Tüdőrák szűrése kilélegzett levegőből

A Sensing and Bio-Sensing Research folyóirat augusztusi számában jelent meg a University of Texas at Dallas kutatóinak tanulmánya, amelyben egy olyan elektrokémiai elven működő bioszenzor-technológia kifejlesztéséről számoltak be, amely mesterséges intelligenciával (MI) kombinálva ígéretes lehetőséget kínál a tüdőrák korai felismerésére a kilélegzett levegő elemzése révén. Az eszköz nyolc illékony szerves vegyületet (VOC; volatile organic compounds) képes azonosítani, amelyek potenciális biomarkerek lehetnek a mellkasi daganatok – így a tüdő- és nyelőcsőrák – szűrésében. A mesterséges intelligencia ezután a vegyületek biokémiai jellemzőit elemzi, és összeveti azokat a különböző mellkasi malignitásokhoz kapcsolódó mintázatokkal.

A fejlesztés célja egy olyan szűrőeszköz létrehozása volt, amely lehetővé teszi a daganatos megbetegedések korai stádiumban történő felismerését, ezáltal javítva a betegellátás eredményességét. Az új technológia gyors, nem invazív és költséghatékony alternatívát kínálhat a légzésmintákon alapuló daganatszűrésre. A projekt a UT Dallas bioinformatikai és számítástechnikai kutatócsoportja, valamint a UT Southwestern Medical Center klinikai kutatói közötti együttműködés keretében valósult meg.

Az elektrokémiai eszközt 67 beteg légzésmintáján tesztelték, köztük 30 olyan páciensén, akiknél biopsziával igazolták a mellkasi daganat jelenlétét. A bioszenzor az esetek 90%-ában pontosan azonosította a VOC-okat, ami kiemelkedő diagnosztikai érzékenységre utal. A fejlesztés ötlete a COVID–19 világjárvány idején fogalmazódott meg, amikor jelentős érdeklődés mutatkozott a gyors, nem invazív szűrési technológiák iránt. A kilélegzett levegő elemzése különösen vonzó lehetőségnek bizonyult, mivel a légzés során távozó metabolitok a légzőrendszeren keresztül jutnak ki, és számos betegség korai indikátorai lehetnek.

A kilélegzett levegőben megjelenő metabolitváltozások már a betegség kezdeti szakaszában kimutathatók. Ez az újonnan formálódó tudományterület, az ún. „breathomika”, lehetőséget kínál arra, hogy az egészségügyi szolgáltatók a VOC-ok elemzésével diagnosztizálják a betegségeket és nyomon kövessék a kórállapotok alakulását. A mesterséges intelligencia kulcsszerepet játszik a UT Dallas kutatócsoportja által fejlesztett eszköz diagnosztikai képességeiben. A légzés során keletkező adatmennyiség rendkívül nagy, és annak értelmezése – azaz, hogy mely információk relevánsak és melyek nem – a gépi tanulási algoritmusok feladata. Ezért volt elengedhetetlen a számítástechnikai szakemberekkel való szoros együttműködés, és különösen fontos, hogy az MI integrációja technológiailag értelmes és célzott módon történjen.

Dr. Shalini Prasad, a tanulmány első szerzője a gépi tanulási modellek finomhangolása és validálása érdekében megkereste Dr. Ovidiu Daescut, a UT Texas számítástechnikai tanszékének vezetőjét, aki egyben a tanulmány társszerzője is lett. Daescu szerint a légzésprofilozó eszköz és a hozzá kapcsolódó gépi tanulási modell jelentős potenciállal bír a daganatok felismerésében, miközben hozzájárulhat az ellátási költségek csökkentéséhez, amennyiben a technológiát szélesebb körben tesztelik és validálják klinikai környezetben. A kutatócsoport a jövőben további klinikai validációra törekszik, és folytatja az eszköz fejlesztését. Prasad szerint a technológia idővel akár az alapellátásban is alkalmazhatóvá válhat. Így a jövőben a rutinszerű éves fizikális vizsgálat és vérvétel mellett légzésmintavétel is történhetne, amely alapján a háziorvos további vizsgálatokat vagy szakorvosi konzultációt javasolhatna, amennyiben a biomarkerek szintje emelkedett értéket mutat.

Írásunk az alábbi közlemények alapján készült:

Biosensor technology may lead to breath test for lung cancer

Electrochemical breath profiling for early thoracic malignancy screening

Irodalmi hivatkozás:

Anirban Paul et al, Electrochemical breath profiling for early thoracic malignancy screening, Sensing and Bio-Sensing Research (2025). DOI: 10.1016/j.sbsr.2025.100815