Uz taksonomiju balstīta klasifikācija agrīnai kuņģa un kolorektālā vēža diagnostikai

Projekta nosaukums: Uz taksonomiju balstīta klasifikācija agrīnai kuņģa un kolorektālā vēža diagnostikai
Projekta līguma numurs: 1.1.1.2/VIAA/2/18/270
Projekta īstenošanas termiņš: 02.01.2019.-31.12.2021.
Projekta kopējais finansējums, LU daļa: kopējais finansējums 133805,88 EUR, LU daļa 6690,31 EUR.
Projekta mērķis: izstrādāt uz taksonomiju balstītu klasifikācijas pieeju medicīnas un bioloģijas datu analīzei un zināšanu atklāšanai, kas kalpos par veidu, kā efektīvi analizēt liela apjoma datus medicīnā.
Projekta rezultāti: tehniskā dokumentācija izstrādātās pieejas pielietošanai, vismaz 2 publikācijas, publikas informēšana par intelektuālo metožu iespējām populārzinātniskos rakstos un semināros (galvenā mērķauditorija – zinātnieki un veselības aprūpes darbinieki, kas var izmantot šīs tehnoloģijas un radīt papildu pievienoto vērtību savos pētījumos).

Laika posmā no 01.01.2019. līdz 31.03.2019. paveiktais:

Pirmajā pārskata periodā uzsākts darbs ar pseidoanonimizētu pacientu datu iegūšanu, sagatavošanu, pirmapstrādi. Veikta datu aprakstošā analīze. Apkopots algoritmu un metriku kopums, ko iespējams izmantot taksonomiju izveidei. Veikts programmrīku apskats, novērtējot pieejamos algoritmus un metrikas. Uzsākts metožu praktiskais novērtējums, izmantojot pētījuma datus un to pārveidi kategoriskos vai nominālos datos, kā arī veicot papildu nepārtrauktu mainīgo izveidi.

Apmeklētas darbgrupas par elptestu ierīču darbību un to datu analīzi, kā arī tikšanās ar izstrādātājiem par papildu datu, to skaitā elptestu datu, pievienošanu pētījuma datu bankai.

Laika posmā no 01.04.2019. līdz 30.06.2019. paveiktais: 

Veikta pseidoanonimizēto datu aprakstošā analīze, informācijas par klasterēšanas metožu un metriku apkopošana, kā arī praktiskie eksperimenti ar klasterēšanas metodēm un metrikām, pielietojot tās anketu datu analīzei, kā arī laikrindu datu klasterēšanai.

Apmeklēti kursi EMBL EBI par metagenomikas bioinformātikas metodēm, lai rastu iespēju metagenoma datu iekļaušanai pētījumā un pielietošanai pieejas izstrādē. Notikusi tikšanās ar VOGAS projekta partneriem par pseidoanonimizētu pētījuma datu un iekārtu izmantošanu pētījuma datu papildināšanai, lai būtu iespēja pārbaudīt izstrādājamo pieeju nehomogēniem datiem.

Laika posmā no 01.07.2019. līdz 30.09.2019. paveiktais: 

Veikti sākotnējie novērtēšanas eksperimenti taksonomijām, kas iegūtas ar dažādām klasifikācijas metodēm un metrikām. Izveidota sākotnēja novērtēšanas un salīdzināšanas procedūra. Pagaidu rezultāti liek secināt, ka diskrētu mainīgo gadījumā liela ietekme uz taksonomijas kvalitāti ir datu kvalitātei un sadalījumam, tāpēc salīdzinājumam tiks izveidota heiristikā balstīta taksonomija. Šim mērķim izveidota pieeja heiristikā balstītu taksonomiju izveidei. Abi varianti tiks novērtēti, aizvietojot reālos datus ar taksonomijas klasēm un novērtējot izmaiņas klasifikācijas metožu precizitātē.

Apmeklēta FISABIO vasaras skola par jaunāko bioinformātikas metožu pielietojumu metagenoma, metataksonomijas un omikas datu analīzē, kas ļaus izmantot baktēriju taksonomijas un genomu atšķirības klasifikācijas taksonomiju izveidē. Apmeklēta Utrehtas universitātes vasaras skola Big Data in Health Research, lai labāk izprastu šābrīža aktualitātes lielo datu izmantošanā medicīnā un taksonomiju izmantošanu lielo datu aizvietošanai analīzes posmā.

Tiek uzturēta komunikācija ar VOGAS projekta dalībniekiem, regulāri piedaloties kopīgās sapulcēs, lai nodrošinātu projekta laikā radīto datu tālāku izmantošanu, apvienojot tos ar citiem pieejamiem datiem un analizējot lielus datus ar izveidotajām taksonomijām. Apmeklēta tīklošanās birža un semināri par Horizon 2020 un Horizon Europe projektu prasībām, konsorcija izveidi un projektu pieteikumu rakstīšanu.

Laika posmā no 01.10.2019. līdz 31.12.2019. paveiktais: 

Izveidotas un atskaitē apkopotas sākotnējās taksonomijas izmantošanai klasifikācijā. Iegūti pirmo pacientu zarnu mikrobioma sekvenēšanas datu paraugi. Veikta sākotnējā zarnu mikrobioma sekvenēšanas datu analīze, izveidojot sekvenēšanas datu pirmapstrādes procedūras. Izveidota sākotnējā metodoloģija datu pirmapstrādei un zināšanu izgūšanai.

Laika posmā no 01.01.2020. līdz 31.03.2020. paveiktais:

Uzsākta klasifikācijas pieejas izstrāde un eksperimenti ar taksonomiju izmantošanu lielu medicīnas datu klasifikācijai.

Tiek izstrādāta darbplūsma metagenomu datu funkcionālai analīzei, lai rezultātus varētu izmantot taksonomiju izveidei un klasifikācijai.

Laika posmā no 01.04.2020. līdz 30.06.2020. paveiktais:

Izstrādāta un realizēta pieeja taksonomiju izmantošanai standarta datizraces klasifikācijas procesā, izmantojot standarta metodes. Noteiktas pamata metodes empīriskai taksonomiju pielietošanas novērtēšanai.

Apmeklēti LIAA un IZM semināri par komercializāciju un zinātnes komunikāciju. Apmeklēts LIKTA, Ekonomikas ministrijas un Microsoft kopīgi organizētais forums "Digital Sustainability Forum – Common Health Data Resource for Smart Health".

Laika posmā no 01.07.2020. līdz 30.09.2020. paveiktais:

Pabeigta datu klasifikācijas procesa izstrāde, balstoties uz taksonomijām, t.sk. elptestu taksonomiju datiem. Tiek rakstīts zinātniskais raksts par taksonomiju izmantošanas iespējām lielapjoma datu analīzei un ieguvumiem no tā.

Tiek meklētas un apsriestas iespējas projekta rezultātus izmantot par bāzi citos projektos lielapjoma medicīnas datu analīzei.

Laika posmā no 01.10.2020. līdz 31.12.2020. paveiktais: 

Izstrādātā metodoloģija aprobēta uz lielām heterogēnām datu kopām, sinerģijā ar LU KPMI GISTAR pētījumu.  Manuskriptā izmantoti institūta datu bankas dati, kas izmantoti H. pylori precīzākai diagnostikai, jo H. pylori baktērija tiek uzskatīta par kancerogēnu, līdz ar to, tās atklāšana un eradikācija ir nozīmīgs saslimstības ar kuņģa vēzi mazināšanas pasākums. Veikta ar metodoloģiju sagatavoto datu klasifikācija (Helicobacter pylory infekcijas atklāšanas uzdevumā), lai pārbaudītu izstrādātās metdoloģijas ietekmi uz iespējamo informācijas zudumu un rezultātu interpretējamību. Atklātas vairākas nozīmīgas likumsakarības, kas norāda uz riska grupām, kas biežāk ir inficētas ar H. pylori. Eksperimentu rezultāti izmantoti aprobācijas (proof-of-concept) publikācijas izveidē. Publikācijas ("Uz taksonomiju balstīta datu reprezentācija datizraces uzdevumiem: ar Helicobacter pylori infekciju saistīto faktoru piemērs") medicīniskās nianses pirms iesniegšanas žurnālā tiek saskaņotas ar mediķiem.

Turpināta dalība VOGAS un Miljons Cilvēka Mikrobiomu projektu sapulcēs, kā arī pieredzes apmaiņa darba grupās. Pēcdoktorantūras projektam ar šiem projektiem ir sinerģija: pēcdoktorantūras projektā netiek rekrutēti pacienti (tas ir laikietilpīgs process, kuram nepieciešams atbilstošs finansējums), bet tiek izmantoti projektos iegūtie dati, lai īstenotu izstrādātās metodoloģijas aprobāciju un novērtētu tās iespējas pirmsvēža stāvokļu noteikšanai un agrīnai vēža diagnostikai.

Pēcdoktorante piedalījās arī nākotnes projektu apspriešanā un dizaina izstrādē (arī LIAA 2. kārtas projekta izstrādē), lai pēc pēcdoktorantūras projekta beigām turpinātu pētījuma virzienu uz datiem balstītas medicīnas projektos, kā arī 4 semināros, 1 apmācības pasākumā un datu izmantošanas veselības aprūpē pieredzes apmaiņas samitā (tiešsaistē).

Laika posmā no 01.01.2021. līdz 31.03.2021. paveiktais: 

Žurnālā "BioData Mining" iesniegts raksts "Uz taksonomiju balstīta datu reprezentācija datizraces uzdevumiem: ar Helicobacter pylori infekciju saistīto faktoru piemērs".

Apkopoti dati izstrādātās pieejas pielietošanai elektroniskā deguna signāla analīzei, apvienojot to ar klīniskajiem un dzīvesveida datiem, lai pēc cilvēk izelpas un citiem datiem varētu veikt agrīnu kuņģa vēža atpazīšanu. Šī pieeja būs universāla un pārnesama arī citiem sensoru datiem. Iegūto izelpas analīžu datu sākotnējā analīzē iegūtie rezultāti apkopoti tēzē "Application of sensor breath analyser for non-invasive detection of gastric cancer" Latvijas Universitātes Starptautiskajai zinātniskajai medicīnas konferencei.

Par projekta pētījumu un ar to saistītajām datu analīzes pieejām un metodēm zināšanu pārneses nolūkā stāstīju LU Doktorantūras skolas "Translācijas izpētē medicīnā" seminārā 12.03.2021., kurā piedalījās vairāk nekā 20 doktoranti un jaunie zinātnieki. Uzsākta materiāla sagatavošana dalībai "Zinātnieku nakts" pasākumos.

Pēcdoktorante arī turpina piedalīties semināros, konferencēs un sapulcēs, lai rastu papildu iespējas zināšanu pārnesei, pieredzes apmaiņai un tālākai pētniecībai citos projektos.

Laika posmā no 01.04.2021. līdz 30.06.2021. paveiktais:

Veiktas ieteiktās izmaiņas žurnālā "BioData Mining" (Q1-Q2, h-indekss: 30) iesniegtajā rakstā "Uz taksonomiju balstīta datu reprezentācija datizraces uzdevumiem: ar Helicobacter pylori infekciju saistīto faktoru piemērs", lai to varētu publicēt.

Uzsākta datu analīze izstrādātās pieejas pielietošanai elektroniskā deguna signāla analīzei, apvienojot to ar klīniskajiem un dzīvesveida datiem, lai pēc cilvēku izelpas un citiem datiem varētu veikt agrīnu kuņģa vēža atpazīšanu, tai skaitā nosakot pirmsvēža stāvokļus. Analīzes pieeja veidota tā, lai to būtu ērti pārnest arī kolorektālā vēža noteikšanai no izelpas gaisa un citiem faktoriem. Datu sagatavošanas laikā tika izstrādāta publikācija ar iekārtas un sensoru ražotājiem par iekārtu robustumu "Moduļveida izelpas analizators: analīzes platforma, kas balstīta uz inovatīvu un unikālu moduļveida elektroniskā deguna konceptu uz izelpu balstītai diagnostikai, un kalibrācijas trasfēra metodes izlepas analīzes pētījumos", kas publicēta žurnālā "Molecules" (Q1-Q2 dažādās nozarēs, h-indekss: 149).

Pēcdoktorante arī turpina piedalīties semināros, konferencēs un sapulcēs, lai rastu papildu iespējas zināšanu pārnesei, pieredzes apmaiņai un tālākai pētniecībai citos projektos. Tāpat pēcdoktorante šī pētījumu virziena turpināšanai raksta FLPP un ERAF projektu pieteikumus, kā arī piedalījās Horizon Europe un ASV NIH projektu rakstīšanā.

Laika posmā no 01.07.2021. līdz 30.09.2021. paveiktais:

Pārskata periodā tika turpinātsdarbs gala taksonomiju izstrādē elptestu analīzei ar mērķi noteikt kuņģa vēža pacientiem raksturīgu sensora reakcijas līkni, kā arī šo taksonomiju validācijai klasifikācijas uzdevumā. Nodevums par taksonomijām tiks pabeigts un iesniegts nākamajā ceturksnī. Par šo tēmu tiek rakstīta publikācija kopā ar sadarbības partneriem no Vācijas - JLM Innovation GmbH, pie kuriem noslēgusies arī virtuālā mobilitāte.

Q1 žurnālā BioData Mining publicēts zinātniskais raksts "Taxonomy-based data representation for data mining: an example of the magnitude of risk associated with H. pylori infection", kas tapis sadarbībā ar LU KPMI un PVO (WHO IARC) zinātniekiem.

Apstiprināta dalība konferencē "International Scientific Conference on Information Technology and Management Science of Riga Technical University 2021" un apstiprināts raksts, kas izstrādāts ar partneriem no JLM Innovations GmbH, konferences rakstu krājumā, kas tiks izdots IEEE izdevniecībā ("Class decomposition for gastric cancer detection from breath").

Pārskata periodā pēcdoktorante arī piedalījusies projektu iesniegumu rakstīšanā LZP, ERAF praktiskas ievirzes pētījumu un Horizon Europe konkursiem. Kopumā iesniegti 4 projekti, kuros būtu iespēja tuprināt attīstīt iesākto medicīnas lielo datu analīzes virzienu, sadarbojoties ar partneriem no BMC, EDI, Microsoft, Porto Universitāti u.c.

Laika posmā no 01.10.2021. līdz 31.12.2021. paveiktais:

Pārskata periodā tika pabeigts darbs gala taksonomiju izstrādē elptestu analīzei ar mērķi noteikt kuņģa vēža pacientiem raksturīgu sensora reakcijas līkni, kā arī šo taksonomiju validācijai klasifikācijas uzdevumā. Rezultāti apkopoti publikācijā "Modular point-of-care breath analyzer and shape-taxonomy based machine learning for gastric cancer detection", kas iesniegta žurnālā "Diagnostics". Raksts tapis sadarbībā ar partneriem no JLM Innovation GmbH (Vācija) un Izraēlas Tehnoloģiju institūtu Technion, pie kuriem pēcdoktorante 2021. gada otrajā pusē viesojās virtuālā mobilitātē. Iegūtais modelis spēj atpazīt izelpu ar vairāk nekā 77% precizitāti. 

Izstrādātā metodoloģija arī pielietota kolorektālā vēža pacienu izelpas atpazīšanai. Rezultāti norāda, ka noteiktu sensoru kopa spēj atpazīt kolorektālā vēža pacientu izelpu no veselo pacientu izelpas un šo sensoru atbildes reakcijas vērtībām ir statistiski nozīmīga atšķirība (p<0,05).

Kopumā projekts ir noslēgts veiksmīgi - visas plānotās aktivitātes ir veiktas un plānotie rezultāti sasniegti. Iegūtās zināšanas un izstrādātā metodoloģija tiks izmantotas turpmākos pētījumos un vietēja un starptautiska mēroga projektos.