3D等离子六合体纸张传感器用于无标签的人体唾液传感和机器学习辅助的早期肺癌查

科学领域:

• 纳米技术纳米技术
• 生物医学工程 生物医学工程
• 分析化学 分析化学

背景情况:

• 非侵入性疾病查对于早期诊断和改善患者结果至关重要.
• 现有的早期癌症检测方法往往需要复杂的程序或侵入性采样.
• 分析生物流体中的代谢变化为非侵入性诊断提供了一个有希望的途径.

研究的目的:

• 开发一种无标签的现场感应平台,用于使用人类唾液进行肺癌查.
• 通过将新型纳米结构与用户友好的格式集成,创建一个高度敏感和特定的诊断工具.
• 为了研究表面增强拉曼散射 (SERS) 在唾液中检测癌症特异性代谢生物标志物的潜力.

主要方法:

• 在纸质基板 (3D-PHP) 上涂层的三维等离子体六合体纳米结构的制造.
• 将3D-PHP传感器与商用唾液收集管集成,用于现场测量.
• 使用表面增强的拉曼散射 (SERS) 来分析患者唾液样本中的代谢概况.
• 应用基于后勤回归的机器学习模型来分类良性和恶性病例.

主要成果:

• 3D-PHP传感器通过患者的唾液成功检测和诊断了肺癌.
• 传感器在区分良性和恶性患者方面表现出高临床灵敏度和特异性.
• 确定关键的拉曼峰值转移与不同阶段的肺癌相关,为早期诊断提供了洞察力.

结论:

• 开发的3D-PHP传感器与唾液收集管集成,为快速的现场肺癌查提供了一个实用的平台.
• 这种方法在促进早期癌症检测和通过非侵入性诊断改善患者护理方面具有重大潜力.
• 该研究强调了等离子体纳米结构和机器学习在开发下一代代谢疾病诊断工具方面的实用性.