Upload
emmly
View
63
Download
0
Embed Size (px)
DESCRIPTION
„Plaušu vēža diagnostikas metodes un datorprogrammas prototipa izstrāde, izmantojot izelpas gaisa analīzi ar mākslīgo ožas sensoru” ERAF. 2.1.1.1.0 aktivitāte „Atbalsts zinātnei un pētniecībai” Vienošanās Nr. 2010/0303/2DP/2.1.1.1.0/10/APIA/VIAA/043. - PowerPoint PPT Presentation
Citation preview
„„Plaušu vēža diagnostikas metodes un Plaušu vēža diagnostikas metodes un datorprogrammas prototipa izstrāde, izmantojot izelpas datorprogrammas prototipa izstrāde, izmantojot izelpas
gaisa analīzi ar mākslīgo ožas sensoru”gaisa analīzi ar mākslīgo ožas sensoru”ERAF. 2.1.1.1.0 aktivitāte „Atbalsts zinātnei un pētniecībai”ERAF. 2.1.1.1.0 aktivitāte „Atbalsts zinātnei un pētniecībai”
Vienošanās Nr. 2010/0303/2DP/2.1.1.1.0/10/APIA/VIAA/043Vienošanās Nr. 2010/0303/2DP/2.1.1.1.0/10/APIA/VIAA/043
Dr.med Māris Bukovskis, Dr.biol. Gunta Strazda, Dr.med. Dr.med Māris Bukovskis, Dr.biol. Gunta Strazda, Dr.med. Uldis Kopeika, Dr.biol. Normunds Jurka, Līga Balode, Uldis Kopeika, Dr.biol. Normunds Jurka, Līga Balode,
Agnese KislinaAgnese KislinaLU Eksperimentālās un klīniskās medicīnas insitūtsLU Eksperimentālās un klīniskās medicīnas insitūts
LU 70. zinātniskā konference 02.02.2012.LU 70. zinātniskā konference 02.02.2012.
Plaušu vēzis: mirstība un agrīnas diagnostikas nozīmePlaušu vēzis: mirstība un agrīnas diagnostikas nozīme
• 5 gadu dzīvildze pacientiem ar III stadijas plaušu vēzi 5 gadu dzīvildze pacientiem ar III stadijas plaušu vēzi 20%20%
• 5 gadu dzīvildze pacientiem ar I stadijas plaušu vēzi 5 gadu dzīvildze pacientiem ar I stadijas plaušu vēzi 70%70%
• Krēpu citoloģiskā analīze, fluorescentā bronhoskopijas Krēpu citoloģiskā analīze, fluorescentā bronhoskopijas un plaušu spirāles DTun plaušu spirāles DT
Lam S et al. Can Fam Physician 2001Lam S et al. Can Fam Physician 2001Mulshine JL et al. Chest 1995Mulshine JL et al. Chest 1995
Henschke CI et al. Radiol Clin North Am 2000Henschke CI et al. Radiol Clin North Am 2000
Gaistošie organiskie savienojumi izelpas gaisā: Gaistošie organiskie savienojumi izelpas gaisā: sākums ... sākums ...
• 1971.g. Pauling et al. ar gāzu hromatogrāfijas palīdzību 1971.g. Pauling et al. ar gāzu hromatogrāfijas palīdzību pierāda, ka izelpas gaisā atrodas vairāki simti gaistošu pierāda, ka izelpas gaisā atrodas vairāki simti gaistošu organisku savienojumuorganisku savienojumu
• Gaistošo organisko savienojumi (Gaistošo organisko savienojumi (volatile organic volatile organic componentscomponents) mērāmi pikomolārā jeb 10) mērāmi pikomolārā jeb 10-12 -12 mol/L mol/L koncentrācijākoncentrācijā
Pauling L et al. Quantitative analysis of urine vapor and breath by gas-liquid partition Pauling L et al. Quantitative analysis of urine vapor and breath by gas-liquid partition chromatography. Proc Natl Acad Sci U S A 1971; 68:2374–2376chromatography. Proc Natl Acad Sci U S A 1971; 68:2374–2376
Elektroniskā deguna darbības principsElektroniskā deguna darbības princips
Gaistošo organisko savienojumuGaistošo organisko savienojumuoglekļa atomi izraisa polimēru oglekļa atomi izraisa polimēru sensoru tilpuma palielināšanossensoru tilpuma palielināšanos
Tas izraisa elektriskāsTas izraisa elektriskāspretestības pārmaiņaspretestības pārmaiņas
LaiksLaiks ( (sekundessekundes))
Rel
atīv
ā el
ektr
iskā
pre
test
ība
Rel
atīv
ā el
ektr
iskā
pre
test
ība
Bazālā līkneBazālā līkne
Parauga atbildesParauga atbildes
reakcija uz 32reakcija uz 32
sensoriemsensoriem
Elektroniskā deguna darbības principsElektroniskā deguna darbības princips
Smaržas “nospieduma” analīzeSmaržas “nospieduma” analīzeD
ifer
encē
tā e
lek
tris
kā
pret
estī
baD
ifer
encē
tā e
lek
tris
kā
pret
estī
ba ( (
ΔΔR
/R)
R/R
)
Pētījuma pacientiPētījuma pacienti
• Savāktas gaisa paraugu analīzes no 514 Savāktas gaisa paraugu analīzes no 514 pacientiem un veseliem brīvprātīgiempacientiem un veseliem brīvprātīgiem
• Datu analīzes tabulā ievadīti dati par 421 Datu analīzes tabulā ievadīti dati par 421 pacientiempacientiem
• Datu statistiskai analīzei atlasīti 176 pacienti Datu statistiskai analīzei atlasīti 176 pacienti (86 ar plaušu vēzi un 90 pacienti ar citām (86 ar plaušu vēzi un 90 pacienti ar citām diagnozēm un veseli brīvprātīgie)diagnozēm un veseli brīvprātīgie)
Datu statistiskā analīzeDatu statistiskā analīze
• Analizēti sekojoši parametri un to kombinācijasAnalizēti sekojoši parametri un to kombinācijas
- līknes maksimums R- līknes maksimums Rmaxmax
- - ΣΣ jeb jeb laukums zem līknes (AUC)laukums zem līknes (AUC)
- līknes pieauguma ātrums tg- līknes pieauguma ātrums tg 0-600-60
Dati analizēti ar datorprogrammu Statistica 6.0Dati analizēti ar datorprogrammu Statistica 6.0• Atbalsta vektora analīze (SVM)Atbalsta vektora analīze (SVM)• Daudzfaktoru loģiskās regresijas analīzeDaudzfaktoru loģiskās regresijas analīze• Analīze ar mākslīgo neironu tīkluAnalīze ar mākslīgo neironu tīklu
Analīze ar SVM (vēzis pret citiem: veseli, citas Analīze ar SVM (vēzis pret citiem: veseli, citas diagnozes, operēti)diagnozes, operēti)
Krustotā Krustotā novērtēšana %novērtēšana %
Klases Klases precizitāte %precizitāte %
CitiCiti
pareizi %pareizi %
VezisVezis
pareizi %pareizi %
MAXMAX 71,871,8 74,074,0 85,785,7 62,262,2
ΣΣ 71,371,3 70,770,7 83,583,5 57,857,8
tgtg 0-60”0-60” 73,573,5 76,276,2 84,684,6 67,867,8
MAX+MAX+ΣΣ 73,573,5 74,074,0 83,583,5 64,464,4
ΣΣ+ tg+ tg 74,074,0 79,079,0 80,280,2 77,877,8
MAX+tgMAX+tg 72,972,9 74,074,0 84,684,6 63,363,3
MAX+MAX+ΣΣ+tg+tg 72,472,4 77,977,9 82,482,4 73,373,3
ΣΣ+tg+tg sm sm 73,573,5 77,977,9 82,482,4 73,373,3
MAX+MAX+ΣΣ+tg+tg smsm
72,972,9 76,876,8 82,482,4 71,171,1
ee
INTINTINTINTMAXMAXMAX
INTINTINTINTMAXMAXMAX
y
1
)2939,502496,4665,118264,17236,246133,4823766,1371801,6(
)2939,502496,4665,118264,17236,246133,4823766,1371801,6(
Datu statistiskā analīzeDatu statistiskā analīze
• Plaušu vēža diagnozes varbūtība y tika aprēķināta pēc Plaušu vēža diagnozes varbūtība y tika aprēķināta pēc formulasformulas
, kur e naturālā logaritma bāze 2,7183..., kur e naturālā logaritma bāze 2,7183...
Datu statistiskā analīze ar LRGDatu statistiskā analīze ar LRG
• Optimālās detektoru kombinācijas atlase ar Optimālās detektoru kombinācijas atlase ar atpakaļejošā soļa metodiatpakaļejošā soļa metodi
Ar LGR analīzi pareizi izdodas prognozēt Ar LGR analīzi pareizi izdodas prognozēt vēzi 73,8% gadījumuvēzi 73,8% gadījumu
LRG analīzes rezultātiLRG analīzes rezultāti
• Analizējot datus atkarībā no mērījuma NRPK Analizējot datus atkarībā no mērījuma NRPK neatrod būtisku tā ietekmi uz modeli (pareizi neatrod būtisku tā ietekmi uz modeli (pareizi 75%)75%)
• Pārbaudot modeļa precizitāti kā papildus Pārbaudot modeļa precizitāti kā papildus faktoru ņemot smēķēšanu neatrod tās būtisku faktoru ņemot smēķēšanu neatrod tās būtisku ietekmi (pareizi 73,9%)ietekmi (pareizi 73,9%)
ProfileProfile Train Train Perf.Perf.
Select Select Perf.Perf.
Test Perf.Test Perf. Train Train ErrorError
Select Select ErrorError
Test ErrorTest Error Training/Training/MembersMembers
1 MLP 6:6-8-1:1MLP 6:6-8-1:1 0.8241760.824176 0.6590910.659091 0.7045450.704545 0.6236420.6236420.879260.87926
330.8120940.812094
BP100,CGBP100,CG20,CG0b20,CG0b
2PNN 6:6-91-2-PNN 6:6-91-2-
2:12:10.7142860.714286 0.5909090.590909 0.6818180.681818 0.5342030.534203
0.526870.5268766
0.5450480.545048
3 RBF 6:6-14-1:1RBF 6:6-14-1:1 0.8021980.802198 0.5909090.590909 0.6363640.636364 0.3848170.3848170.483030.48303
440.5543290.554329 KM,KN,PIKM,KN,PI
4 Linear 6:6-1:1Linear 6:6-1:1 0.8241760.824176 0.6136360.613636 0.7500000.750000 0.3894430.3894430.458720.45872
660.6219610.621961 PIPI
5 Linear 5:5-1:1Linear 5:5-1:1 0.7912090.791209 0.6590910.659091 0.6363640.636364 0.3989530.3989530.452950.45295
440.5368410.536841 PIPI
MNT matemātiskie modeļiMNT matemātiskie modeļi
Vezis.1 Citi.1 Vezis.2 Citi.2 Vezis.3 Citi.3 Vezis.4 Citi.4 Vezis.5 Citi.5
Kopā 88.0 91.0 88.0 91.0 88.0 91.0 88.0 91.0 88.0 91.0
Pareizi 67.0 68.0 55.0 66.0 63.0 64.0 67.0 68.0 64.0 65.0
Nepareizi 21.0 23.0 33.0 25.0 25.0 27.0 21.0 23.0 24.0 26.0
Nezināms 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
Pareizi (%) 76.1 74.7 62.5 72.5 71.6 70.3 76.1 74.7 72.7 71.4
Nepareizi (%)
23.9 25.3 37.5 27.5 28.4 29.7 23.9 25.3 27.3 28.6
Nezināms (%)
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
MNT modeļu diagnostiskā precizitāteMNT modeļu diagnostiskā precizitāte
MLP 6:6-8-1:1MLP 6:6-8-1:1 Linear 6:6-1:1Linear 6:6-1:1
SecinājumiSecinājumi
• Izelpas gaisa analīzi ar mākslīgo ožas sensoru Izelpas gaisa analīzi ar mākslīgo ožas sensoru palīdzību nākotnē varētu izmantot kā plaušu palīdzību nākotnē varētu izmantot kā plaušu vēža skrīninga diagnostikas metodivēža skrīninga diagnostikas metodi
Pateicība Dr. Biol. Guntai Strazdai, Dr.med. Uldim Pateicība Dr. Biol. Guntai Strazdai, Dr.med. Uldim Kopeikam, Dr.biol. Normundam Jurkam, Līgai Balodei, Kopeikam, Dr.biol. Normundam Jurkam, Līgai Balodei, Agnesei Kislinai un Agnesei Kislinai un prof. Immanuelam Taivanamprof. Immanuelam Taivanam