ラマン光譜法と機械学習を用いた2型糖尿病患者および無患者からのヒト皮質骨の骨折強度予測
Muhammet Varli1, Sasidhar Uppuganti2, Jeffy S Nyman3
1Graduate School of Natural and Applied Sciences, Department of Mechatronics Engineering, Karamanoglu Mehmetbey University, Karaman 70200, Turkiye.
まとめ
2型糖尿病 (T2DM) は骨の脆弱性を増加させる. ラマン光学と機械学習は 骨の組成を分析することで 骨の強さを正確に予測し 代謝疾患における骨の質の評価に 新しい方法を提供します
科学分野:
- バイオマテリアル科学
- 整形外科
- スペクトロスコーピー
背景:
- 2型糖尿病 (T2DM) は骨格の脆弱性に関連していますが,現在の臨床方法は糖尿病に関連する骨質の変化を検出できません.
- ラマン光譜法 (RS) は,詳細な骨組成の洞察を提供する,非破壊的な技術です.
- RSの全スペクトルプロファイルは 骨の微妙な変化を明らかにし,従来の測定では見過ごされます.
研究 の 目的:
- 機械学習 (ML) と組み合わせたラーマンスペクトロシー (RS) が人間の皮質骨の骨折強度を予測する効果を評価する.
- 2型糖尿病 (T2DM) に伴う骨質の変化を全スペクトルRSデータで特定できるかどうかを調査する.
主な方法:
- 60人の非糖尿病患者と60人のT2DMドナー (50歳~97歳) からヒト皮質骨のサンプルを取得した.
- ラマン光譜 (RS) データは,割れ目の増殖前の骨サンプルから得られた.
- 8つの機械学習 (ML) モデルは,フルスペクトルのRSデータを用いて,断裂強度特性を予測するために訓練されました.
主要な成果:
- 完全なスペクトルのRS入力を使用したスタッキング回帰は,クラック開始強度 (R2 = 0.81) と破裂エネルギー (R2 = 0.86) を予測する上で最も高い精度を達成しました.
- MLモデルはRSによって明らかにされた微妙な骨の組成の変化を捉えることで 機械的性質を成功裏に予測しました
- この研究は,T2DMにおける骨折強度予測にRSとMLを初めて適用したものです.
結論:
- 機械学習と組み合わせたフルスペクトルラーマン光譜は 骨の機械的性質を効果的に予測できます 骨折の頑丈さも含まれます
- このアプローチは骨の質を評価し,T2DMに関連した骨格の脆弱性を検出するための有望な方法を提供します.
- 顕微鏡技術により,代謝疾患における骨質の評価が改善される可能性があります.
