通过SERS血清分析检测肺癌

科学领域:

• 生物医学工程 生物医学工程
• 频谱学是一种光谱学.
• 在瘤学瘤学.

背景情况:

• 早期肺癌检测和术后评估对于患者的生存至关重要.
• 目前的方法可能在灵敏度或侵入性方面存在局限性.
• 血清代谢分析为非侵入性诊断提供了一个潜在的途径.

研究的目的:

• 开发和验证使用拉曼光谱和机器学习检测肺癌的非侵入性技术.
• 为了探索与健康个体相比,肺癌患者 (手术和非手术) 的血清代谢变化.
• 评估在肺癌患者中进行术后复发监测的可能性.

主要方法:

• 拉曼光谱法用于分析88名术后肺癌患者,73名非手术肺癌患者和68名健康受试者的血清样本.
• 主要组件分析 (PCA) 用于光谱数据可视化和维度减小.
• 卷积神经网络 (CNN) 和Resnet模型在增强数据集上受训,以创建诊断框架.

主要成果:

• 开发的诊断框架,特别是CNN模型,在区分患者队列方面表现出很高的性能,通过接收器操作特征 (ROC) 曲线分析进行验证.
• 在不同研究组中观察到血清代谢的显著变化.
• 手术后的肺癌患者出现复发的发病率较高,这凸显了持续监测的必要性.

结论:

• 拉曼光谱与基于CNN的分类的整合,为肺癌的早期检测提供了一个有希望的非侵入性方法.
• 这种技术还显示出有效的术后评估和监测肺癌复发的潜力.
• 需要进一步的研究和临床验证,才能在日常实践中全面实施这项技术.