Het is denkbaar dat het mogelijk is patiënten met longcarcinoom te identificeren door het bepalen van biomarkers in uitgeademde lucht (breathomics testing, BT). BT-studies hebben tot op heden echter heterogene resultaten opgeleverd, onder meer vanwege verschillen in testopzetten en analysemethoden. Een prospectieve studie in het Volksziekenhuis van Peking Universiteit (Beijing, China) heeft gezocht naar biomarkers voor longcarcinoom door perioperatieve BT. Dr. Mantang Qiu en collega’s publiceren de studie in eClinicalMedicine.¹

De studie werd uitgevoerd in een ontdekkingsfase en een validatiefase. De ontdekkingsfase includeerde 84 patiënten met longcarcinoom, die voorafgaand aan de chirurgie en vier weken na de chirurgie BT ondergingen. Massaspectrometrische analyses lieten significante verschillen zien tussen preoperatieve en postoperatieve BT in gehalten van 28 vluchtige organische verbindingen (VOCs), waaronder aldehyden, koolwaterstoffen, ketonen, carboxylzuren, en furaan. In de validatiefase werd een panel van 16 van deze VOCs getest op bruikbaarheid voor het stellen van de diagnose longcarcinoom. De fase includeerde 157 patiënten en 368 gezonde vrijwilligers. Na correctie voor leeftijd, geslacht, roken, en comorbiditeiten hadden de patiënten verhoogde piekintensiteit van de 16 VOCs in de uitgeademde lucht. Het diagnostische model had een AUC van 0,952; senstiviteit 89,2%; specificiteit 89,1%; en accuratesse 89,1%.

De onderzoekers concluderen dat perioperatieve dynamische BT een effectieve benadering is voor het identificeren van biomarkers van longcarcinoom in uitgeademde lucht.

1.Wang P, Huang Q, Meng S et al. Identification of lung cancer breath biomarkers based on perioperatieve breathomics testing: a prospective observational study. eClinMed 2022; epub ahead of print

Summary: A study at Peking University People’s Hospital (Beijing, China) compared breathomics of lung cancer patients before versus 4 weeks after surgery. There were significant differences for 28 volatile organic compounds (VOCs). The validation phase tested a panel of 16 of these VOCs for discrimination between lung cancer patients and healthy individuals. The diagnostic model had an AUC of 0.952, sensitivity of 89.2%, specificity of 89.1%, and accuracy of 89.1%.