„„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

1.modelis1.modelis 2.modelis2.modelis

3.modelis3.modelis

4.modelis4.modelis 5.modelis5.modelis

 

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

Paldies parPaldies paruzmanību!uzmanību!