A cikk egy olyan megoldást mutat be, amely lehetővé teszi a gépi tanulási modellek számára, hogy különböző infravörös spektroszkópiás készülékek adataival is megbízhatóan működjenek. Ez különösen fontos, mivel a véralapú infravörös mérés egyre elterjedtebb, non-invazív (azaz tű és vágás nélküli) diagnosztikai módszer, amely számos betegséget képes korán felismerni. A gyakorlatban azonban nagy kihívás, hogy ugyanaz a modell sokszor csak azon a készüléken mért adatokkal működik jól, amin betanították – egy másik eszköz mérési adataira alkalmazva jelentősen csökkenhet a pontossága. A kutatócsoport egy új adat-előkészítési megoldást dolgozott ki, amely szimulálja a különböző eszközök által okozott eltéréseket. Így a modell a tanulás során „megtanulja”, hogyan kezelje ezeket a különbségeket, és nem ragaszkodik kizárólag egy adott készülék sajátosságaihoz. Ez az egyszerű, de hatékony módszer jelentősen javítja a modellek alkalmazhatóságát különböző laboratóriumok között. A publikáció mérföldkő is egyben: ez az első tudományos cikk, amely a Health for Hungary – Hungary for Health Program (H4H) keretében gyűjtött vérminták infravörös mérési eredményein alapul.

Az emberi testfolyadékok az egészségi állapot kórjelzői lehetnek, ezért a molekuláris profilozási technikák előrehaladása hatalmas potenciállal bírhat a klinikai diagnosztika fejlődésében. Az in vitro diagnosztika területén vizsgáltuk a lézer alapú, elektromos mezőfelbontású molekuláris ujjlenyomatvételben rejlő lehetőségeket, kihasználva annak legújabb fejlesztéseit. Egy 2533 fős proof-of concept (PoC) klinikai vizsgálatban végeztünk randomizált méréssorozatot, hogy tüdő-, prosztata-, emlő- és hólyagrákban spektroszkópiás profilt vegyünk fel a vénás vérplazmáról. Gépi tanulást alkalmazva ismertük fel azokat az infravörös mintázatokat, amik a kezelés előtti daganatos állapotokra jellemzők. Ez tüdőrák esetében 0,88-as keresztvalidált ROC-AUC (görbe alatti terület) értékkel különítette el a betegeket a kontrolloktól, a másik három daganatos betegség esetében pedig 0,68 és 0,69 közötti érték jellemezte a elkülönítést. Egy független, a tanítási folyamatban nem használt tesztadathalmazon, amely eltérő kísérleti körülményeket tükrözött, a tüdőrák felismerése 0,81-es ROC AUC értéket eredményezett. Tanulmányunk azt mutatja, hogy az elektromos mezőfelbontású molekuláris ujjlenyomat egy olyan technológiai keretrendszer, amely széles körben alkalmazható lehet a betegségek jellemzésére valós körülmények között.

A kutatás középpontjában egy zajszűrő autoencoder áll, mely tulajdonképpen egy neurális hálózat, amit arra terveztek, hogy komplex adatokból értelmes mintázatokat vonjon ki. Az FTIR (Fourier-transzformációs infravörös) spektroszkópiára alkalmazva a modell egy egyedi veszteségfüggvényt és egy szűk keresztmetszetű architektúrát alkalmaz, hogy a zajt kiszűrje, és megőrizze a kritikus molekuláris információt. Ennek köszönhetően a tüdőrák felismerési pontossága 2,6 százalékpontos javulást mutatott egy eset-kontroll tanulmányban. A jobb teljesítményen túl a felismert látens tér rávilágít a betegségek jelenlétéhez kapcsolódó spektrális jellemzőkre, mindezzel utat nyitva a jelenleginél mélyebb és értelmezőbb diagnosztikai eszközök felé. Ez az első olyan tanulmány, amely az attoworld keretében gyűjtött vérminták elemzésekor modern MI technikát alkalmaz az infravörös molekuláris ujjlenyomat-vizsgálat területén.

Nyolc évvel ezelőtt a Broadband Infrared Diagnostics (BIRD) kutatócsoport és az Attoworld Lasers4Life klinikai vizsgálati csoportja közös kutatást indított Prof. Dr. Jürgen Behrrel és a müncheni Asklepios Lungenklinik Gauting, valamint a müncheni LMU Egyetemi Kórház V. Orvosi Osztályával .. A kutatás célja a tüdődaganatok vérben hagyott kémiai lábnyomainak, és az azokon beálló változásoknak a vizsgálata volt. A résztvevő alanyokat a tüdőrák diagnosztizálásától kezdve a kezelésük teljes terjedelme alatt nyomon követték. Mivel ezt a daganatos betegséget egyelőre csak előrehaladott stádiumban tudjuk diagnosztizálni, nagy szükség lenne olyan minimálisan invazív diagnosztikai tesztekre, melyekkel lehetővé válna a korai felismerés. A tanulmányban a BIRD kutatócsoport a Fourier-transzformációs infravörös (FTIR) spektroszkópiát molekuláris ujjlenyomat-vizsgálati technikaként alkalmazta 160 tüdőrákos beteg vérmintájának jellemzésére. A molekuláris ujjlenyomatokat a CMF Data Science csapata elemezte, a betegek túlélésének értékelésére statisztikai és gépi tanulási módszereket alkalmazva. Eredményeik azt mutatják, hogy az infravörös ujjlenyomatok, hasonlóan a hagyományos stádium-beosztáshoz és tumormarker vizsgálatokhoz, korrelációt mutattak a túléléssel. Ennek kiegészítéseként, egy nagyobb, 501 személyt vizsgáló eset-kontroll összehasonlítás is történt, mely összefüggést mutatott az infravörös ujjlenyomat és a betegség progressziója között.

A szabályozott optikai hullámformájú lézerimpulzusok előállítása és mérése mind az időtartománybeli, mind a frekvenciatartománybeli precíziós méréstechnika középpontjában áll. Itt 16-femtoszekundumos közeli infravörös impulzusok által vezérelt intraimpulzus-különbségfrekvenciás generálással (IPDFG) közép-infravörös hullámokat állítunk elő, és elektro-optikai mintavételezéssel (EOS) jellemezzük e hullámok szubciklus-frakcióinak a kapuimpulzusokhoz viszonyított időbeli eltérését. Az egyes nullpont-átmeneteknél szub-attoszekundumos időbeli pontosságot és a 10 kHz-0,625 MHz-es sávban 0,1% alatti relatív amplitúdó-ingadozást mutatunk be. A közel oktávnyi közép-infravörös impulzusok frekvenciamodulálása (csörpölése) hullámhosszfüggő attoszekundumos nagyságrendű hullámforma-eltérés kimutatását teszi lehetővé. Tanulmányunk igazolja az EOS-t (electro-optic sampling – elektro-optikai mintavételezés) mint az optikai hullámformák mozgásdinamikájának szélessávú (mind a rádiófrekvenciás, mind az optikai tartományban), rendkívül érzékeny mérési technikáját. Ez az érzékenység az IPDFG és az EOS segítségével kapott hullámformák kiemelkedő stabilitását mutatja, ami közvetlenül előnyös a precíziós mérések számára, beleértve a lineáris és nemlineáris (infravörös) térfelbontású spektroszkópiát. Ezen túlmenően ezek az eredmények képezik az EOS-alapú aktív hullámforma-stabilizáció és a szub-attoszekundumos több oszcillátoros szinkronizáció/késleltetés követés alapját.