歯周病の早期診断とモニタリングのための機械学習アルゴリズムと組み合わせた唾液のSERSスペクトル

科学分野:

• 生物医学診断
• ナノテクノロジー
• スペクトロスコーピー

背景:

• 歯周病の診断と重度のモニタリングには 現在 非侵襲的な正確な方法が欠けている.
• 早期発見は 効果的な治療と 病気の進行を防ぐために不可欠です

研究 の 目的:

• 唾液分析を用いた歯周病の早期診断と重症度評価のための非侵襲的方法を開発する.
• 表面強化ラーマン分散 (SERS) を使用して歯周病の潜在的唾液バイオマーカーを特定する.

主な方法:

• 歯周病の重度が異なる健康な個人および患者の唾液サンプルを,銀ナノ粒子のSERSを用いて分析した.
• 病状特有のスペクトル差と潜在的なバイオマーカーを特定するために,部分最小二乗差別分析 (PLS- DA) が使用された.
• 疾病状態の分類にはコンボリューションニューラルネットワーク (CNN) モデルが使用された.

主要な成果:

• 健康な対照群と歯周病の全群の間で,唾液SERSスペクトルの有意な違いが観察されました.
• グリコゲン,アスコルビン酸,尿酸,ヒポキサンチン,グルタチオン,Dマノース,フェニララリンを含む主要なバイオマーカーが特定されました.
• CNNモデルは,歯周病の異なる段階を分類する上で高い精度 (99.70%と99.43%) を達成しました.

結論:

• 唾液のSERS分析は,歯周病の非侵襲的な早期診断に希望を示しています.
• 特定されたバイオマーカーと開発された分類モデルは,疾患の重症度を監視するのに役立ちます.
• このアプローチは 歯周病のアクセスしやすく効率的な管理に 突破をもたらす可能性があります