Onderzoekers van een Brits technologiebedrijf hebben laten zien dat zij met behulp van een diep neuraal netwerk onderscheid kunnen maken tussen mensen die wel of geen astma hebben. In hun model gebruikten zij de meetgegevens uit een ademtest.
De onderzoekers analyseerden de data van 25 volwassenen in de leeftijd van 21 tot 68 jaar. Bij 15 van hen was in de eerste lijn astma gediagnosticeerd. 10 deelnemers hadden geen astma of luchtwegproblemen. Bij de deelnemers namen zij gedurende een week driemaal daags een ademtest af met behulp van een apparaat dat zij zelf hadden ontwikkeld (Exhale-DxTM). De ademtest maakt gebruik van nanosensoren die 13 verschillende parameters in de uitademingslucht meten, waaronder de concentratie van volatile organic components (VOC’s), de CO2-waarden gedurende de uitademingscyclus (capnografie) en parameters zoals de temperatuur, het vochtgehalte, de stroomsnelheid en het volume van de uitgeademde lucht.
Met behulp van de meetgegevens uit de ademtest en machine-learningtechnieken trainden de onderzoekers een diep neuraal netwerk (DNN). Dit DNN-model voorspelde in 91% van de gevallen correct of iemand wel of geen astma had (accuracy). Het onderscheidend vermogen van het DNN-model, uitgedrukt als area under the receiver operating characteristic curve (AUC), was 0,93.
De onderzoekers concluderen dat zij, met behulp van de ademtest in combinatie met het DNN-model, onderscheid kunnen maken tussen mensen met en zonder astma. Biomarkers in de uitademingslucht kunnen hiermee mogelijk een rol spelen bij het diagnosticeren van astma.
De onderzoekers willen nog verder bestuderen of zij met behulp van deze test ook onderscheid kunnen maken tussen de verschillende fenotypes van astma. Dit laatste zou kunnen helpen bij de keuze voor een specifiek biological bij de behandeling van astma.
Bron: