在实验室中,通过时间分辨的光检测肝癌,得到机器学习的支持.
Elena V Potapova1, Valery V Shupletsov1, Viktor V Dremin1,2
1Research & Development Center of Biomedical Photonics, Orel State University, Orel, Russia.
Lasers in surgery and medicine
|November 18, 2024
概括
时间解析光与机器学习相结合,可以准确区分肝脏瘤. 这种方法显示出诊断肝癌类型的潜力,并有助于未来的治疗策略.
科学领域:
- 生物医学光学 生物医学光学
- 医学物理 医学物理
- 癌症诊断 癌症诊断 癌症诊断
背景情况:
- 时间解析光 (TRF) 是一种关键的光学活检方法,用于评估细胞代谢和抗氧化剂防御.
- 癌细胞表现出明显的代谢变化,与健康的肝脏组织不同.
- 机器学习 (ML) 在医学实践中的分类任务中表现出色,包括生物医学光学.
研究的目的:
- 将TRF测量与ML算法集成,用于肝脏组织的自动分类.
- 要区分健康的肝膜和各种肝脏瘤类型 (原发性恶性,转移,良性).
主要方法:
- 光学活检是在超声波指导下使用细针光学探针进行的.
- 光衰变记录在肝脏病变和健康组织的皮肤透活检期间.
- 包括随机森林在内的ML模型经过训练,并根据组织病理学分类数据进行评估.
主要成果:
- TRF光谱检测揭示了不同肝脏瘤类型的独特代谢变化.
- ML方法可靠地将肝脏组织分为癌症和非癌症类,准确度高 (>0.90).
- 该方法实现了肝脏瘤类型的初步诊断,其灵敏度,特异性和准确性分别超过0.80,0.95和0.90.
结论:
- 这种结合TRF和ML的方法显示出肝癌诊断的巨大潜力.
- 这些发现支持其作为开发未来肝癌诊断和治疗策略的宝贵工具的作用.
