Σήμερα, υπάρχουν πολυάριθμες τεχνικές που ανιχνεύουν HPV DNA ή mRNA και θεωρούνται είτε ανταγωνιστικές είτε επικουρικές ως προς το τεστ Παπανικολάου για τον έλεγχο των κολποτραχηλικών επιχρισμάτων. Ωστόσο, καμία τεχνική δεν είναι τέλεια, επειδή η αύξηση της ευαισθησίας συνεπάγεται ταυτόχρονη μείωση της ειδικότητας. Για την επίλυση αυτού του προβλήματος έχουν εφαρμοστεί στο παρελθόν διάφορες τεχνικές που χρησιμοποιούν αποτελέσματα από πολλές εξετάσεις ταυτόχρονα, όπως δέντρα ταξινόμησης και παλινδρόμησης (Classification and Regression Trees – CARTs) και εποπτευόμενα τεχνητά νευρωνικά δίκτυα. Σε αυτή την εργασία χρησιμοποιήθηκαν 1258 περιπτώσεις με αποτελέσματα από τεστ Παπανικολάου, HPV DNA, HPV mRNA και p16, προκειμένου να αξιολογηθούν οι επιδόσεις του αυτο-οργανούμενου χάρτη (Self Organizing Map – SOM). Το SOM είναι ένα τεχνητό νευρωνικό δίκτυο που παρουσιάζει σημαντικά πλεονεκτήματα σε σχέση με τις άλλες μεθοδολογίες, καθώς δεν είναι επιβλεπόμενο (δηλαδή δεν χρειάζεται να γνωρίζουμε σε ποια ομάδα ανήκουν τα περιστατικά κατά την εκπαίδευσή του), μπορεί να διαχειριστεί ελλιπή δεδομένα (κάτι πολύ συνηθισμένο σε πραγματικές μελέτες) και παράγει τοπογραφικούς χάρτες (έτσι, με εύκολο τρόπο γίνονται συσχετίσεις των σημαντικών παραμέτρων στη διάγνωση). Τα αποτελέσματα της εφαρμογής της τεχνικής αυτής ήταν ενθαρρυντικά και οδήγησαν σε πολύ υψηλή ευαισθησία και ειδικότητα στη διάκριση των αλλοιώσεων <CIN2 από ≥CIN2, όπως αυτές αξιολογήθηκαν με ιστολογική εξέταση (όπου ήταν εφικτό). Επιπλέον, οι παραγόμενοι χάρτες μπορούν να βοηθήσουν στον εντοπισμό των σημαντικών δοκιμασιών (tests) για τη διάκριση μεταξύ περιστατικών <CIN2 από ≥CIN2.
Nowadays, numerous techniques detecting HPV DNA or mRNA, are viewed as competitors or ancillary techniques to test Papanicolaou. However, no technique is perfect, because sensitivity increases at the cost of specificity. Various methods have been applied to resolve this issue, by using many examination results, such as classification and regression trees and supervised artificial neural networks. In this study, 1258 cases with results from test Pap, HPV DNA, HPV mRNA and p16, were used to evaluate the performance of the Self Organizing Map (SOM), an artificial neural network having three advantages: it is unsupervised, it can tolerate missing data and produces topographical maps. The results of the SOM application were encouraging and leaded to very high sensitivity and specificity for the discrimination of <CIN2 from ≥CIN2 lesions, as these were evaluated histologically (wherever that was possible). Additionally, the produced maps can be helpful in order to detect the important tests for such discrimination.
National Documentation Centre (EKT)
