Proton Magnetic Resonance Spectroscopy of Sputum for the Non-Invasive Diagnosis of Lung Cancer: Preliminary Findings
Notice bibliographique
Résumé
Aims and Background: Sputum has been examined for the identification of potential biomarkers for the non-invasive diagnosis of lung cancer. However, no definitive biomarkers with reliable accuracy have been identified yet. The main objective of this work was to evaluate the utility of magnetic resonance spectroscopy (MRS) in the analysis of sputum for the non-invasive diagnosis of lung cancer. Methods: Induced sputum samples from lung cancer patients (n = 9) and control subjects (n = 6) were collected for proton (1H) MRS analysis. Samples from two cancer patients and one control subject were discarded as these samples were confirmed to contain only saliva by cytologic examination. Only the true sputum specimens containing alveolar macrophages were analyzed by 1H MRS. To facilitate MRS analysis, sputum samples were dispersed in 2M sodium chloride solution buffered with phosphate-buffered-saline (PBS). MR spectra were obtained using a one-pulse sequence with presaturation of the water resonance. Results: Glucose was found to be absent in sputum samples obtained from lung cancer patients. Spectra of sputum samples collected from control subjects showed presence of glucose signal except for one whose sputum cytology indicated the presence of atypia. The absence of glucose in sputum from cancer patients could be attributed to an increased rate of glycolysis in the lung cancer cells. The present observation, albeit on a small sample size, showed a better sensitivity (100%) and overall accuracy (92%) compared to sputum cytology (sensitivity = 50%; overall accuracy = 70%). Conclusions: Absence of glucose in sputum could be an indicator of lung cancer and the present methodology can be a valuable addition to the non-invasive diagnostics of lung cancer.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».