Abstract
Bakgrunn
Breath flyktige organiske forbindelser (VOC) har blitt rapportert som biomarkører for lungekreft, men det er ikke kjent om biomarkører er identifisert i en gruppe kan identifisere sykdom i en egen uavhengig kohort. Dessuten er det ikke kjent om å kombinere pusten biomarkører med brystet CT har potensial til å forbedre sensitivitet og spesifisitet for lungekreft screening.
Metoder
Modellbyggetrinn (blindet) product:: Breath VOC ble analysert med gasskromatografi massespektrometri i 82 asymptomatiske røykere som har screening brystet CT, 84 symptoma høyrisiko pasienter med en vev diagnose, 100 uten en vev diagnose, og 35 friske forsøkspersoner. Flere Monte Carlo-simuleringer identifisert pusten VOC masse ioner med større enn tilfeldig diagnostisk nøyaktighet for lungekreft, og disse ble kombinert i en multivariat prediktiv algoritme.
Model-testfasen (blindet validering)
: Vi analyserte pusten VOC i en uavhengig kohort av lignende temaer (n = 70, 51, 75 og 19 henholdsvis). Algoritmen spådd diskriminant funksjons (DF) verdier i blindet replikere pusten VOC prøvene analysert uavhengig ved to laboratorier (A og B).
Utfall modellering
. Vi modellert de forventede effektene av å kombinere pusten biomarkører med brystet CT på sensitivitet og spesifisitet for lungekreft screening
Resultater
blindet modell- bygge~~POS=TRUNC
. Algoritmen identifisert lungekreft med følsomhet 74,0%, spesifisitet 70,7% og C-statistikken 0.78.
Blindet modelltestfasen
: Algoritmen identifisert lungekreft ved Laboratory A med sensitivitet 68,0%, spesifisitet 68,4%, C-statistikken 0,71; og ved laboratorie B med følsomhet 70,1%, 68,0% spesifisitet, C-statistikken 0,70, med lineær korrelasjon mellom replikater (r = 0,88). I en anslått utfallet modell, pusten biomarkører økt følsomhet, spesifisitet og positiv og negativ prediktiv verdi av brystet CT for lungekreft når testene ble kombinert i serie eller parallell.
Konklusjoner
Breath VOC masse ion biomarkører identifisert lungekreft i en egen uavhengig kohort, i en blindet replikert studie. Kombinere pusten biomarkører med brystet CT kan potensielt øke sensitivitet og spesifisitet for lungekreft screening
Trial Registrering
ClinicalTrials.gov NCT00639067
Citation. Phillips M, Bauer TL, Cataneo RN, Lebauer C, Mundada M, Pass HI, et al. (2015) Blindet Validering av Breath Biomarkører for lungekreft, en potensiell Hjelpe til brystet CT Screening. PLoS ONE 10 (12): e0142484. doi: 10,1371 /journal.pone.0142484
Redaktør: Konstantinos Kostikas, University of Athens Medical School, SVEITS
mottatt: 6 juli 2015; Godkjent: 22 oktober 2015; Publisert: 23.12.2015
Copyright: © 2015 Phillips et al. Dette er en åpen tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatteren og kilden krediteres
Data Tilgjengelighet: All relevant data er innenfor papir- og saksdokumenter filer
Finansiering:. Michael Phillips er president og CEO i Menssana Research, Inc. Renee N. Cataneo og Mayur Mundada er ansatt av Menssana Research, Inc. prosjektet ble finansiert av NIH gi 9R44HL070411-04A1. ClinicalTrials.gov Identifier: NCT00639067. Finansieringen organisasjonen ikke spille en rolle i studiedesign, datainnsamling og analyse, beslutning om å publisere, eller utarbeidelse av manuskriptet, og bare gitt økonomisk støtte i form av forfatternes lønn og /eller forskningsmateriale. Den Funder gitt støtte i form av lønn for forfattere MP, RNC og MM, men ikke har noen ekstra rolle i studiedesign, datainnsamling og analyse, beslutning om å publisere, eller utarbeidelse av manuskriptet. De spesifikke roller disse forfatterne er formulert i § «forfatter bidrag». Ingen av de andre medforfatterne erklære noen konkurrerende kommersielle interesser
Konkurrerende interesser. Michael Phillips er president og CEO i Menssana Research, Inc. Renee N. Cataneo og Mayur Mundada ansatt Menssana Research, Inc.
Innledning
Den moderne tid med pusten testing demret i 1971, da Linus Pauling først rapportert at normal menneskelig ånde inneholder store mengder av flyktige organiske forbindelser (VOC) i lave konsentrasjoner [1]. Påfølgende forskere har forsøkt å ansette pusten VOC som sykdoms biomarkører med varierende grad av suksess. USA Food Drug Administration (FDA) har godkjent et lite antall promilletester for klinisk bruk (f.eks pust nitrogenoksid for luftveiene betennelse [2]), men FDA har ikke godkjent en pusteprøve for lungekreft. Til tross for 30 års forskning som resulterer i mer enn 300 relevante publikasjoner, har ingen enkelt pust VOC dukket opp som en klinisk nyttig biomarkør for lungekreft når benyttet alene. Men flere pusten VOC ser ut til å gi moderat nøyaktige biomarkører som potensielt kunne identifisere lungekreft hvis det kombineres med hverandre i en multifaktoriell algoritme [3].
I arbeidet med pusten biomarkører for lungekreft, har forskerne benyttet et bredt spekter forskjellige verktøy, inkludert VOC separasjonsmetoder [f.eks gasskromatografi massespektrometri (GC MS) [3-6], ikke-separative detektorer (f.eks elektroniske neser og chemosensors [7-9]), analyse av utgåtte pusten kondensat [10], måling av pust temperatur [11], og sniffer hunder [12]. Analyse av pusten VOC med analytiske instrumenter ansette to-dimensjonale GC har avdekket en kompleks matrise av ~ 2.000 forskjellige VOC i en enkelt prøve [13,14]. Den resulterende flom av informasjon er nødvendig bruk av data styringsverktøy for metabolomic analyse som opprinnelig ble utviklet for genomikk og proteomikk. Dette har vært ledsaget av en økt risiko for falsk oppdagelsen av biomarkører som kan oppstå når en multivariat modell over passer stort antall kandidat pusten VOC til et lite antall testpersoner, en fallgruve som har blitt kalt «voodoo sammenhenger», eller » ser ansikter i skyene «[15].
til tross for disse bekymringene, pusten biomarkører for lungekreft er foreslått som sikre og kostnadseffektive verktøy for å fastslå en persons risiko for lungekreft [16]. Det er et klinisk behov for en slik test fordi flere mennesker i USA dør av lungekreft enn fra en hvilken som helst annen type kreft [17]. Tidlig oppdagelse kan redde liv: National Lung Screening Trial fant at screening med lavdose brystet CT redusert dødelighet av lungekreft med 20% [18]. Imidlertid har relativt lav positiv prediktiv verdi (PPV) av brystet CT (2,4% til 5,2%) reist bekymringer som screening for lungekreft kan gi et overveldende antall testresultater [19-21] falske positive. Supplerende pusteprøve kan potensielt øke sensitivitet og spesifisitet for lungekreft screening og redusere antall falske positive og falske negative testresultater
Vi laget denne studien for å løse to hovedspørsmål:. For det første kan pusten biomarkører for lungekreft identifisert i en gruppe av fag forutsi sykdom hos en uavhengig kohort av pasienter med lignende demografiske trekk? For det andre gjør pusten biomarkører har potensial til å legge til diagnostisk verdi til lungekreft screening med brystet CT om de to testene er ansatt i kombinasjon?
Vi rapporterer her en blindet kopiert to-fase klinisk studie av pusten biomarkører av lunge kreft som er designet for å minimere mulige feilkilder (figur 1). I blindet modellbyggefasen, analyserte vi pusteprøver fra pasienter med lungekreft og fra kreftfrie kontroller med en svært følsom og selektiv GC MS analysen. En statistisk metode ansette flere Monte Carlo-simuleringer identifisert et sett av ikke-tilfeldige pusten biomarkører av lungekreft som da var ansatt i en multivariat prediktiv algoritme. I blindet modelltestfasen, testet vi algoritmen evne til å forutsi lungekreft i et annet sett av fag. Alle pusten analyser og lungekreft spådommer ble kopiert på to uavhengige analyselaboratorier. I tillegg anslås vi potensialet i pusten biomarkører for å bedre sensitivitet og spesifisitet for lungekreft screening med brystet CT når de to testene er ansatt i kombinasjon.
Metoder
Studiedesign
en oversikt over studiedesign er vist i figur 1. Puste testene ble utført i to faser av human forskning, og hvert individ ble undersøkt bare en gang. I blindet modellbygging fase av forskningen identifiserte vi pusten biomarkører av lungekreft og kombinert dem i en prediktiv algoritme. I blindet modelltestfasen, validert vi prediktiv algoritmen i en ny og uavhengig kohort av fag. I begge faser av studien ble fire grupper rekruttert fra polikliniske frivillige:
gruppe 1.
Asymptomatiske høyrisiko fag som omfatter tobakksrøykere i alderen 50 år og eldre under lav- dose computertomografi (bryst CT) screening for lungekreft product: [22].
Gruppe 2.
Symptomatisk høyrisiko individer uten en vev diagnose
. Disse fagene var gjennomgår medisinsk vurdering etter en lunge symptom f.eks kronisk uforklarlig hoste eller hemoptyse som kan eller ikke kan ha vært knyttet til en underliggende lungekreft. Forsøkspersonene ble overført til gruppe 3 dersom en vev diagnose senere ble tilgjengelig før analyse av data.
Gruppe 3.
Symptomatisk høyrisiko pasienter med en vev diagnose av kreft eller andre patologi
.
Gruppe 4.
Tilsynelatende friske
. Disse fagene var mannlige eller kvinnelige ikke-røykere med ingen tegn eller symptomer på lungekreft, i alderen 18 år og eldre.
Modellbyggefase –Unblinded
forsøkspersoner (tabell 1)
Patologiske diagnoser ansatt 2004 WHO klassifisering
Forsøkspersonene ble rekruttert ved fem medisinske sentre:. Christiana Care Health System, Newark, dE, New York Presbyterian /Columbia University Medical Center, New York, NY, New York University Langone Medical Center, New York, NY, MD Anderson Cancer Center, Orlando, FL, og svenske Cancer Institute, Seattle, WA. The Institutional Review Board på alle områder godkjent studien, og alle fag ga sin signert og vitne informert samtykke til å delta.
Individer med en tidligere dokumentert historie av kreft i noen anatomiske området ble ekskludert fra studien. Alle data ble anonymisert med et emne identifikasjonsnummer, slik at ingen av deltakerne kan bli identifisert ved navn. En uavhengig skjerm (Schiff Co, West Caldwell, NJ 07006) opprettholdt en klinisk database og sikres etterlevelse av regelverkskrav og Good Clinical Practice [23] på alle studiesteder
Samling av pust VOC prøvene
metoden er beskrevet [3,24]. Et motiv bærer en neseklype og puster normalt gjennom en engangsventilmunnstykke og bakteriefilter inn i BCA for 2,0 min. Alveolære pusten VOC er fanget på en sorbent felle som umiddelbart forseglet i en hermetisk beholder. Siden det er lite motstand mot utløpet (~ 6 cm vann), kan pusteprøver samles inn uten ubehag fra eldre pasienter og de med luftveissykdom. For å minimere risikoen for mulige språk avhengige konfunderende faktorer som miljøforurensning av romluft, fag i alle fire grupper donert pusteprøver i samme rom på hvert klinisk stedet. Prøver av pusten VOC og ambient room air VOC ble samlet inn fra alle fag for å kontrollere for mulige effekter av miljøgifter. Duplisere pusten VOC prøvene ble samlet inn fra alle fag, for replikere analysen på to uavhengige laboratorier (Menssana Research, Inc og amerikansk Westech, Inc., Harrisburg, PA). Prøvene ble lagret ved -15 ° C før analyse.
Analyse av pusten VOC prøvene.
Metoden er beskrevet [3,24]. Ved hjelp av automatisert instrumentering, ble VOC termisk desorbert fra adsorpsjonsmidlet felle, kryogenisk konsentrert og analysert ved gasskromatografi-massespektrometri (GC-MS). En kjent mengde av en intern standard (bromfluorbenzen) ble automatisk lastet på alle prøver for å normalisere overflod av VOC og for å lette innretting av kromatogrammer. En typisk total ion kromatogram av pust VOC er vist i figur 2, øvre panel. Masse ioner detektert i en typisk kromatograf topp er vist i figur 2, nedre panel.
Total ion kromatogram av puste VOC (øvre panel) [3, 24]. VOC er termisk desorberes fra adsorpsjonsmidlet felle, separert ved gasskromatografi, og injisert i en massefølsom detektor hvor de blir bombardert med energetiske elektroner i et vakuum og degradert til et sett av ioniske fragmenter, hver med sin egen masse /ladning (m /z) ratio. Denne figuren viser den totale ionestrøm som en funksjon av tid, som en serie av VOC gå inn i detektoren sekvensielt. Den totale ionestrøm fra en topp som inneholdt toluen blir merket, og massespektrum av de inngående masse ioner, er vist i det nedre panel. En typisk total ion kromatogram avledet fra et utvalg av menneskelige pusten VOC viser vanligvis ~ 150 til 200 separate topper. Massespektrum av ioner i en kromatograf topp (lavere panel). Massespektret av ioner avledet fra toluen (vist i det midtre panelet) omfatter et karakteristisk mønster av fragmenter. Tilsvarer dette mønsteret til en tilsvarende massespektrum i et PC-basert bibliotek muliggjør identifikasjon av den kjemiske struktur av kilden VOC. I komplekse blandinger som pust, er identifikasjon vanligvis foreløpig fordi biomarkører kan bli feilidentifisert hvis co avgi VOC forurense et massespektrum, og hvis den spektrale mønsteret stemmer inexactly med et bibliotek standard. Imidlertid kan enkelte masse ioner fra en VOC bli identifisert med tillit og gi robuste biomarkører selv når identiteten til den overordnede VOC biomarkør er usikkert.
Analyse av data.
GC MS data fra begge laboratorier ble samlet for analyse og utvikling av en enkelt logisk algoritme.
justering av individuelle ion massene i kromatogrammene.
kromatogrammer ble behandlet med metabolomic analyseprogramvare (Xcms i R [25, 26]) for å generere en tabell over oppholdstider med tilhørende ion massene og intensiteter. Retensjonstider og ionemasse intensiteter ble normalisert til den bromfluorbenzen (ion mass 95) indre standard i hvert kromatogram. Den justerte data ble deretter binned inn i en serie på 5 sek retensjonstid segmenter.
Identifikasjon av biomarkør masseioner.
statistiske metoder er tidligere blitt beskrevet [27, 14, 13]. Vi rangert masse ioner som kandidat biomarkører for lungekreft ved å sammenligne sine intensitetsverdier hos pasienter med lungekreft (Gruppe 3 lungekreft bekreftet av vev diagnose) versus kreftfrie kontroller (gruppe 1 med negativ brystet CT). I hver 5 sek tidssegment, ble den diagnostiske nøyaktigheten av hver masse ion rangeres i henhold til sin C-statistikken verdi [(areal under kurven (AUC) til mottakeren opererer karakteristikk (ROC) kurve]. Vi har anvendt flere Monte Carlo simuleringer i rekkefølge for å redusere risikoen av å inkludere tilfeldige identifikatorer på sykdom ved å velge masseioner i hvert tidssegment som er identifisert aktiv lungekreft med større enn tilfeldig nøyaktighet. den gjennomsnittlige tilfeldig opptreden av masseioner i hver gang segmentet ble bestemt ved tilfeldig å tilordne fag til « «lungekreft «eller» «kreft-frie» gruppe og utføre 40 estimater av C-statistikken. for enhver gitt verdi av den C-statistikken, var det så mulig å identifisere de ioniske biomarkører som viste større diagnostisk treffsikkerhet med riktig tilordning enn med flere tilfeldige oppdrag.
Utvikling av prediktiv algoritme.
biomarkør ioner som identifiserte lungekreft med større enn tilfeldig nøyaktighet ble brukt til å konstruere en prediktiv algoritme bruker multivariate vektet digital analyse (WDA) [ ,,,0],28]. Wda er et ikke-lineære multivariate analysen som genererer en diskriminant funksjon for å forutsi medlemskap i en gruppe (sykdom eller ingen sykdom) ved å bestemme vekten (C-statistikken fra hver prediktor variabel), en grenseverdi, og et tegn for hvert prediktor variable benyttes i modellen.
modell~~POS=TRUNC Testing Phase-Blindet
Blinding prosedyrer
den uavhengige monitor opprettholdt en database over alle kliniske og diagnostiske data, og denne informasjonen var ikke delt med noen av deltakerne i forskningen. Laboratories fikk ingen klinisk informasjon og bare gjenstand Organisasjonsnummer ledsaget sorbent feller sendt til analyse.
Menneskelige fag (tabell 1).
Et nytt sett med mennesker ble rekruttert på samme måte som beskrevet ovenfor i modellbyggefasen. Ingen temaer fra blindet fase ble inkludert i blindet fase av forskningen.
Samling av pust VOC prøver og analyse av pusten VOC prøvene ble utført på samme måte som beskrevet ovenfor i modellbyggefasen.
Tippe utfall.
den intelligente algoritme utviklet i blindet fase ble brukt til masse ioner i hver av de blindet pusten kromatogrammene for å generere en diskriminant funksjon (DF) verdi. Denne prosedyren ble gjenskapt i dupliserte pusteprøver som ble analysert ved to laboratorier. Ved avslutningen av studien, ble de resulterende DF verdier med tilhørende underlagt identifikasjonsnummer overføres til skjermen som deretter brøt blind og bestemt prediktiv nøyaktigheten av pusteprøve.
Planlagt Outcome Modeling
modellert de forventede virkninger av å kombinere puste biomarkører med bryst CT på sensitivitet og spesifisitet av lungekreft screening ved bruk av en matematisk modell for å estimere resultatet av å kombinere to forskjellige tester for en sykdom i serie og i parallell [29]. Modellen benyttes verdier for sensitivitet og spesifisitet av pusteprøve bestemt i blindet modelltestfasen, og verdiene rapportert i National Lung Screening Trial for utbredelsen lungekreft (1,1%) og screening brystet CT (følsomhet 93,8%, spesifisitet 73,4% ) [18].
Resultater
mennesker.
det var ingen bivirkninger forbundet med promillekontroller i enten fase av studien.
Model -Bygg fase
Monte Carlo statistisk analyse av masseioner (figur 3, topp panel). Mer enn 70.000 masseioner ble observert i alle de kromatografiske tidssegmenter. Men færre enn 1.000 masseioner utstilt nyttig diagnostisk nøyaktighet (C-statistikken 0,6). Med riktig oppgave i forhold til flere tilfeldige oppdrag
Monte Carlo statistisk analyse av masseioner (topplaten) En liste over mer enn 70000 søkermasse ion biomarkører av lungekreft ble hentet fra en serie på 5 sek segmenter i justert kromatogrammene. Den diagnostiske nøyaktigheten til hver masseion ble kvantifisert ved sin C-statistikken dvs. ved arealet under kurven (AUC) av den tilhørende mottaker som opererer karakteristikk (ROC) kurve ( «riktig funksjon» kurve). For å utelukke falske biomarkører, den » tilfeldig oppdrag «kurve ansatt flere Monte Carlo-simuleringer som omfatter 40 tilfeldige oppdrag av diagnose (» kreft «eller» kreft-free «) for å bestemme talet hver kandidat masse ion. Cut-off punkt i «riktig tilordning» kurven ble tatt som den vertikale skjærings av det punkt hvor antall masse ioner i » tilfeldig tildeling «kurve falt til null (ved C-statistikken = 0,63). På dette punktet, den vertikale avstanden mellom de to kurvene indikerte at 544 masseioner identifisert lungekreft med større enn tilfeldig nøyaktighet, og avstanden mellom kurvene overskredet 5 sigma. Lineær clustering av masse ion biomarkører (midtre panelet). Denne figuren viser vertikal og horisontal lineær gruppering i en gruppe av masse ion biomarkører for lungekreft med retensjonstider på mellom 1500 og 2500 sek. Disse masse ioner ble identifisert ved Monte Carlo statistisk analyse (øvre panel) som har C-statistikk verdier som var større enn tilfeldig. M /z er masse dividert med ladning antall av et ion, og det retensjonstid indikerer når en VOC eluert fra GC-kolonnen og inn i MS-detektor, hvor den ble bombardert med elektroner og omdannet til masse ion fragmenter. Vertikale lineære klynger indikere masseioner med liknende retensjonstider. Disse grupper er i samsvar med en eller flere av pusten VOC går inn i MS-detektoren samtidig, før sammenbrudd til masse ioner. Denne observasjonen tyder på at en relativt lite antall foreldre pusten VOC kan forklare flere av masse ion biomarkører for lungekreft. Horisontale lineære klynger med m /z-verdier på 43 og 57 er i overensstemmelse med nedbrytningsprodukter av alkaner og metylerte alkaner. Mottaker opererer karakteristikk (ROC) kurve (nederst panel). AUC for en ROC-kurve (eller dets C-statistikken) indikerer den totale nøyaktigheten av en test, og kan variere fra 0,5 (en rett linje fra nede til venstre til oppe til høyre i diagrammet) til 1,0 (en rett vinkel med sin spiss i øverst til venstre i diagrammet). En C-statistikk på 0,5 indikerer at teste ytelsen var ikke bedre enn tilfeldig f.eks bla en mynt, mens en C-statistikk på 1,0 indikerer en perfekt test med 100% sensitivitet og spesifisitet. I klinisk praksis er en C-statistikk på 0,78 generelt ansett som klinisk nytte.
Lineær clustering av masse ion biomarkører av lungekreft (figur 3, midt panel). viser vertikal og horisontal lineær gruppering i en gruppe av masse ion biomarkører for lungekreft med retensjonstider på mellom 1500 og 2500 sek.
vertikale lineære klynger
indikerer masse ioner med tilsvarende oppholdstider, i samsvar med en eller flere av pusten VOC går inn i MS-detektoren samtidig, før sammenbrudd til masse ioner, noe som tyder på at et forholdsvis lite antall av basispuste VOC kan utgjøre flere av masse ion biomarkører.
Horisontal lineære klynger
med liknende m /z-verdier (43 og 57) er i samsvar med nedbrytingsprodukter av alkaner og denaturert alkaner.
ROC kurve (figur 3, nedre panel). De 500 masse ion biomarkører for lungekreft med høyest C-statistiske verdier ble ansatt i en multivariat WDA algoritme som ble brukt på alle kromatogrammene analysert ved to laboratorier. ROC kurve angitt følsomhet 74,0%, spesifisitet 70,7%, og C-statistikken 0.78.
Model-testfasen
Den inter-laboratoriet samsvar med foreslåtte diskriminantfunksjoner i blindet prøvene er vist i fig 4, topp panel. Det var en lineær sammenheng mellom DF verdier avledet fra analyserte prøvene ved de to laboratoriene (r = 0,88).
Inter-laboratorium samstemmighet av diskriminantfunksjoner (DF) i replikere prøver (øverste panel). DF verdier av kromatogrammene ble analysert ved laboratorie A ble plottet som en funksjon av den DF verdien av den dupliserte prøven analysert ved laboratorie B. Det var et lineært forhold mellom de to sett av DF-verdier (r = 0,88, 95% konfidensintervall vist). Forut sensitivitet og spesifisitet hos pasienter med biopsi-påvist lungekreft og brystet CT negative for lungekreft (midtre panelet). DF verdi avledet fra prediktiv algoritmen gir en variabel cutoff poeng for pusteprøve. Testresultater større enn en DF verdi ble scoret som positive for lungekreft, mens de mindre enn DF ble scoret som negative. Når DF = 0, har testen 100% sensitivitet fordi alle resultater er merket som positivt for lungekreft, men null spesifisitet fordi ingen resultater er scoret som negative. Summen av sensitivitet i tillegg til spesifisiteten er maksimal ved det punkt hvor de to kurver skjærer hverandre, og ble derfor valgt som den optimale grenseverdi DF for en binær test (dvs. kreft versus ikke kreft). I denne grafen (resultater fra Laboratorium A), kurvene krysses ved DF = 22, med følsomhet 68,0% og 68,4% spesifisitet. ROC-kurver (nedre panel). ROC-kurver av de forut resultatene av pustetest er vist for prøvene analysert ved laboratorier A og B. Den totale nøyaktighet (C-statistikken) av lungekreft forutsigelser er lik på begge sider.
sensitivitet og spesifisitet versus diskriminant funksjon.
figur 4, midtre panelet viser spådd utfallet hos pasienter med biopsi-påvist lungekreft og brystet CT negative for lungekreft. Sensitivitet og spesifisitet kurvene krysses på DF = 22, med følsomhet 68,0% og spesifisitet på 68,4%.
ROC-kurver (figur 4, nedre panel). DF verdier avledet fra analyse av pusten VOC prøver ved to uavhengige laboratorier spådd lungekreft med lik nøyaktighet: Side En sensitivitets 68,0% spesifisitet 68,4%, C-statistikken 0,73; Site B følsomhet 70,1%, spesifisitet 68,0%, C-statistikken 0.70.
Effekt av alder og tobakksrøyking.
Det var ingen signifikante forskjeller i alder eller pakke-år med tobakksrøyking mellom kreft gruppe lunge og kreftfrie kontroller (tabell 1).
planlagte Outcomes
figur 5 viser de forventede resultatene av å kombinere pustetest og brystet CT i serie og i parallell [29] .
Disse spådommene ansette verdiene rapportert i National Lung screening Trial for utbredelsen lungekreft (1,1%) og screening brystet CT (følsomhet 93,8%, spesifisitet 73,4%) [18]. Effekt av å kombinere to tester (øverst til venstre panel). TP = true positive, FN = falske negative, TN = true negativer, FP = falske positiver. Ligningene demonstrere virkningen på sensitivitet og spesifisitet når to prøver A og B er kombinert. Dersom den diagnostiske kriterier er et positivt testresultat for både test A og prøve B, og følsomheten avtar og spesifisitet øker, sammenlignet med hver test anvendes alene. Dersom den diagnostiske kriterier er et positivt testresultat for hver test A eller test B, og følsomheten øker og spesifisitet reduseres, sammenlignet med hver test anvendes alene. Figuren viser det forventede utfallet av lungekreft screening i en million høyrisiko mennesker (røykere eller tidligere røykere i alderen 50 yr eller eldre). Den viktigste begrensende faktor i screeningprogrammer er det potensielt overveldende antall falske positive testresultater. Screening én million mennesker med brystet CT alene ville føre 263,074 falske positive testresultater, men hvis brystet CT og pust testing er begge positive, ville økt spesifisitet redusere dette tallet til 88 919, dvs. med 66,2%. Hvis bare en av testene er positiv, da den økede følsomhet vil redusere antallet av falske-negative fra 682 til 198, dvs. med 71,0%. Effekt av parallell og serie testing på sensitivitet og spesifisitet (panel øverst til høyre). Denne figuren viser den ventede forbedring i sensitivitet og spesifisitet av brystet CT for lungekreft hvis det er kombinert i parallell med en pust testing. Hvis begge testene er positive for lungekreft, og spesifisitet øker fra 73,4% til 91,49%. Dersom en av testen er positiv, da følsomheten øker fra 93,8% til 98,15%. Dersom de to testene anvendes i serie, og pusten testen er negativ, kan det være behov for å gå videre til brystet CT fordi 98,15% følsomhet er større enn følsomheten av hver test anvendes alene. Positiv prediktiv verdi (PPV) av brystet CT kombinert med pusten testing (nederst til venstre panel). Dette tallet viser forventet bedring i PPV av brystet CT for lungekreft hvis kombinert parallelt med en pusteprøve. Ansatt alene, PPV av brystet CT er 3,77%. Hvis alkotester anvendes parallelt med bryst CT og begge testene er positive, så PPV øker til 7,91%, dvs. den øker med en faktor på 2,1. Forbedringen skyldes høyere spesifisitet av den kombinerte testen og påfølgende reduksjon i falske positive resultater. Den PPV av en test avhenger av utbredelsen (forrige) av en sykdom, og er beregnet som PPV = (sen X forrige) /[(SEN X prev + (1-spec) X (1-prev)]. PPV av brystet CT for lungekreft er 3,77% [dvs. 0,938 X 011 /(0,938 X.011 + (1-0.734 X (1-0.011)) = 0,0377]. Negativ prediktiv verdi (NPV) av brystet CT kombinert med promillekontroller (nederst høyre panel). Når de to testene anvendes i serie, hersker en negativ pust testresultat ut lungekreft med NPV 99,6%, som er større enn den NPV av enten test anvendes alene. til tross for den økede følsomhet av det kombinerte test, kun beskjeden økning i NPV er mulig fordi pre-test NPV basert på forekomsten av lungekreft er 98,9%.
Hvis testresultatene er konkordant (dvs. begge er negative eller begge er positive) så spesifisiteten av de kombinerte tester, sammenlignet med den i brystet CT alene, ville øke fra 73,4% til 91,01%, og det PPV ville øke fra 3,77% til 7,91%. Dersom testresultatene er diskordant (dvs. en er negativ og den annen er positiv ), da følsomheten av de kombinerte tester, sammenlignet med bryst CT alene, ville øke fra 93,8% til 98,2%, og den NPV ville øke fra 99,52% til 99,6%. I det projiserte utfallet av screening en million mennesker, ville økt følsomhet og spesifisitet forventes å redusere falske positive rate på brystet CT med 66,2% og falske negative renten med 71,0%.
Diskusjoner
Ionic biomarkører i pusten spådd nærvær eller fravær av lungekreft i en blindet valideringsstudie. En multivariat algoritme spådde diagnose fra replikere pusteprøver uavhengig analysert ved to laboratorier, og sensitivitet, spesifisitet, og generelle nøyaktigheten av testen var lik på begge sider. Resultatet av testen ble ikke signifikant påvirket av alder eller pakke-år med tobakksrøyking.
Dette er den første rapporten om validering av pusten biomarkører av lungekreft i en blindet replikert studie. Den tidligste bevis for pusten VOC biomarkører av lungekreft ble rapportert av Gordon et al i 1985 [4], etterfulgt av Preti et al i 1988 [6], og av flere andre rapporter fra vår gruppe og fra andre forskere. Disse studiene generelt fulgt en lignende tilnærming til biomarkører ved å analysere pusten VOC hos pasienter med histologisk utprøvd lungekreft og i kreftfrie kontroller, og deretter sammenlikne de to gruppene for statistisk signifikante forskjeller. En rekke av disse studiene hevdet at pusten VOC identifisert lungekreft med sensitivitet og spesifisitet verdier tilnærmet lik de som ble observert i denne rapporten, med ROC-kurven AUC-verdier på 0,7 til 0,9. Men alle var utsatt for falske positive identifikasjoner av biomarkører for lungekreft, og ingen av de kandidat biomarkører ble deretter validert i et separat sett av pasienter.
