拉曼光谱和基于外体的机器学习预测了HER2阳性乳腺癌新辅助疗法的有效性
Yining Jia1,2, Yongqi Li1,2, Xintong Bai3
1Department of Breast Surgery, The Second Hospital of Shandong University, Jinan, Shandong 250033, China.
Analytical chemistry
|January 9, 2025
概括
现在更准确地预测HER2阳性乳腺癌的新辅助疗法疗效. 一个使用外体和机器学习的新系统提供了对治疗反应的早期预测,改善了患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 生物标志物 生物标志物
- 纳米技术 纳米技术
背景情况:
- 对HER2阳性乳腺癌患者来说,早期预测新辅助疗法疗效至关重要.
- 外基因组作为治疗反应的生物标志物显示出希望,但面临检测挑战.
- 目前的外体隔离方法效率低下,耗时,并产生低纯度/数量.
研究的目的:
- 开发一种非侵入性方法,用于早期预测HER2阳性乳腺癌中新辅助疗法疗效.
- 用拉曼光谱和机器学习分析外体的分子变化.
- 引入一个高效的HER2阳性外体细胞捕获和检测系统.
主要方法:
- 拉曼光谱法用于分析HER2阳性乳腺癌患者新辅助治疗前后血清中的外体.
- 使用机器学习算法 (PCA,LDA,SVM) 来构建一个预测模型.
- 一个新的磁珠@HER2-Exos@HER2-SERS检测纳米探针 (HER2-MEDN) 系统被开发用于外体细胞的捕获和分析.
主要成果:
- 使用拉曼光谱和机器学习的预测模型实现了AUC> 0.89.
- 该HER2-MEDN系统能够有效地提取和分析HER2-阳性外体.
- 结合HER2-MEDN的精细预测模型在预测早期治疗反应方面实现了>0.94的准确性.
结论:
- HER2-MEDN系统显示了HER2-阳性乳腺癌中新辅助疗法反应的准确早期预测的巨大潜力.
- 这项研究为评估治疗疗效提供了新的见解和方法,为个性化医疗铺平了道路.
- 开发的系统解决了当前外体组检测方法的局限性,提高了诊断能力.
