バイオマーカー

科学分野:

• 生物医学光学; 分光学; 医療における機械学習

背景:

• 臨床的なアルツハイマー病（AD）の診断精度は、一貫性の欠如と患者の異質性により変動します。ラマン分光法は、生体液の迅速なラベルフリー化学分析を提供します。以前のAD分類研究は、臨床的な代表性と統計的検出力が欠如していました。

研究 の 目的:

• 代表的な臨床コホートにおけるAD診断のためのラマン分光法と機械学習の有効性を評価すること。AD分類のためのサポートベクターマシン（SVM）および畳み込みニューラルネットワーク（CNN）モデルのパフォーマンスを評価すること。ADを示す主要なスペクトル特徴を特定し、確立されたバイオマーカーとの相関を評価すること。

主な方法:

• 141人の患者（AD 66人、非AD 75人）からの脳脊髄液（CSF）サンプルをラマン分光法で分析しました。機械学習モデル（SVM、CNN）は、データの80％でトレーニングおよび最適化され、20％でテストされました。分類器のパフォーマンスは、受信者操作特性曲線下面積（AUROC）、感度、および特異度を使用して評価されました。

主要な成果:

• SVMモデルはAUROC 0.92で93%の分類精度を達成しました。分類スコアと患者のATNバイオマーカー状態との間に強い相関が観察されました。主要なスペクトル特徴には、タンパク質由来の芳香族アミノ酸（フェニルアラニン、チロシン）が含まれていました。

結論:

• ラマン分光法は、MLと組み合わせて、混合臨床コホートからのCSF中のADを正確に特定します。この方法は、他の神経変性疾患を非ADとして正しく分類しました。臨床的翻訳の可能性のための集団レベルの精度を確認するには、より大規模な研究でのさらなる検証が必要です。