通过自编码器-支持矢量-机器辅助无标签的差分SERS光谱对甲状腺切除术结果进行手术内评估
Tian-Yu Qiu1, Yan Ding1, Yao-Yu Huang2
1Department of Forensic Medicine, Nanjing Medical University, Nanjing 211166, P. R. China.
Nano letters
|June 30, 2025
概括
这项研究引入了一个快速的,无标签的差异表面增强拉曼光谱 (dSERS) 平台与人工智能用于手术内侧甲状腺切除术评估. 该技术准确地区分使用最小等离子体的完整切除和部分切除,指导精确的内分泌手术.
科学领域:
- 生物医学工程 生物医学工程
- 频谱学是一种光谱学.
- 人工智能在医学中的应用
背景情况:
- 在手术期间的指导对于手术成功和患者的结果至关重要.
- 当前在手术期间的监测方法往往不可靠,这构成了挑战.
- 准确评估副甲状腺切除术对于预防并发症至关重要.
研究的目的:
- 开发一个快速的,无标签的平台,用于实时对甲状腺切除术结果进行手术内评估.
- 在手术期间区分完全和部分副甲状腺切除.
- 为指导精密内分泌外科手术提供一种变革性的工具.
主要方法:
- 开发一个自编码器支持向量机器 (SVM) 辅助的无标签差异面增强拉曼光谱 (dSERS) 平台.
- 使用2μL的未经处理的血进行分析.
- 采用差异光谱分析,比较术后和术前的光谱.
- 在16分钟内实时区分.
主要成果:
- 该平台在内部测试组中获得了95.8%的准确性,在独立验证队列 (n=144和33个光谱) 中获得了79%的准确性.
- 通过利用差异光谱分析,有效地将个体变异性降到最低.
- 扩大外科手术诱导的分子变化,以改善检测.
- 证明了快速,微升尺度的样本需求.
结论:
- 无标签的dSERS-人工智能平台为手术内外科手术指导提供了一种变革性的方法.
- 该平台可以快速准确地评估副甲状腺切除术的结果.
- 这项技术有可能显著提高内分泌外科手术的精度.
