可解释机器学习辅助的光学解密血清外体的早期检测,分期,和肺癌的亚型
Yujie Liu1, Chenlei Cai2, Weijie Xu2
1Shanghai Institute for Pediatric Research, Shanghai Key Laboratory of Pediatric Gastroenterology and Nutrition, Xin Hua Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai 200092, China.
Analytical chemistry
|October 3, 2024
概括
这项研究使用表面增强拉曼光谱 (SERS) 对血清外体进行早期肺癌 (LC) 检测. 该方法准确识别肺腺癌及其亚型,有助于临床管理.
科学领域:
- 生物化学 生物化学
- 纳米技术 纳米技术
- 在瘤学瘤学.
背景情况:
- 肺癌 (LC) 是全球癌症死亡的主要原因.
- 早期检测和亚型分类对于有效的LC管理至关重要.
- 目前的诊断方法需要改进,以便及时和准确的诊断.
研究的目的:
- 开发一种无标签的SERS方法来分析血清外体.
- 为了确定与LC进展和亚型相关的生化变化.
- 创建用于LC诊断和分类的机器学习模型.
主要方法:
- 从643名参与者收集了血清外体.
- 使用化物修饰的银纳米膜进行SERS分析.
- 将可解释和自动化机器学习应用于SERS数据.
主要成果:
- 在诊断I阶段肺腺癌方面实现了100%的准确性.
- 在检测前瘤病变方面达到81%的准确性.
- 使用ML衍生模型成功区分LC亚型和疾病阶段.
结论:
- 基于SERS的外体的光谱指纹显示了LC检测的巨大潜力.
- 这种方法可以帮助早期诊断和精确治疗指导.
- 外体SERS分析为改善肺癌临床管理提供了一个有希望的工具.


