Giessener Elektronische Bibliothek

GEB - Giessener Elektronische Bibliothek

Explorative Analyse der Aeonose® bei Patienten mit interstitiellen Lungenerkrankungen oder Bronchialkarzinom

Haberer, Jana Sophie


Zum Volltext im pdf-Format: Dokument 1.pdf (9.115 KB)


Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:hebis:26-opus-154313
URL: http://geb.uni-giessen.de/geb/volltexte/2020/15431/


Freie Schlagwörter (Deutsch): IPF , Bronchialkarzinom , VOC , eNose
Universität Justus-Liebig-Universität Gießen
Institut: Zentrum für Innere Medizin, Medizinische Klinik II
Fachgebiet: Medizin
DDC-Sachgruppe: Medizin
Dokumentart: Dissertation
Sprache: Deutsch
Tag der mündlichen Prüfung: 27.08.2020
Erstellungsjahr: 2019
Publikationsdatum: 07.09.2020
Kurzfassung auf Deutsch: Die idiopathische pulmonale Fibrose (IPF) ist eine schwere chronisch progrediente Lungenerkrankung mit einer mittleren Überlebenszeit von 3 bis 5 Jahren ab dem Zeitpunkt der Erstdiagnose. Das Bronchialkarzinom gehört zu den häufigsten malignomassoziierten Todesursachen weltweit sowohl bei Frauen als auch bei Männern. Beide Erkrankungen haben gemeinsam, dass eine frühestmögliche Diagnosestellung die Prognose deutlich positiv beeinflussen kann, jedoch häufig die Diagnosestellung erst spät erfolgt, da es bisher keine zuverlässigen Screening-Möglichkeiten gibt.
In dieser Arbeit kam die Technologie der elektronischen Nase zur Anwendung, ein sich in den letzten Jahrzehnten rasch entwickelndes Feld der nicht-invasiven Diagnostik. Ziel der Arbeit war es im Rahmen einer Studie mit dem Gerät Aeonose® 174 Patienten mit interstitieller Lungenerkrankung und 120 Patienten mit einem Bronchialkarzinom sowie 33 Gesunden und 23 COPD-Patienten zu untersuchen und herauszuarbeiten, ob die Aeonose® in der Lage ist, die erkrankten Patienten mit hoher Spezifität und Sensitivität von gesunden Kontrollpersonen zu unterscheiden. Zudem wurde gefragt, ob die Aeonose® darüber hinaus die Erkrankungen in Querschnittsanalysen voneinander unterscheiden kann.
Der in dieser Studie entwickelte Algorithmus zur Differenzierung von Bronchialkarzinom-Patienten bzw. Patienten mit interstitiellen Lungenerkrankungen von der Kontrollgruppe erbrachte Ergebnisse mit guter Sensitivität und Spezifität bei einem Fall-Kontroll-Ansatz. Jedoch scheiterte die Aeonose® größtenteils bei der sicheren Identifizierung der COPD-Kohorte und der Bronchialkarzinom-Kohorten in partieller oder kompletter Remission als Karzinom-frei im Blindversuch. Unsere Daten legen nahe, dass – basierend auf der Vorgehensweise immer nur zwei Konditionen in der Trainingsphase miteinander zu vergleichen – relevante VOC-Signale, die von Komorbiditäten wie der COPD herrührten, fälschlicherweise zur Unterscheidung von gesunden und kranken Personen geführt haben. Trotz dieser etwas unzufriedenstellenden Ergebnisse ist weiterhin davon auszugehen, dass VOC-Signaturen, wenn sie adäquat gebündelt und dem vorliegenden pulmonalen Phänotyp zugeordnet wären, für die rasche und frühe Erkennung von Bronchialkarzinomen und interstitiellen Lungenerkrankungen genutzt werden und Screeningprogramme für Bronchialkarzinome, die auf low dose CT basieren, vervollständigen könnten. Studien mit einem weitaus größeren Datensatz an Patienten, welche auf Analysen durch künstliche Intelligenzen oder Hauptkomponentenanalysen (principle compound analysis) basieren, könnten weitaus besser in der Lage sein diese Geräte zu trainieren und schlussendlich die sichere Differenzierung innerhalb der interstitiellen Lungenerkrankungen sowie von Malignomen und Nicht-Malignomen ermöglichen.
Kurzfassung auf Englisch: The idiopathic pulmonary fibrosis (IPF) is a progressive lung disease with a poor mean survival rate of about 3 - 5 years after definite diagnosis. Lung cancer accounts for more deaths than any other cancer in both men and women. Both diseases, IPF and lung cancer, have in common that an early diagnosis can have massive positive impact on the prognosis. Nevertheless, the definite diagnoses in most cases are delayed to a late stage of the disease, as there are no uncomplicated valid screening programs yet.
This study investigates the electronic nose technology, which has been of great scientific interest over the last few years and is a rapidly emerging field of medical diagnostics. In this study, we used a device called Aeonose® by the dutch company The eNose company.
174 patients with ILD and 91 lung cancer patients were measured by Aeonose®. Aim of this study was to investigate whether the Aeonose® is able to distinguish the diseased patients from healthy controls with a high sensitivity and specifcity and furthermore to study if the Aeonose® could distinguish the diseases in cross-sectional analyses.
The algorithm developed in this study to separate LC from controls using the Aeonose® resulted in good sensitivity and specificity in separating these two conditions in a case-control approach, but largely failed to safely identify cohorts of COPD and LC in partial or complete remission as being cancer-free in a blinded approach. The Aeonose® also showed potential in distinguishing ILD from HC in direct comparison. Our data suggest that - based on the herein applied approach of dichotomous comparison of conditions for training - relevant VOC signals originating from comorbidities such as COPD may have erroneously led to separation between LC or ILD and healthy control. Notwithstanding these somewhat disappointing results, we nevertheless believe that VOC signatures, once being adequately clustered and annotated to the underlying pulmonary phenotype, may be used for rapid and safe detection of lung cancer and ILDs and to accomplish lung cancer screening programs based on low dose CT. We suggest that artificial intelligence or principle compound analysis - based studies of a much broader data set of patients with interstitial lung diseases may be much better suitable to train these devices and ultimately to allow safe differentiation within ILDs as well as cancer and non cancer.
Lizenz: Veröffentlichungsvertrag für Publikationen ohne Print on Demand