriki, sampuli ya pumzi ilichukuliwa kwenye mirija minne ya kurudia ya thermal desorption. Mirija ilikuwa na sorbents za Tenax TA na Carbograph 5TD, na kila ukusanyaji ulihusisha lita 2 za full tidal exhaled breath. Maelezo haya ni muhimu; kwa sababu katika uchambuzi wa pumzi si kifaa cha kupimia tu, bali pia jinsi sampuli inavyokusanywa, kiasi gani kinachokusanywa, jinsi hewa ya mazingira inavyodhibitiwa na jinsi sampuli za kurudia zinavyoshughulikiwa, vyote huathiri matokeo moja kwa moja.

Uchambuzi wa VOC ulifanywa kwa mfumo wa Lonestar GC-IMS. Katika upande wa gas chromatography, Trace 1310 GC na koloni ya HP-PLOT U zilitumika. Programu ilishikiliwa kwenye 40°C kwa dakika 2, kisha ikaongezwa kwa kasi ya 10°C/dakika hadi 130°C, na kazi ya isothermal ya jumla ya dakika 30 ikatolewa. Kigunduzi cha FAIMS kilifanya kazi katika %45 dispersion field na kwa scanning ya compensation voltage kati ya -6 V na +6 V. Mchakato huu ulizalisha kwa kila sampuli ya pumzi matrix ya ishara yenye retention time, compensation voltage na ion intensity.

Matrix hii ya ishara ndiyo data kuu ya kibiolojia ya utafiti. Misombo ya VOC moja moja haikutambuliwa katika utafiti. Hili lina faida na kikomo. Faida yake ni kwamba muundo mzima unaweza kutumika kwa uainishaji wa kitabibu; hautegemei kutenganishwa, kuthibitishwa kikemia na kufasiriwa kibiolojia kwa kiwanja kimoja. Kikomo chake ni kwamba haiwezi kueleza moja kwa moja ni njia zipi za biokemia, molekuli zipi au michakato ipi ya uvimbe/kimetaboliki inayochangia nguvu ya utofautishaji. Kwa hiyo, ingawa utafiti unaonyesha ishara thabiti ya maelezo, uchambuzi wa mekanizimu ya kibiolojia ni mdogo.

Katika uchambuzi wa akili bandia, mbinu kuu mbili zilitumika. Ya kwanza ni uainishaji wa SVM kwenye MetaboAnalyst. Vipimo vinne vya kurudia vya pumzi vya kila mshiriki viliunganishwa kuwa chromatogram moja wakilishi kabla ya kuendeleza modeli. Hili ni muhimu kwa kuzuia data leakage; kwa sababu kusambazwa kwa sampuli za kurudia za mshiriki yuleyule katika sehemu tofauti za mafunzo au majaribio kunaweza kuinua utendaji wa modeli kwa njia ya bandia. Utafiti unasema uchambuzi ulifanywa katika kiwango cha mshiriki, na sampuli za kurudia za mshiriki yeyote hazikugawanywa katika subsets tofauti.

SVM yaani Support Vector Machine, ni mbinu ya supervised machine learning inayojaribu kupata mpaka bora wa utenganishaji kati ya makundi mawili. Katika utafiti huu makundi ni “udhibiti wenye afya” na “patolojia ya ovari”. Modeli ilitathminiwa kwa 10-fold cross-validation. Cross-validation humaanisha kugawa data katika sehemu tofauti na kujaribu modeli katika mchanganyiko tofauti wa mafunzo-majaribio. Mbinu hii inaweza kufanya makadirio ya utendaji yawe na uwiano zaidi katika data set ndogo; lakini haiwezi kuchukua nafasi ya cohort ya uthibitishaji wa nje.

Mbinu ya pili ni modeli ya awali ya CNN inayotegemea picha. Watafiti walionyesha matrix za ishara za GC-IMS kama grafu za uso za pande tatu na kuzipa picha hizi kwa convolutional neural network inayotegemea ResNet-18. CLAHE ilitumika kwenye picha, data augmentation haikutumika; kwa sababu kulikuwa na hatari ya kuvuruga taarifa ya kikemia. Katika modeli, early convolution blocks ziligandishwa, na residual block ya mwisho pamoja na classifier zilifanyiwa fine-tuning. Picha za kuingiza zilipimwa hadi 224 × 224 pikseli na zikanormalishwa kwa ImageNet channel statistics.

Tathmini ya CNN ilifanywa kwa migawanyo kumi huru ya 70/15/15 training-validation-test. Katika kila run, sampuli 56 za training, 12 za validation na 12 za test zilitumika. Katika mafunzo zilitumika Adam optimizer, learning rate ya 1 × 10⁻⁴, weight decay ya 1 × 10⁻⁵, cross-entropy loss, 16 batch size, kiwango cha juu cha 50 epoch na early stopping yenye patience 10 kulingana na validation loss. Matokeo yalitolewa kama wastani na standard deviation ya runs 10, na pia makadirio 120 ya test yaliwekwa pamoja.

Ili kuelewa utendaji wa modeli, vipimo kadhaa vya msingi vinapaswa kufafanuliwa. Formuli hizi hazikutolewa wazi katika utafiti; hapa zinawasilishwa kama mahusiano ya msingi ya uainishaji ili kumweleza msomaji maana ya performance metrics zinazotumika:

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

Sensitivity huonyesha ni sehemu gani ya watu wenye patolojia ya ovari iliyonaswa kwa usahihi na modeli. Katika utafiti huu, sensitivity kwa SVM na CNN ilitolewa kama %100; yaani katika seti za tathmini modeli iliripotiwa kutokukosa visa vya OP.

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

Specificity huonyesha ni sehemu gani ya udhibiti wenye afya iliyoainishwa kwa usahihi kuwa yenye afya na modeli. Katika SVM, specificity ilikuwa %90; katika CNN, %86,7 ± %12,5. Hii inaonyesha kuwa false positives bado zipo.

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

Accuracy ni uwiano wa uainishaji sahihi ndani ya uainishaji wote. Katika utafiti, accuracy ya SVM ilitolewa kama %95 na accuracy ya CNN kama %93,3 ± %6,2.

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

Negative predictive value huashiria uwezekano kwamba mtu ni kweli katika kundi la udhibiti pale test inapokuwa negative. Katika utafiti huu, NPV kwa modeli zote mbili ilitolewa kama %100. Hata hivyo, kwa kuwa katika muundo wa case-control uwiano wa makundi ni 50/50 kwa njia ya bandia, thamani hii haiwezi kuhamishwa moja kwa moja kwa idadi ya watu ya uchunguzi wa jamii.

Figure 1 ya utafiti inalinganisha profaili za pumzi za GC-FAIMS kati ya udhibiti wenye afya na mgonjwa mwenye patolojia ya ovari. Picha ina chromatograms za pande mbili na pia one-dimensional intensity projections. Katika sampuli ya patolojia ya ovari, signal intensities zilizo dhahiri zaidi na peaks nyingi zaidi za utofautishaji zinaonekana. Hii inaonyesha kuwa modeli haitegemei tu namba za kufikirika, bali pia mifumo ya jumla ya VOC inayoweza kutofautishwa kwa macho. Lakini figure inawakilisha sampuli moja moja; si ushahidi wa kutosha peke yake kwa idadi yote ya watu.

Figure 2 inaonyesha ROC curve ya modeli ya SVM. Area under the curve, yaani AUC, imetolewa kama 0,967 na %95 confidence interval 0,9-1,0. ROC curve inaonyesha uhusiano kati ya sensitivity na false positive rate katika thresholds tofauti. Thamani ya AUC ikiwa karibu na 0,5, nguvu ya modeli ya kutofautisha hukaribia bahati nasibu; inapokaribia 1, nguvu ya kutofautisha huongezeka. Thamani ya 0,967 katika utafiti huu inaashiria utendaji wenye nguvu sana wa utofautishaji ndani ya data set. Lakini kwa kuwa hakuna uthibitishaji wa nje, haiwezi kuhakikishwa kuwa utendaji huu utabaki vilevile katika mazingira halisi ya kitabibu.

Matokeo ya utendaji wa modeli ya SVM yanavutia sana: accuracy %95, sensitivity %100, specificity %90, positive predictive value %90,9, negative predictive value %100 na AUC 0,967. Hii inaonyesha kuwa modeli iliweza kutenganisha wazi vikundi vya udhibiti wenye afya na patolojia ya ovari katika data set hii. Hasa sensitivity ya %100 inavutia kitabibu; kwa sababu katika zana inayowezekana ya triage, kutokukosa ugonjwa ni jambo lenye thamani kubwa. Hata hivyo, matokeo haya yanatoka kwenye cohort ya case-control yenye uwiano na watu 80; katika idadi za uchunguzi zenye prevalence ya chini, utendaji na predictive values vinaweza kubadilika.

Modeli ya CNN pia ilitoa matokeo yanayofanana. Accuracy ya modeli inayotegemea picha ilikuwa %93,3 ± %6,2, sensitivity %100 ± %0, specificity %86,7 ± %12,5, positive predictive value %89,3 ± %9,6, negative predictive value %100 ± %0 na AUC value 0,983 ± 0,033. Katika makadirio 120 ya test, kulikuwa na makosa 8 ya uainishaji na yote yalikuwa false positives; hakukuwa na false negative. Hii inadokeza kuwa picha za GC-IMS nazo hubeba taarifa ya utofautishaji, na ishara ya ugonjwa haiko tu katika vipengele vilivyochaguliwa kwa mkono, bali katika muundo wa jumla wa ishara.

Tofauti muhimu ya kisayansi hapa ni hii: uwezo wa modeli kutofautisha uwepo wa OP dhidi ya udhibiti wenye afya haumaanishi kuwa inaweza kutofautisha saratani malignant na patolojia benign. Katika sehemu 3.3 ya utafiti imeelezwa kuwa uchambuzi wa VOC ya pumzi haukuweza kutofautisha kwa kuaminika vidonda benign na malignant. Huu ni mpaka muhimu kwa matumizi ya kitabibu. Test ya pumzi ikiwa chanya, haipaswi kumaanisha “kuna saratani malignant ya ovari”; inaweza kuwa tu ishara ya patolojia ya ovari inayoweza kuhitaji tathmini ya juu zaidi.

Katika utofautishaji wa benign-malignant, CA-125 ilitoa taarifa tofauti. Kulingana na Table 4, katika patolojia benign wastani wa CA-125 ni 12,93 U/mL, median 11,40 U/mL, standard deviation 8,53, minimum 2,00 na maximum 35,40. Katika kundi malignant, wastani ni 303,47 U/mL, median 81,95 U/mL, standard deviation 455,68, minimum 5,70 na maximum 1243,00. Usambazaji huu mpana unaonyesha kuwa hasa katika kundi malignant thamani za CA-125 ni heterogeneous; lakini katika kiwango cha kundi kuna ongezeko dhahiri katika patolojia malignant. Kwa sababu hii utafiti unatetea kuwa breathomics na CA-125 zinaweza kutoa taarifa zinazokamilishana.

Tafsiri iliyo na uwiano zaidi kitabibu ya utafiti inapaswa kuwa hii: Uchambuzi wa VOC ya pumzi unaonekana kuwa na nguvu katika kutofautisha uwepo wa patolojia ya ovari dhidi ya hali yenye afya katika cohort hii ndogo ya case-control. Lakini hautoshi peke yake kwa utofautishaji wa malignancy. CA-125 inaweza kusaidia katika utofautishaji wa benign-malignant. Kwa hiyo, mbinu yenye maana zaidi siku zijazo inaweza kuwa modeli jumuishi ya triage inayotathmini pamoja profaili ya VOC ya pumzi, CA-125, imaging, clinical risk factors na dalili za mgonjwa.

Umuhimu wa utafiti kwa mtazamo wa historia ni kwamba unaongeza safu mpya ya teknolojia isiyoingilia mwili katika eneo la changamoto ya muda mrefu ya kugundua mapema saratani ya ovari. Katika tafiti kubwa za uchunguzi kama UKCTOCS, mchanganyiko wa CA-125 na transvaginal ultrasonography uliweza kuonyesha specificity ya juu, lakini haukupunguza mortality, na false positives, gharama na interventions zisizo za lazima zilibaki mipaka muhimu. Kwa mtazamo huu, uchambuzi wa pumzi huvutia kama teknolojia ya ziada inayoweza kutoa uchukuaji sampuli wa haraka na usio na maumivu kwa mgonjwa.

Umuhimu wa utafiti leo ni kuonyesha kuwa mbinu ya breathomics inayosaidiwa na akili bandia inaweza kuchunguzwa si kwa magonjwa ya mapafu tu, bali pia kwa patolojia za kiginakolojia. Kuchukua sampuli ya pumzi si kuingilia mwili kama kuchukua damu au kufanya biopsy ya tishu. Ikiwa itaweza kusanifiwa, kuthibitishwa na kufanywa cost-effective, siku zijazo inaweza kuwa zana ya awali ya kuchuja inayotambua hitaji la tathmini ya juu zaidi kwa wanawake wenye hatari ndogo au dalili zisizo wazi. Hata hivyo, utafiti huu hauonyeshi kuwa matumizi hayo ya kitabibu yako tayari.

Kwa mtazamo wa siku zijazo, hitaji muhimu zaidi ni tafiti za uthibitishaji zenye vituo vingi, prospective na zinazoakisi prevalence halisi ya dunia. Katika utafiti huu idadi ya OP na udhibiti ni sawa; katika muundo huu wa utafiti, utendaji wa modeli na hasa predictive values zinaweza kuonekana bora zaidi kuliko katika idadi za uchunguzi wa kitabibu. Katika mazingira halisi ya uchunguzi, prevalence ya saratani ya ovari na baadhi ya patolojia za ovari ni ndogo zaidi; katika hali hiyo, idadi ya false positives na athari zake za usimamizi wa kitabibu zinapaswa kutathminiwa kwa makini.

Pia, uathiriwa wa kimazingira, matumizi ya dawa, lishe, microbiome, uvutaji sigara, umri, hali ya homoni, comorbidities na masharti ya uchukuaji sampuli vinaweza kuathiri profaili ya VOC. Katika utafiti huu, vikundi vilikuwa na uwiano kwa umri na BMI, lakini risk exposure na habitual drug use vilitofautiana. Kwa sababu ya sampuli ndogo, athari za confounders hizi hazikuweza kurekebishwa kwa nguvu. Kwa hiyo, katika data sets kubwa zaidi inapaswa kujaribiwa ni kiasi gani cha tofauti katika profaili ya pumzi kinatokana moja kwa moja na patolojia ya ovari, na kiasi gani kinatokana na vigezo vingine vya maisha/afya.

Miongoni mwa nguvu za utafiti ni ukusanyaji wa sampuli kwa njia prospective, mfumo sanifu wa ReCIVA wa uchukuaji sampuli ya pumzi, kujumuishwa kwa washiriki wa OP kabla ya matibabu, uthibitisho wa histopathology, matumizi ya machine learning ya kawaida na deep learning, kuzuia data leakage ya sampuli za kurudia kwa uchambuzi katika kiwango cha mshiriki, na kuwepo kwa cohort ya OP yenye utajiri wa vidonda benign na malignant vya hatua za awali.

Mipaka ni muhimu angalau kama matokeo. Sampuli ni ndogo: kuna udhibiti 40 na visa 40 vya patolojia ya ovari. Hakuna cohort ya uthibitishaji wa nje. Muundo ni wa case-control; hii inaweza kuonyesha utendaji wa uchunguzi au triage kuwa juu kuliko ulivyo katika hali halisi. Potential confounders kama matumizi ya dawa na risk exposure zinatofautiana kati ya vikundi. Uchambuzi wa VOC ya pumzi haukuweza kutofautisha patolojia benign na malignant. Kwa sababu misombo binafsi ya VOC haikutambuliwa, kiwango cha mekanizimu ya kibiolojia ni kidogo. Utafiti ni preprint ambayo haijapitia peer review.

Kile ambacho utafiti unasema ni hiki: Katika cohort hii prospective ya case-control, uchambuzi wa profaili ya VOC ya pumzi unaosaidiwa na akili bandia umetofautisha wanawake wenye patolojia ya ovari na udhibiti wenye afya kwa utendaji wa juu. Matokeo yanayofanana kutoka mbinu mbili tofauti za akili bandia kama SVM na CNN yanadokeza kuwa kuna taarifa ya utofautishaji katika ishara ya GC-IMS/GC-FAIMS. Kutokuwepo kwa false negatives na kuripotiwa kwa negative predictive value ya %100 kunavutia kwa matumizi yanayowezekana ya triage.

Kile ambacho utafiti haukisemii ni wazi. Utafiti huu hauonyeshi kuwa test ya pumzi iko tayari kutumika kliniki kwa uchunguzi wa saratani ya ovari. Hauthibitishi kuwa uchambuzi wa pumzi utachukua nafasi ya CA-125 au transvaginal ultrasonography. Hauonyeshi kuwa matokeo chanya ya pumzi yanamaanisha malignancy. Hautofautishi kwa kuaminika patolojia benign na malignant. Pia, %100 sensitivity na %100 negative predictive value zinatokana na muundo mdogo na wenye uwiano wa case-control, hivyo hazipaswi kutafsiriwa kama utendaji wa uchunguzi wa jamii.

Mbinu na Matokeo ya Utafiti

Utafiti huu ni utafiti prospective observational case-control uliofanywa katika Champalimaud Clinical Center – Champalimaud Foundation kati ya Januari 2022 na Julai 2024. Itifaki ilipata idhini ya kamati ya maadili kwa msimbo GYNE-VOX, na informed consent ya maandishi ilichukuliwa kutoka kwa washiriki. Washiriki wenye patolojia ya ovari walijumuishwa kabla ya matibabu kama upasuaji au chemotherapy.

Sifa za washiriki zinaweza kufupishwa hivi:

Muundo wa kihistopatholojia wa kundi la OP ni huu:

Mantiki ya msingi ya kukokotoa vipimo vya uainishaji inaweza kueleweka kwa msomaji kupitia formuli hizi:

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

Hapa TP inamaanisha true positives, na FN false negatives. Huonyesha ni wangapi kati ya watu wenye patolojia ya ovari waliopatikana kwa usahihi na modeli.

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

Hapa TN inamaanisha true negatives, na FP false positives. Huonyesha ni wangapi kati ya udhibiti wenye afya walioainishwa kwa usahihi kuwa negative.

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

Formuli hii hutoa uwiano wa sampuli zilizoainishwa kwa usahihi ndani ya makadirio yote.

Katika makadirio 120 ya test ya modeli ya CNN, makosa yote 8 yalikuwa false positives; hii inaonyesha kuwa modeli haikukosa visa vya OP lakini iliainisha baadhi ya udhibiti wenye afya kama OP. Katika muktadha wa triage, uchache wa false negatives unaweza kuwa wa thamani; hata hivyo gharama ya kitabibu ya false positives, athari za wasiwasi, imaging ya ziada au hatari ya rufaa zisizo za lazima zinapaswa kutathminiwa katika tafiti kubwa zaidi za dunia halisi.

Matokeo ya CA-125 kwa utofautishaji wa benign na malignant ni haya:

Jedwali hili linaonyesha kuwa CA-125 inaweza kuwa nyongeza katika utofautishaji wa benign-malignant ambao uchambuzi wa VOC ya pumzi haukuweza kukamata. Hata hivyo, inapaswa kukumbukwa kwamba CA-125 nayo si alama kamili ya malignancy inapokuwa peke yake. Tafsiri yenye uwiano zaidi inayopendekezwa na utafiti ni kwamba uchambuzi wa pumzi unaweza kuashiria uwepo wa patolojia, na zana zilizopo kama CA-125 na imaging zinaweza kutumiwa pamoja kutathmini tabia ya patolojia.

Profaili za GC-FAIMS katika Figure 1 zinaonyesha kuwa kuna tofauti za ishara zinazoonekana kati ya sampuli za udhibiti wenye afya na patolojia ya ovari. Katika sampuli za OP, signal intensity kubwa zaidi na peaks zinazotofautisha zaidi zilionekana. ROC curve katika Figure 2 inaonyesha AUC kubwa ya modeli ya SVM. Picha hizi mbili pamoja zinaunga mkono uwepo wa muundo unaotofautisha katika kiwango cha ishara ghafi na pia katika kiwango cha utendaji wa modeli.

Hata hivyo, utendaji wa kuona na wa namba hautoshi kwa matumizi ya kitabibu. Ili mbinu kama uchambuzi wa pumzi ibadilike kuwa zana ya uchunguzi au triage, itifaki ya uchukuaji sampuli lazima isanifiwe, ulinganifu kati ya vifaa uonyeshwe, uthibitishaji wa nje ufanywe katika vituo tofauti, uwiano wa false positive/false negative katika idadi halisi zenye prevalence ya chini uchunguzwe, na njia ya kitabibu baada ya test positive iwekwe wazi.

Maelezo ya Chanzo na Mbinu

Makala hii imeandaliwa kwa kutegemea utafiti wa 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 na Pedro D. Vaz wenye kichwa “Artificial Intelligence–Assisted Breath Volatile Organic Compound Profiling for Detection of Ovarian Pathology: A Prospective Case-Control Study”.

Maandishi chanzo ni preprint ya utafiti prospective observational case-control. Katika maandishi kuna kauli wazi “This preprint research paper has not been peer reviewed”. Kwa hiyo utafiti haujapitia peer review, na matokeo yanapaswa kusomwa si kama kiwango cha matumizi ya kitabibu, bali kama matokeo ya uchunguzi yanayohitaji tafiti kubwa zaidi za uthibitishaji.

Utafiti huu si jaribio la matibabu. Haujaribu dawa mpya, mbinu ya upasuaji au itifaki ya matibabu kwa patolojia ya ovari. Lengo la utafiti ni kupima profaili za VOC za pumzi kwa GC-FAIMS/GC-IMS na kutathmini kama miundo ya akili bandia inaweza kutenganisha vikundi vya udhibiti wenye afya na patolojia ya ovari.

Katika maudhui haya, hakijaongezwa kitu ambacho hakipo kwenye PDF, kama dhamana ya utambuzi wa kitabibu, pendekezo la uchunguzi wa saratani, mwongozo wa matibabu au dai kwamba malignancy inaweza kugunduliwa kwa test ya pumzi peke yake. Utafiti hauonyeshi kuwa uchambuzi wa pumzi utachukua nafasi ya transvaginal ultrasonography au CA-125. Kinyume chake, unasisitiza kuwa uchambuzi wa VOC ya pumzi, kama zana inayowezekana ya triage ya ziada, unapaswa kutathminiwa pamoja na CA-125, imaging na clinical risk factors.

Miongoni mwa mipaka ya utafiti ni sample size ndogo, kutokuwepo kwa cohort ya uthibitishaji wa nje, kutoweza kukadiria moja kwa moja utendaji halisi wa uchunguzi kutokana na muundo wa case-control, tofauti za potential confounders kama matumizi ya dawa na environmental risk exposure kati ya vikundi, kutoweza kufanya utofautishaji wa kuaminika wa benign-malignant kwa uchambuzi wa VOC ya pumzi, na kutotambuliwa kwa misombo binafsi ya VOC.

Kwa kumalizia, utafiti unaonyesha kuwa uchambuzi wa VOC ya pumzi unaosaidiwa na akili bandia unaweza kuwa mbinu ya matumaini na isiyoingilia mwili ya kutofautisha uwepo wa patolojia ya ovari na udhibiti wenye afya. Hata hivyo, kwa kuhamia matumizi ya kitabibu, vinahitajika uthibitishaji prospective wa vituo vingi, itifaki sanifu za uchukuaji/uchambuzi wa sampuli, uthibitishaji katika data sets za nje, na modeli jumuishi zinazounganisha breathomics, CA-125, imaging na clinical risk factors.