Infrared cavity ring-down spectroscopy for detecting non-small cell lung cancer in exhaled breath
Notice bibliographique
Résumé
Early diagnosis of lung cancer greatly improves the likelihood of survival and remission, but limitations in existing technologies like low-dose computed tomography have prevented the implementation of widespread screening programs. Breath-based solutions that seek disease biomarkers in exhaled volatile organic compound (VOC) profiles show promise as affordable, accessible and non-invasive alternatives to traditional imaging. In this pilot work, we present a lung cancer detection framework using cavity ring-down spectroscopy (CRDS), an effective and practical laser absorption spectroscopy technique that has the ability to advance breath screening into clinical reality. The main aims of this work were to (1) test the utility of infrared CRDS breath profiles for discriminating non-small cell lung cancer (NSCLC) patients from controls, (2) compare models with VOCs as predictors to those with patterns from the CRDS spectra (breathprints) as predictors, and (3) present a robust approach for identifying relevant disease biomarkers. First, based on a proposed learning curve technique that estimated the limits of a model's performance at multiple sample sizes (10-158), the CRDS-based models developed in this work were found to achieve classification performance comparable or superior to like mass spectroscopy and sensor-based systems. Second, using 158 collected samples (62 NSCLC subjects and 96 controls), the accuracy range for the VOC-based model was 65.19%-85.44% (51.61%-66.13% sensitivity and 73.96%-97.92% specificity), depending on the employed cross-validation technique. The model based on breathprint predictors generally performed better, with accuracy ranging from 71.52%-86.08% (58.06%-82.26% sensitivity and 80.21%-88.54% specificity). Lastly, using a protocol based on consensus feature selection, three VOCs (isopropanol, dimethyl sulfide, and butyric acid) and two breathprint features (from a local binary pattern transformation of the spectra) were identified as possible NSCLC biomarkers. This research demonstrates the potential of infrared CRDS breath profiles and the developed early-stage classification techniques for lung cancer biomarker detection and screening.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».