应用机器学习算法的Dxcover傅里叶变换红外光谱活检技术有望用于胰腺癌诊断

应用机器学习算法的Dxcover傅里叶变换红外光谱活检技术有望用于胰腺癌诊断,第1张

应用机器学习算法的Dxcover傅里叶变换红外光谱活检技术有望用于胰腺癌诊断

据麦姆斯咨询介绍,总部位于英国格拉斯哥的Dxcover是一家临床阶段诊断公司,致力于开发多种癌症早期诊断应用的光谱液体活检技术。该公司近期宣布了一项新的研究成果,展示了其开发的红外平台如何检测到早期胰腺癌患病样本和对照样本之间的确切区别,表明其具有“巨大的临床应用潜力”。相关研究工作发表于Cancers期刊。

胰腺癌致死人数在所有癌症中位列第七,在全世界范围内,每年可夺走超过440,000人的生命。由于早期症状迹象及快速、简单和非侵入性诊断检测方法的缺乏,胰腺癌是最难检测的疾病之一。

碳水化合物抗原(CA)19-9检测是一种用于诊断胰腺癌的血液检测方法,但其水平可以在患有其他非恶性疾病或在检测区域周围患有其他肿瘤的有症状患者中升高。

Dxcover光谱液体活检技术与项目负责人Mark Hegarty和Matthew Baker

新型液体活检方法

Dxcover的概念验证研究利用干血清样本,来验证衰减全反射傅里叶变换红外(ATR-FTIR)光谱技术是否可以区分癌症与无症状(健康)对照样本,以及癌症与有症状的非恶性对照样本,从而作为胰腺癌诊断的新型液体活检方法。

研究人员应用了机器学习算法,在区分癌症(n=100)和无症状(健康)对照(n=100)时,获得了92%的敏感性和88%的特异性结果。通过受试者工作特征(ROC)分析获得曲线下面积(AUC)为0.95。此外,该检测可以在具有挑战性的症状队列中识别出癌症患者,其AUC为0.83。

Dxcover首席技术官兼联合创始人Matthew Baker博士评论说:“据我们所知,这是迄今为止,关于使用ATR-FTIR光谱进行早期和晚期胰腺癌临床检测的规模最大、最有应用前景的概念验证研究。”

“使用我们的技术,每检测5,000例癌症就可以节省价值超过1,200万美元的医疗保健资源,并迅速加快患者获得所需治疗的过程。”

Dxcover率先利用循环泛组生物标志物的红外光谱对癌症进行早期检测和诊断。该公司已经产生了令人信服的临床数据——其I期和II期临床试验中对癌症的检测具有高准确度。此外,Dxcover表示正在美国开展业务。

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/dianzi/2418543.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-08-01
下一篇 2022-08-01

发表评论

登录后才能评论

评论列表(0条)

保存