Ранняя диагностика рака легкого с помощью сенсорного газоаналитического комплекса: клиническое наблюдение
| Parent link: | Сибирский онкологический журнал.— .— Томск: НИИ онкологии РАМН Т. 23, № 6.— 2024.— С. 168-175 |
|---|---|
| Outros autores: | , , , , , , , , , |
| Summary: | Заглавие с экрана Актуальность. В настоящее время низкодозная компьютерная томография (НДКТ) является единственным клинически доступным скрининговым исследованием, которое снижает риск смерти от рака легкого. Однако есть ряд недостатков, таких как отсутствие широкой доступности, высокая стоимость, большая частота ложноположительных результатов и необходимость проведения исследования только в группах высокого риска, которые существенно ограничивают массовое внедрение. Анализ выдыхаемого воздуха с использованием чувствительных датчиков дыхания является многообещающим методом улучшения ранней диагностики рака легких. В НИИ онкологии Томского НИМЦ совместно с НИ ТГУ и НИ ТПУ разработан газоаналитический комплекс, способный анализировать газовый состав выдыхаемого воздуха с дистанционным отбором проб из мешков. В ходе исследования данные, полученные путем оцифровки сигналов с датчиков системы газоанализа, и метаданные пациента записываются в базу данных для последующей автоматизированной обработки и анализа с помощью нейросети. Описание клинического случая. В рамках клинической апробации разработанного газоаналитического комплекса для диагностики онкологических заболеваний у пациентки, 48 лет, с длительным стажем курения, которая обратилась в онкологическую клинику за консультацией с подозрением на патологическую инфильтрацию области чревного ствола, выявленную при СКТ органов брюшной полости, была отобрана проба выдыхаемого воздуха. При сравнении состава летучих органических соединений (ЛОС) с контрольной группой (здоровые лица) получены отклонения, характерные для рака легкого. Пациентке проведено дополнительное обследование, включающее CКТ органов грудной клетки, при котором выявлен периферический рак нижней доли левого легкого IIB стадии. Особенностью представленного клинического случая является то, что впервые в диагностике рака легкого использован оригинальный сенсорный газоаналитический комплекс, не имеющий аналогов на территории России. Полученные данные позволили заподозрить у пациентки наличие опухоли легкого, назначить своевременное обследование и выполнить радикальное оперативное лечение. Также проведена оценка состава ЛОС в выдыхаемом воздухе на 10-е сут после операции, при которой значимого изменения не обнаружено. Заключение. Алгоритмы машинного обучения активно используются для диагностики социально значимых заболеваний. Разрабатываемые платформы на основе массивов химических датчиков с анализом данных с помощью нейросети являются многообещающими кандидатами для внедрения в скрининговые мероприятия Background. Currently, low-dose computed tomography (LDCT) is the only screening test that reduces the risk of death from lung cancer. However, there are a number of disadvantages, such as lack of widespread use, high cost, high false-positive rate and the need to conduct studies only in high-risk groups, which significantly limit mass screening. exhaled breath analysis, which uses sensitive breath sensors, is a promising method to improve early diagnosis of lung cancer. Cancer Research Institute of Tomsk National Research Medical Center together with Tomsk State University and Tomsk Polytechnic Research Institute has developed a gas analysis complex capable of analyzing the gas composition of exhaled air with remote sampling from bags. during the study, data obtained by digitizing signals from gas analysis system sensors and patient metadata are recorded in a database for subsequent automated processing and analysis using a neural network. Case description. A 48-year-old female patient with a long history of smoking came to the clinic of the Cancer Research Institute for consultation with suspected pathological infiltration around the celiac trunk detected by abdominal CT. As a clinical trial of the developed gas analytical complex for cancer detection, a sample of exhaled air was taken, and the comparison of the composition of volatile organic compounds (VOCs) with that in the control group (healthy individuals) revealed abnormalities characteristic of lung cancer. the patient underwent a chest CT scan, which revealed stage IIB peripheral cancer of the lower lobe of the left lung. the original sensor gas analysis complex, which has no analogues in Russia, was used for the first time in the detection of lung cancer. the data obtained allowed us to suspect the presence of lung tumor in the patient and perform radical surgical treatment. the composition of VOCs in exhaled air was assessed on day 10 after surgery, and no significant changes in the composition of exhaled air were observed. Conclusion. Machine learning algorithms are actively used to diagnose socially significant diseases. the platforms being developed based on arrays of chemical sensors with data analysis using a neural network are promising candidates for implementation in screening activities Текстовый файл |
| Idioma: | ruso |
| Publicado: |
2024
|
| Subjects: | |
| Acceso en liña: | https://doi.org/10.21294/1814-4861-2024-23-6-168-175 |
| Formato: | Electrónico Capítulo de libro |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=681249 |
MARC
| LEADER | 00000naa0a2200000 4500 | ||
|---|---|---|---|
| 001 | 681249 | ||
| 005 | 20250819153522.0 | ||
| 090 | |a 681249 | ||
| 100 | |a 20250819d2024 k||y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drcn ---uucaa | ||
| 181 | 0 | |a i |b e | |
| 182 | 0 | |a b | |
| 183 | 0 | |a cr |2 RDAcarrier | |
| 200 | 1 | |a Ранняя диагностика рака легкого с помощью сенсорного газоаналитического комплекса: клиническое наблюдение |d Early diagnosis of lung cancer using a sensor gas analysis complex: case report |f Е. О. Родионов, Д. Е. Кульбакин, Д. В. Подолько [и др.] |z eng | |
| 203 | |a Текст |c электронный |b визуальный | ||
| 283 | |a online_resource |2 RDAcarrier | ||
| 300 | |a Заглавие с экрана | ||
| 320 | |a Литература: 14 назв | ||
| 330 | |a Актуальность. В настоящее время низкодозная компьютерная томография (НДКТ) является единственным клинически доступным скрининговым исследованием, которое снижает риск смерти от рака легкого. Однако есть ряд недостатков, таких как отсутствие широкой доступности, высокая стоимость, большая частота ложноположительных результатов и необходимость проведения исследования только в группах высокого риска, которые существенно ограничивают массовое внедрение. Анализ выдыхаемого воздуха с использованием чувствительных датчиков дыхания является многообещающим методом улучшения ранней диагностики рака легких. В НИИ онкологии Томского НИМЦ совместно с НИ ТГУ и НИ ТПУ разработан газоаналитический комплекс, способный анализировать газовый состав выдыхаемого воздуха с дистанционным отбором проб из мешков. В ходе исследования данные, полученные путем оцифровки сигналов с датчиков системы газоанализа, и метаданные пациента записываются в базу данных для последующей автоматизированной обработки и анализа с помощью нейросети. Описание клинического случая. В рамках клинической апробации разработанного газоаналитического комплекса для диагностики онкологических заболеваний у пациентки, 48 лет, с длительным стажем курения, которая обратилась в онкологическую клинику за консультацией с подозрением на патологическую инфильтрацию области чревного ствола, выявленную при СКТ органов брюшной полости, была отобрана проба выдыхаемого воздуха. При сравнении состава летучих органических соединений (ЛОС) с контрольной группой (здоровые лица) получены отклонения, характерные для рака легкого. Пациентке проведено дополнительное обследование, включающее CКТ органов грудной клетки, при котором выявлен периферический рак нижней доли левого легкого IIB стадии. Особенностью представленного клинического случая является то, что впервые в диагностике рака легкого использован оригинальный сенсорный газоаналитический комплекс, не имеющий аналогов на территории России. Полученные данные позволили заподозрить у пациентки наличие опухоли легкого, назначить своевременное обследование и выполнить радикальное оперативное лечение. Также проведена оценка состава ЛОС в выдыхаемом воздухе на 10-е сут после операции, при которой значимого изменения не обнаружено. Заключение. Алгоритмы машинного обучения активно используются для диагностики социально значимых заболеваний. Разрабатываемые платформы на основе массивов химических датчиков с анализом данных с помощью нейросети являются многообещающими кандидатами для внедрения в скрининговые мероприятия | ||
| 330 | |a Background. Currently, low-dose computed tomography (LDCT) is the only screening test that reduces the risk of death from lung cancer. However, there are a number of disadvantages, such as lack of widespread use, high cost, high false-positive rate and the need to conduct studies only in high-risk groups, which significantly limit mass screening. exhaled breath analysis, which uses sensitive breath sensors, is a promising method to improve early diagnosis of lung cancer. Cancer Research Institute of Tomsk National Research Medical Center together with Tomsk State University and Tomsk Polytechnic Research Institute has developed a gas analysis complex capable of analyzing the gas composition of exhaled air with remote sampling from bags. during the study, data obtained by digitizing signals from gas analysis system sensors and patient metadata are recorded in a database for subsequent automated processing and analysis using a neural network. Case description. A 48-year-old female patient with a long history of smoking came to the clinic of the Cancer Research Institute for consultation with suspected pathological infiltration around the celiac trunk detected by abdominal CT. As a clinical trial of the developed gas analytical complex for cancer detection, a sample of exhaled air was taken, and the comparison of the composition of volatile organic compounds (VOCs) with that in the control group (healthy individuals) revealed abnormalities characteristic of lung cancer. the patient underwent a chest CT scan, which revealed stage IIB peripheral cancer of the lower lobe of the left lung. the original sensor gas analysis complex, which has no analogues in Russia, was used for the first time in the detection of lung cancer. the data obtained allowed us to suspect the presence of lung tumor in the patient and perform radical surgical treatment. the composition of VOCs in exhaled air was assessed on day 10 after surgery, and no significant changes in the composition of exhaled air were observed. Conclusion. Machine learning algorithms are actively used to diagnose socially significant diseases. the platforms being developed based on arrays of chemical sensors with data analysis using a neural network are promising candidates for implementation in screening activities | ||
| 336 | |a Текстовый файл | ||
| 461 | 1 | |t Сибирский онкологический журнал |c Томск |n НИИ онкологии РАМН | |
| 463 | 1 | |t Т. 23, № 6 |v С. 168-175 |d 2024 | |
| 610 | 1 | |a рак легкого | |
| 610 | 1 | |a сенсорный газоаналитический комплекс | |
| 610 | 1 | |a неинвазивная диагностика | |
| 610 | 1 | |a выдыхаемый воздух | |
| 610 | 1 | |a нейронные сети | |
| 610 | 1 | |a летучие органические соединения | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a труды учёных ТПУ | |
| 701 | 1 | |a Родионов |b Е. О. |g Евгений Олегович | |
| 701 | 1 | |a Кульбакин |b Д. Е. |g Денис Евгеньевич | |
| 701 | 1 | |a Подолько |b Д. В. |g Данил Владиславович | |
| 701 | 1 | |a Обходская |b Е. В. |g Елена Владимировна | |
| 701 | 1 | |a Обходский |b А. В. |c специалист в области атомной энергетики |c доцент Томского политехнического университета, кандидат технических наук |f 1982- |g Артем Викторович |9 12757 | |
| 701 | 1 | |a Миллер |b С. В. |g Сергей Викторович | |
| 701 | 1 | |a Мох |b А. А. |g Алёна Андреевна | |
| 701 | 1 | |a Сачков |b В. И. |c химик |c доцент Томского политехнического университета, кандидат химических наук |f 1978- |g Виктор Иванович |9 14892 | |
| 701 | 1 | |a Попов |b А. С. |c физик |c инженер-проектировщик Томского политехнического университета |f 1992- |g Александр Сергеевич |9 20057 | |
| 701 | 1 | |a Чернов |b В. И. |c специалист в области медицинских технологий |c ведущий инженер Томского политехнического университета, доктор медицинских наук |f 1962- |g Владимир Иванович |9 16941 | |
| 801 | 0 | |a RU |b 63413507 |c 20250819 |g RCR | |
| 856 | 4 | |u https://doi.org/10.21294/1814-4861-2024-23-6-168-175 |z https://doi.org/10.21294/1814-4861-2024-23-6-168-175 | |
| 942 | |c CF | ||