自动分类管道用于实时体内实体检查使用拉曼光谱的结直肠组织
Jan Vališ1, Markéta Fousková1, Daniela Janstová1
1Department of Analytical Chemistry, Faculty of Chemical Engineering, University of Chemistry and Technology, Prague, Technická 5, 166 28 Prague 6, Czech Republic.
概括
这项研究引入了一个自动化的拉曼光谱管道,用于实时结直肠癌诊断,显著减少了活检的需要. 该系统在识别癌症和癌前组织方面取得了很高的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 医学诊断 医学诊断 医学诊断
- 频谱学是一种光谱学.
背景情况:
- 结肠直肠癌是全球领先的恶性瘤,诊断严重依赖侵袭性组织活检.
- 在体内,拉曼光谱为组织分析提供了不那么侵入性的替代方案,但在数据处理和分类方面面临着挑战.
- 目前的局限性阻碍了拉曼光谱的临床采用,以实时检测结直肠癌.
研究的目的:
- 开发一个实时的自动分类管道,用于体内拉曼光谱数据.
- 为非光谱学家创建一个用户友好的应用程序,以帮助临床决策.
- 减少对结直肠癌诊断的传统组织活检的依赖.
主要方法:
- 在结肠镜检查期间使用定制微探针从377名受试者身上获得体内拉曼光谱.
- 算法预处理包括标准的正常变量转换和有限的冲动响应过.
- 在质量控制和光谱分解后,使用主要组件分析 (PCA) 和支持矢量机 (SVM) 进行分类.
主要成果:
- 自动化管道实现了对腺癌和腺瘤多瘤的100%灵敏度.
- 对腺癌的整体准确率达到96.9%,对腺瘤多的准确率达到79.2%.
- 为临床用途开发了一个图形用户界面应用程序.
结论:
- 机器学习和拉曼光谱的算法预处理的结合是结直肠癌诊断的可行方法.
- 这种自动化系统显示,有可能减少临床实践中所需的活检数量.
- 开发的管道和应用程序有助于在体内拉曼光谱的临床整合.
