基于ATR-FTIR光谱和机器学习的妇科癌症的二进制分类,使用尿样
Francesco Vigo1,2, Alessandra Tozzi1,2, Flavio C Lombardo1,2
1Department of Biomedicine, University of Basel, Basel, Switzerland.
Clinical and experimental medicine
|May 9, 2025
概括
早期癌症检测具有挑战性,特别是对于妇科癌症. 这项研究表明,使用机器学习的液体尿液分析可以以超过91%的准确度检测癌症,识别关键的光谱标记物.
科学领域:
- 在瘤学瘤学.
- 生物化学 生物化学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 早期癌症诊断仍然是现代医学的一个重大挑战.
- 对子宫内膜和卵巢癌缺乏有效的查方法.
- 现有的查工具,如乳房影像和巴普检测在资源有限的环境中未得到充分利用.
研究的目的:
- 调查减弱总反射率-里埃变换红外光谱法 (ATR-FTIR) 在早期癌症检测方面的潜力.
- 开发和验证一种机器学习模型,根据液体尿液分析对癌症患者进行分类.
- 为了确定特定的光谱波长,表明癌症的存在.
主要方法:
- 使用ATR-FTIR光谱学分析309名患者的液体尿样.
- 机器学习算法的应用,用于分类的光谱数据.
- 识别与癌症相关的分辨波长.
主要成果:
- 在将癌症患者与健康个体区分开来时,获得了超过91%的分类准确度.
- 确定了在2093厘米-1和1774厘米-1.1的特定分辨波长.
- 这些波长显示了与瘤存在和进展的潜在相关性.
结论:
- 通过ATR-FTIR光谱法进行液体尿液分析,再加上机器学习,为癌症查提供了一个有前途,准确和具有成本效益的方法.
- 已识别的光谱标记物需要进一步研究它们在癌症诊断和监测中的作用.
- 这种方法可能会提高早期检测率,特别是对于妇科癌症.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:54Surface-enhanced Resonance Raman Scattering Nanoprobe Ratiometry for Detecting Microscopic Ovarian Cancer via Folate Receptor Targeting
Published on: March 25, 2019
8.1K
