从使用ATR-FTIR光谱学检测手术前和手术后患者获得的细胞癌的光学生物标志物分析

科学领域:

• 生物医学光学 生物医学光学
• 频谱学是一种光谱学.
• 医学诊断 医学诊断 医学诊断

背景情况:

• 细胞癌 (RCC) 是最常见的泌尿系统恶性瘤,通常通过缺乏特定生物标志物的成像诊断.
• 像MRI和CT这样的当前诊断方法对于有效的瘤复发监测的灵敏度和特异性都有局限性.
• 缺乏可靠的生物标志物阻碍了RCC的早期检测和管理.

研究的目的:

• 调查减弱总反射 (ATR) - 里埃变换红外光谱 (FTIR) 用于识别RCC患者尿液和血中的光学生物标志物.
• 分析手术前和手术后样本的光谱差异,以检测表明瘤存在或缓解的变化.
• 评估机器学习算法在基于光谱数据的RCC状态分类方面的有效性.

主要方法:

• 在手术治疗之前和之后从RCC患者收集尿液和血样本.
• 应用ATR-FTIR光谱法来分析样品的分子组成和光谱特征.
• 利用机器学习模型,包括极端梯度提升 (XGBoost),SVM,PLS和ANN用于数据分析和分类.

主要成果:

• 在RCC患者的血和尿液样本中,ATR-FTIR光谱学揭示了明显的光谱指纹.
• 在手术后的尿样中观察到显著的光谱变化,并指出了特定的带变化.
• XGBoost模型表现出卓越的性能,在区分瘤状况和恢复方面达到0.99的曲线下面面积 (AUC).

结论:

• ATR-FTIR光谱具有显著的潜力,用于识别细胞癌的新型光学生物标志物.
• 机器学习算法XGBoost显示了作为RCC复发的高度准确的选工具的承诺.
• 这种光谱方法提供了一种敏感和特定的方法来监测RCC状态并帮助临床决策.