Исследование эффективности метода диагностики заболеваний дыхательной системы по анализу выдыхаемого воздуха с применением газоаналитического комплекса

Цель и масштаб исследования: изучить у пациентов зависимость состава выдыхаемого воздуха от патологических процессов, протекающих в дыхательной системе, в том числе рака легких, внебольничной пневмонии и COVID-19.

Материал и методы. Исследования проводились на базе газоаналитического комплекса с применением метода нейросетевого анализа данных. Газоаналитический комплекс включает полупроводниковые датчики, с помощью которых измеряются концентрации газовых компонентов в выдыхаемом воздухе с чувствительностью в среднем 1 ppm. По сигналам с датчиков нейронная сеть проводит классификацию и выявляет пациентов с теми или иными патологическими процессами.

Результаты. Статистический набор данных для обучения нейронной сети и проверки метода включал пробы от 173 пациентов. В нашем исследовании были взяты пробы выдыхаемого воздуха у групп пациентов со злокачественным новообразованием легких, пневмонией и COVID-19. В случае рака легких параметры диагностического прибора определены на следующих уровнях: чувствительность – 95,24%, специфичность – 76,19%. Для пневмонии и COVID-19 эти параметры составили 97,36 и 98,63% соответственно.

Заключение. С учетом известной ценности таких методов диагностики, как компьютерная томография (КТ) и магнитно-резонансная томография (МРТ), достигнутые в ходе исследования показатели чувствительности и специфичности газоаналитического комплекса отражают перспективность предлагаемой методики в диагностике опухолевых процессов у больных раком легких, COVID-19 и внебольничной пневмонией.

1. Krilaviciute A., Stock C., Leja M., Brenner H. Potential of non-invasive breath tests for preselecting individuals for invasive gastric cancer screening endoscopy. J. Breath Res. 2018;12(3):036009. DOI: 10.1088/1752-7163/aab5be.

2. Opitz P., Herbarth O. The volatilome – investigation of volatile organic metabolites (VOM) as potential tumor markers in patients with head and neck squamous cell carcinoma (HNSCC). J. Otolaryngol. Head Neck Surg. 2018;47(1):42. DOI: 10.1186/s40463-018-0288-5.

3. Leunis N., Boumans M.-L., Kremer B., Din S., Stobberingh E., Kessels A.G.H. et al. Application of an electronic nose in the diagnosis of head and neck cancer. Laryngoscope. 2013;124(6):1377–1381. DOI: 10.1002/lary.24463.

4. Jia Z., Patra A., Kutty V.K., Venkatesan T. Critical review of volatile organic compound analysis in breath and in vitro cell culture for detection of lung cancer. Metabolites. 2019;9(3):52. DOI: 10.3390/metabo9030052.

5. Feinberg T., Alkoby-Meshulam L., Herbig J., Cancilla J.C., Torrecilla J.S., Mor N.G. et al. Cancerous glucose metabolism in lung cancer – Evidence from exhaled breath analysis. J. Breath Res. 2016;10(2):026012. DOI: 10.1088/1752-7155/10/2/026012.

6. Handa H., Usuba A., Maddula S., Baumbach J.I., Mineshita M., Miyazawa T. Exhaled breath analysis for lung cancer detection using ion mobility spectrometry. PLoS One. 2014;9(12):e1145557. DOI: 10.1371/journal.pone.0114555.

7. Hakim M., Broza Y.Y., Barash O., Peled N., Phillips M., Amann A. et al. Volatile organic compounds of lung cancer and possible biochemical pathways. Chem. Rev. 2012;112(11):5949–5966. DOI: 10.1021/cr300174a.

8. Yu Y., Fei A. Atypical pathogen infection in community-acquired pneumonia. Biosci. Trends. 2016;10(1):7–13. DOI: 10.5582/bst.2016.01021.

9. Arnold F., Summersgill J., Ramirez J. Role of atypical pathogens in the etiology of community-acquired pneumonia. Semin. Respir. Crit. Care Med. 2016;37(6):819–828. DOI: 10.1055/s-0036-1592121.

10. Каприн А.Д., Старинский В.В., Шахзадова А.О. (ред.). Состояние онкологической помощи населению России в 2021 году. Москва: МНИОИ им. П.А. Герцена. Филиал ФГБУ «НМИЦ радиологии» Минздрава России; 2022:239. URL: https://oncology-association.ru/wp-content/uploads/2023/08/sop-2022-el.versiya_compressed.pdf (08.11.2023).

11. The Global Cancer Observatory (GCO): Global variations in lung cancer incidence by histological subtype in 2020: a population-based study. URL: https://gco.iarc.fr/ (11.10.2023).

12. Allemani C., Matsuda T., Di Carlo V., Harewood R., Matz M., Nikšić M. et al. Global surveillance of trends in cancer survival 2000–14 (CONCORD-3): analysis of individual records for 37 513 025 patients diagnosed with one of 18 cancers from 322 population-based registries in 71 countries. Lancet. 2018;391(10125):1023–1075. DOI: 10.1016/S0140-6736(17)33326-3.

13. Ghosal R., Kloer P., Lewis K.E. A review of novel biological tools used in screening for the early detection of lung cancer. Postgrad. Med. J. 2009;85(1005):358–363. DOI: 10.1136/pgmj.2008.076307.

14. Levine-Tiefenbrun M., Yelin I., Uriel H., Kuint J., Schreiber L., Herzel E. et al. Association of COVID-19 RT-qPCR test false-negative rate with patient age, sex and time since diagnosis. J. Mol. Diagn. 2022;24(2):112–119. DOI: 10.1016/j.jmoldx.2021.10.010.

15. Chernov V.I., Choynzonov E.L., Kulbakin D.E., Obkhodskaya E.V., Obkhodskiy A.V., Popov A.S. et al. Cancer diagnosis by neural network analysis of data from semiconductor sensors. Diagnostics. 2020;10(9):677. DOI: 10.3390/diagnostics10090677.

16. Shan B., Broza Y.Y., Li W., Wang Y., Wu S., Liu Z. et al. Multiplexed nanomaterial-based sensor array for detection of COVID-19 in exhaled breath. ACS Nano. 2020;14(9):12125−12132. DOI: 10.1021/acsnano.0c05657.

17. Becker M., Zaidi H. Imaging in head and neck squamous cell carcinoma: the potential role of PET/MRI. Br. J. Radiol. 2014;87(1036):20130677. DOI: 10.1259/bjr.20130677.

18. Rivera M.P., Mehta A.C., Wahidi M.M. Establishing the diagnosis of lung cancer: Diagnosis and management of lung cancer, 3rd ed.: American College of Chest Physicians evidence-based clinical practice guidelines. Chest. 2013;143(5 Suppl.):e142S–e165S. DOI: 10.1378/chest.12-2353.