通过表面增强的拉曼光谱和机器学习对尿道癌症的差异诊断

科学领域:

• 分析化学 分析化学
• 生物医学工程 生物医学工程
• 在瘤学瘤学.

背景情况:

• 尿道癌 (膀,,前列腺) 是常见的,需要改进早期诊断方法.
• 传统的检测技术在非侵入性,敏感的癌症诊断方面面临挑战.
• 早期检测对于有效治疗和改善患者结果至关重要.

研究的目的:

• 开发一种敏感的,非侵入性的方法来检测多种尿道癌症.
• 利用表面增强拉曼光谱 (SERS) 和机器学习进行血清样本分析.
• 建立SERS机器学习策略,用于区分膀,和前列腺癌.

主要方法:

• 开发了一种基于SERS的测定方法,使用清理和聚合的银纳米粒子进行血清分析.
• 使用长期短期记忆 (LSTM) 深度学习算法来分析血清光谱数据.
• 使用精度,灵敏度,特异性和ROC曲线评估模型性能.

主要成果:

• 实现了人类血清的快速,无标签和高度敏感的检测.
• 成功地分类了三种类型的尿道癌症 (膀,脏,前列腺) 具有高度的歧视性.
• 证明了将SERS灵敏度与机器学习数据处理相结合的有效性.

结论:

• 该SERS机器学习策略显示出早期诊断和查尿路癌症的巨大潜力.
• 这项研究代表了SERS机器学习的首次应用,用于从临床血清样本中区分多种尿道癌症.
• 开发的方法为癌症检测提供了一个有希望的非侵入性方法.