膀癌的早期诊断使用表面增强的拉曼光谱学结合机器学习算法在老鼠模型
Sanghwa Lee1, Miyeon Jue2, Kwanhee Lee3
1Biomedical Engineering Research Center, Asan Institute for Life Sciences, Asan Medical Center, Seoul, 05505, Republic of Korea.
Biosensors & bioelectronics
|December 11, 2023
概括
现在可以通过一滴尿来早期检测膀癌. 表面增强拉曼光谱 (SERS) 和机器学习准确地以非侵入的方式诊断瘤,为医疗点诊断铺平了道路.
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:
- 膀癌的早期诊断对于有效治疗和改善患者的治疗结果至关重要.
- 目前的诊断方法可能具有侵入性或缺乏早期检测的敏感性.
研究的目的:
- 开发一种早期,准确,无标签和非侵入性的方法来诊断膀瘤.
- 用表面增强拉曼光谱法 (SERS) 分析尿路纳米生物标志物.
主要方法:
- 利用一种N--N-4-基酸胺诱导的老鼠模型来监测膀癌的进展.
- 采用最小侵入性内镜来进行实地瘤监测.
- 在Au涂层的氧化纳米孔芯片上分析尿样,用于SERS分析.
- 应用主要组件分析 (PCA) 和部分最小平方区分分析 (PLSDA) 用于光谱数据分析.
主要成果:
- 在早期和多期膀瘤中,诊断准确率达到≥99.6%.
- 显示了接收器运行特征曲线下的高面积 (>0.996).
- 成功地将SERS光谱图案与癌症阶段相关联.
结论:
- 与机器学习相结合的SERS为膀癌诊断提供了一个高度准确和非侵入性的方法.
- 开发的方法有望用于临床应用,作为点的护理诊断技术.
- 低成本,无标签的尿液SERS分析是早期发现膀癌的理想选择.
