使用延长波长扩散反射光谱 (EW-DRS) 诊断乳腺癌-使用机器学习在活体乳腺样本中的概念验证

科学领域:

• 生物医学光学 生物医学光学
• 医学诊断 医学诊断 医学诊断
• 癌症研究 癌症研究

背景情况:

• 精确区分恶性和健康的乳腺组织对于有效的癌症治疗至关重要.
• 分散反射光谱 (DRS) 显示了非侵入性组织分析的潜力.
• 优化波长范围和分析方法可以提高诊断性能.

研究的目的:

• 评估使用DRS来区分恶性乳腺组织与相邻的健康组织的可行性.
• 为了比较扩展波长范围 (450-1550 nm) 与标准范围 (450-900 nm) 的诊断效果,用于DRS.
• 探索多变量统计和机器学习对提高DRS诊断准确性的实用性.

主要方法:

• 扩散反射光谱 (DRS) 应用于来自23名患有原发性乳腺癌的女性患者的乳腺组织样本.
• 评估了两个波长范围:标准 (450-900 nm) 和扩展 (450-1550 nm).
• 多变量统计方法,包括线性判别分析 (LDA) 和支向量机 (SVM),用于组织分类.

主要成果:

• 扩展波长DRS (EW-DRS) 实现了94%的灵敏度和91%的特异性.
• 标准波长的DRS表现较差,灵敏度为40%,特异性为71%.
• 开发了一个简单的分析模型,以进一步提高DRS的诊断性能.

结论:

• DRS是一种可行的技术,用于区分恶性和健康的乳腺组织.
• 使用扩展波长范围显著提高了DRS用于乳腺癌诊断的灵敏度和特异性.
• 将先进的分析模型与DRS集成,有望提高乳腺癌诊断能力.