得克萨斯大学达拉斯分校的研究人员开发出一种生物传感器，该传感器结合人工智能（AI）能够检测与胸部癌症相关的呼出气中挥发性有机化合物（VOCs）。这种电化学设备可识别八种可能作为肺癌和食管癌生物标志物的VOCs，随后AI通过分析其生化特征谱确定是否符合相关恶性肿瘤的特征模式。
“我们构建的筛查工具能让医生在疾病早期阶段发现病症，从而改善治疗效果，”得克萨斯大学达拉斯分校工程与计算机科学学院生物工程系主任沙林尼·普拉萨德教授表示。
“该技术为癌症筛查提供了一种潜在的低成本、快速且非侵入式呼吸分析工具，”她补充道。
该项目汇集了该校生物工程与计算机科学专家，以及来自得克萨斯大学西南医学中心的临床研究团队。
在测试中，该生物传感器用于分析67名参与者的呼吸样本，其中包括30名经活检确认患有胸部癌症的患者。传感器在90%的确诊病例中准确识别出挥发性化合物。
普拉萨德教授解释，项目灵感源于新冠疫情期间，当时非侵入式诊断技术成为研究焦点。
“呼吸分析极具吸引力，因为呼吸经过我们的呼吸系统并携带代谢物——这些正是疾病的指示器，”她表示。
呼出气中代谢物的变化可能在疾病初期就已出现。这一新兴研究领域——被称为呼吸组学——有望使临床医生将VOCs作为诊断或预后指标进行评估。普拉萨德教授强调，AI是该设备诊断潜力的关键组成部分。
“呼吸提供的数据量极其庞大。
哪些重要？哪些不重要？所有这些信息都来自机器学习算法。
这正是与计算机科学合作至关重要的原因。如何有意义地将AI整合到技术中非常关键，”她解释道。
普拉萨德教授与计算机科学系主任兼乔恩森学院主席奥维迪乌·达斯库教授合作，优化并验证了机器学习模型。
“这种呼吸特征分析设备及其关联的机器学习模型在癌症检测方面具有巨大潜力，同时能改善成本效益，前提是未来在医疗环境中经过更多病例测试和验证，”达斯库教授表示。
得克萨斯大学西南医学中心肺部与重症医学科内科医学教授、呼吸治疗医学主任兼慢性阻塞性肺病项目负责人穆哈内德·阿布-希杰莱博士提供了进一步的临床见解。
“肺癌是美国乃至全球癌症相关死亡的首要原因。
采用生物标志物和呼出挥发性有机化合物分析等微创技术，有助于以最小患者负担和医疗系统压力实现胸部恶性肿瘤的早期检测，整体降低发病率，”他表示。
普拉萨德教授表示，团队将继续优化该生物传感器并进行更多临床验证。
“最终，这项技术可部署在初级医疗机构。
就像您进行年度体检并抽血一样，您也可以完成呼吸检测。若指标升高，初级医疗提供者即可提出建议，例如后续转诊，”她表示。
若在更大规模和更多样化的患者群体中得到验证，该技术将标志着胸部癌症筛查向可及性、成本效益方向迈出重要一步，同时减少诊断延误和患者身体负担。
本研究贡献者包括生物工程研究科学家阿尼尔班·保罗博士、计算机科学博士生科尔德尔·弗朗斯，以及行为与脑科学学院高年级神经科学学生阿维·巴蒂亚。来自得克萨斯大学西南医学中心的合作者包括临床研究助理鲁比·塔帕和肺部与重症医学研究项目主管罗达·安诺·戈登博士。
【全文结束】
