SERS和机器学习支持的液体活检:在急性白血病中早期检测和复发预测的有希望的工具

科学领域:

• 生物医学工程 生物医学工程
• 分析化学 分析化学
• 在瘤学瘤学.

背景情况:

• 急性白血病 (AL),包括急性髓性白血病 (AML) 和急性淋巴细胞白血病 (ALL),是一种关键的血液恶性瘤,需要早期检测才能有效治疗.
• 目前对AL的诊断方法,包括血液检测,骨髓吸收,成像和脑脊液分析,往往是侵入性的,昂贵的和耗时的.
• 液体活检,利用血清等生物液体,为癌症检测和监测提供了一个微创的替代方案,表面增强拉曼光谱 (SERS) 成为一种高度敏感的技术.

研究的目的:

• 开发和验证基于SERS的液体活检方法,用于准确分类AML和ALL亚型.
• 评估这种SERS方法在预测AML和ALL的复发方面的能力.
• 评估机器学习算法在分析SERS光谱中的有效性,以用于诊断和预后.

主要方法:

• 从健康个体 (n=24),AML患者 (n=43) 和ALL患者 (n=18) 的血清样本使用SERS与基于Ag的基质进行了分析.
• 阶层集群分析 (HCA) 用于初始的光谱集群.
• 支持矢量机 (SVM),随机森林 (RF) 和k-近邻 (kNN) 机器学习分类器被用于光谱分类和复发预测.

主要成果:

• 随机森林 (RF) 分类器实现了最高的准确率:96.1%用于分类三个组 (健康,AML,ALL).
• 射频分类器在预测AML复发方面表现出95.5%的准确性,在预测ALL复发方面表现出98.5%的准确性.
• 该研究成功地区分了AL亚型,并使用基于SERS的血清分析预测了疾病复发.

结论:

• 基于SERS的液体活检与机器学习算法的集成为诊断AML和ALL提供了强大而准确的工具.
• 这种非侵入性方法通过精确的亚型分化和疾病复发的新型预后,显著推进了血液恶性瘤诊断.
• 开发的SERS-ML方法在改善急性白血病患者管理和治疗策略方面具有重大前景.