基于尿液的近红外光谱分析揭示了癌症的非侵入性和方便的诊断方法:一个试点研究
Jing Zhu1, Siyu Zhang2, Ruting Wang3,4
1Department of Clinical Laboratory, Zhejiang Cancer Hospital, Hangzhou, Zhejiang, China.
PeerJ
|September 5, 2023
概括
这项研究表明,尿液近红外光谱学 (NIRS) 结合机器学习可以有效检测癌症. 这种非侵入性方法实现了86.2%的准确性,提供了一个方便的新诊断工具.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 在瘤学瘤学.
背景情况:
- 癌症诊断仍然具有挑战性,需要新的诊断工具.
- 非侵入性和方便的方法对于早期癌症检测至关重要.
- 尿液分析为非侵入性诊断提供了一个有希望的途径.
研究的目的:
- 探索基于尿液的近红外光谱学 (NIRS) 结合机器学习用于癌症诊断.
- 开发一种有效的,非侵入性的,方便的诊断方法.
- 评估不同机器学习模型和预处理技术的性能.
主要方法:
- 从327名参与者 (181名癌症病例,146名健康对照) 收集了尿样.
- 在尿样上进行了NIRS分析 (4,00010,000 cm-1).
- 应用了各种预处理技术,并构建了部分最小平方 (PLS) 和支向量机 (SVM) 分类模型.
主要成果:
- 主要成分分析 (PCA) 由于重叠的NIRS峰值,未能将癌症与健康对照分开.
- 通过特定的预处理,PLS模型实现了0.780的预测准确度.
- 线性SVM通过原始NIRS数据实现了0.844准确度,通过功能优化改进到0.862.
结论:
- 基于尿液的NIRS与机器学习相结合,是癌症诊断的一个有希望和方便的工具.
- 开发的方法显示了促进癌症诊断的潜力.
- 建议进一步进行大规模的多中心研究来验证这些发现.
