Jakarta, tvrijakartanews - Para peneliti mengembangkan perangkat elektrokimia genggam yang berisi delapan sensor, masing-masing dilapisi dengan cairan ionik suhu kamar yang dipilih untuk mendeteksi senyawa organik volatil spesifik yang terkait dengan kanker paru-paru.

Tim mengumpulkan sampel napas dari 67 peserta (30 dengan keganasan intrathoracic yang dikonfirmasi biopsi dan 37 kontrol sehat) di Pusat Medis UT Southwestern segera sebelum prosedur diagnostik. Pasien menghembuskan napas ke dalam kantong Tedlar tiga liter, dan peneliti menganalisis sekitar 0,5 liter di tempat dengan perangkat prototipe dan 0,5 liter lainnya menggunakan kromatografi gas desorpsi termal-spektrometri massa untuk validasi. Perangkat ini menggunakan kronoamperometri untuk mengukur arus difusi ketika senyawa napas berinteraksi dengan cairan ionik, dengan pengukuran mengalokasikan jendela enam detik per senyawa. Para peneliti menerapkan koreksi matematis untuk variasi suhu dan kelembaban, kemudian menggunakan pengukuran ini untuk melatih model jaringan saraf menggunakan validasi silang lima kali lipat.

"Kanker paru-paru tetap menjadi penyebab utama kematian akibat kanker secara global dan memengaruhi jutaan kehidupan di seluruh dunia. Deteksi dini kanker paru-paru secara signifikan meningkatkan tingkat kelangsungan hidup,” tulis para peneliti dalam studi mereka yang diterbitkan dalam Sensing and Bio-Sensing Research seperti dilansir dari Study Finds.

Dalam studi bukti konsep 67 orang ini, perangkat elektrokimia saja mencapai akurasi 85,71% (±4,60%) dalam membedakan pasien kanker dari kontrol yang sehat, dengan lima positif sejati, dua positif palsu, dan tujuh negatif sejati dalam set tes. Ketika menggabungkan data elektrokimia dan kromatografi gas-spektrometri massa dalam analisis, akurasi meningkat menjadi 92,86% (±7,14%), dengan lima positif sejati, satu positif palsu, dan delapan negatif sejati. Jaringan saraf menunjukkan kinerja terbaik di antara enam model pembelajaran mesin yang dievaluasi (termasuk mesin vektor pendukung, XGBoost, jaringan saraf konvolusional, transformator, dan metode ansambel).

Analisis pembelajaran mendalam bukti mengungkapkan 21,43% ketidakpastian dalam prediksi, yang berarti model menunjukkan setidaknya 78,57% kepercayaan dalam klasifikasinya. Studi karakterisasi sensor menunjukkan pengulangan yang baik antara perangkat dan di dalam perangkat di berbagai tingkat konsentrasi senyawa target. Perangkat ini berhasil mendeteksi delapan senyawa organik yang mudah menguap (pentana, heptana, isoprena, metil pentana, oktan, dekana, benzena, dan toluena) dengan batas deteksi antara 10-120 bagian per miliar tergantung pada senyawanya.

Keterbatasan utama penelitian ini adalah ukuran sampelnya yang kecil dari total 67 peserta, dengan hanya 30 kasus kanker yang dikonfirmasi. Populasi yang terbatas ini membuat sulit untuk menggeneralisasi hasil ke kelompok pasien yang lebih luas dan meningkatkan risiko bahwa model pembelajaran mesin mungkin tidak berkinerja baik pada pasien di masa depan.

Para peneliti tidak menguji perangkat pada pasien dengan kondisi pernapasan lain yang mungkin menghasilkan profil napas yang serupa, menimbulkan pertanyaan tentang spesifisitas dan meninggalkan tingkat positif palsu dalam pengaturan klinis dunia nyata yang tidak diketahui. Dua senyawa target (oktana dan metil-pentana) disimpulkan secara analitis daripada divalidasi secara langsung karena kesulitan mendapatkan sampel yang cukup murni untuk pengujian. Populasi penelitian berasal dari satu pusat medis, berpotensi membatasi keragaman geografis dan demografis. Perangkat ini belum diuji di bawah berbagai kondisi lingkungan dunia nyata di luar pengaturan klinis yang terkontrol. Penelitian ini mewakili bukti konsep daripada alat diagnostik klinis yang divalidasi, dan kinerja jaringan saraf dapat berubah dengan kumpulan data yang lebih besar. Persamaan koreksi untuk suhu dan kelembaban berasal dari eksperimen laboratorium dan mungkin tidak berlaku di bawah kondisi lingkungan yang ekstrem.

Penelitian ini dilakukan di bawah dua protokol Lembaga Peninjau Institusional: IRB 23-362 di UT Southwestern Medical Center untuk 30 pasien positif biopsi, dan IRB 21-442 di UT Dallas untuk 37 peserta kontrol. Bagian ucapan terima kasih Dr. Ivneet Banga untuk bantuan dengan pengumpulan sampel napas pasien, operasi perangkat, persetujuan IRB, dan pengumpulan data. Para penulis juga mengakui Ms. Maddison Mills untuk pengumpulan sampel klinis dan pengujian di tempat, dan John Machado untuk kontribusinya pada visual pembelajaran mesin, pengembangan cloud, dan akumulasi data.