The application of blood serum ATR-FTIR spectroscopy for the identification of Colorectal cancer

Technische Samenvatting: Toepassing van Bloedserum ATR-FTIR Spectroscopie voor de Identificatie van Colorectale Kanker

Probleemstelling
Colorectale kanker (CRC) vormt een aanzienlijke wereldwijde uitdaging voor de volksgezondheid en staat gerangschikt als de derde meest voorkomende maligne tumor. Hoewel vroege detectie het vijfjaarige overlevingspercentage drastisch verbetert (bijna 90% in vroege stadia versus 13,1% in gevorderde stadia), vertonen huidige diagnostische modaliteiten beperkingen. Conventionele methoden zoals colonoscopie en beeldvorming (CT) zijn invasief, vereisen darmvoorbereiding of maken gebruik van ioniserende straling. Serummarkers zoals carcinoembryonaal antigeen (CEA) lijden aan een lage specificiteit, en fecale tests zijn primair screeningsinstrumenten die een vervolgcolonoscopie vereisen voor bevestiging. Er is een kritieke behoefte aan nieuwe, eenvoudige, objectieve en niet-invasieve diagnostische methodologieën om vroege screening te verbeteren en de mortaliteit door CRC te verminderen.

Methodologie
Deze studie maakte gebruik van Attenuated Total Reflection Fourier-Transform Infrared (ATR-FTIR) spectroscopie om het moleculaire "vingerafdruk" van menselijk bloedserum te analyseren, met als doel om CRC-patiënten te onderscheiden van gezonde individuen op basis van biochemische variaties.

• Monsterverzameling: De studie analyseerde serummonsters van 195 deelnemers: 97 patiënten gediagnosticeerd met colorectale kanker (gemiddelde leeftijd 65,43 jaar) en 98 gezonde controles (gemiddelde leeftijd 51,34 jaar). Patiënten werden bevestigd via chirurgie of biopsie, waarbij exclusiecriteria bestonden uit eerdere radiotherapie/chemotherapie en andere primaire maligniteiten.
• Spectrale Acquisitie: Aliquotten van 10 μL serum werden aan de lucht gedroogd op een bariumfluoride kristal. Spectra werden opgenomen met een Bruker IFS 66v spectrometer met een resolutie van 4 cm⁻¹, een imaging spotgrootte van 100 μm × 100 μm, en 128 cumulatieve scans.
• Data Preprocessing: Spectra werden verwerkt met OPUS-software, waarbij baseline-correctie (rubber band methode) en normalisatie (vector methode) plaatsvonden. Om spectrale banden te verbeteren en ruis te verminderen, werd de tweede afgeleide van de spectra berekend.
• Statistische en Machine Learning Analyse:
  • Principal Component Analysis (PCA): Een unsupervised learning techniek werd gebruikt om dimensionaliteit te reduceren en patronen in de spectrale data te identificeren, specifiek gericht op de bereiken 3500–3000 cm⁻¹ en 1600–1500 cm⁻¹.
  • Classificatiemodellen: Drie machine learning algoritmen werden getraind en gevalideerd om tussen de twee groepen te differentiëren: k-Nearest Neighbors (kNN), Gaussian Process Regression (GPR) en Support Vector Machine (SVM) met een lineaire kernel.
  • Validatie: De dataset werd gesplitst in een trainingsset (70 CRC, 70 gezond) en een validatieset (27 CRC, 28 gezond). Een vijf-voudige cross-validatie werd toegepast op de trainingsdata. Prestaties werden geëvalueerd met behulp van sensitiviteit, specificiteit, nauwkeurigheid en de Area Under the Curve (AUC) van de Receiver Operating Characteristic (ROC) analyse.

Belangrijkste Resultaten

• Spectrale Verschillen: Significante variaties werden waargenomen tussen CRC-patiënten en gezonde controles in specifieke golfgetalregio's.
  • 3500–3000 cm⁻¹: CRC-monsters vertoonden een verschuiving naar kortere golflengten en een afgenomen absorptie, wat wijst op veranderingen in O-H en N-H binding rek (geassocieerd met eiwitten en water).
  • 1600–1500 cm⁻¹ (Amide II) en 1700–1600 cm⁻¹ (Amide I): Een "blue shift" (hogere frequentie) en afgenomen absorptie werden genoteerd in CRC-patiënten, wat duidt op veranderingen in de secundaire eiwitstructuur en conformatie.
  • 2990–2950 cm⁻¹: Verminderde absorptie gaf een relatieve afname van lipidenconcentraties aan (antisymmetrische strekking van CH₂ en CH₃).
  • 1420–1380 cm⁻¹: Afgenomen absorptie werd potentieel gelinkt aan veranderingen in serum-pH of ionisatietoestanden.
• PCA Bevindingen: De PCA score plot (gevisualiseerd in de PC2-PC3 ruimte) segregeerde de twee groepen effectief, waarbij gezonde donoren clusterden in negatieve PC2/PC3 regio's en CRC-patiënten in positieve regio's. Dit bevestigde dat spectrale verschillen in eiwitconformatie en nucleïnezuren primaire discriminatoren zijn.
• Diagnostische Prestaties: Het Support Vector Machine (SVM) model demonstreerde de superieure diagnostische capaciteit onder de geteste algoritmen.
  • Sensitiviteit: 88,9%
  • Specificiteit: 92,9%
  • Nauwkeurigheid: 90,9%
  • AUC: 0,911
  • Ter vergelijking vertoonden kNN en GPR modellen iets lagere prestatie-indicatoren (Nauwkeurigheid van respectievelijk 85,5% en 87,3%).

Significantie en Claims
De auteurs claimen dat deze studie het potentieel aantoont van serumgebaseerde ATR-FTIR spectroscopie als een eenvoudige, minimaal invasieve en betrouwbare diagnostische tool voor colorectale kanker. Door specifieke spectrale biomarkers gerelateerd aan eiwitconformatie, nucleïnezuren en lipidengehalte te identificeren, biedt de methode een nieuwe benadering om CRC te onderscheiden van gezonde staten zonder de invasiviteit van een colonoscopie.

De studie benadrukt dat de integratie van ATR-FTIR met multivariate analyse (specifiek PCA en SVM) een theoretische basis biedt voor toekomstig uitgebreid onderzoek. De auteurs nemen echter een bescheiden standpunt in met betrekking tot de huidige reikwijdte, waarbij zij erkennen dat de bevindingen gebaseerd zijn op een specifieke cohort en dat de steekproefomvang beperkt is. Zij stellen dat hoewel de proof-of-concept veelbelovend is, toekomstig werk grotere cohorten, prospectieve klinische trials en diepere bio-informatica analyses moet omvatten om diagnostische signaturen te verfijnen en de bruikbaarheid van de technologie over verschillende pathologische stadia en verstorende factoren te valideren.