基于血清的SERS定制的3D结构的制造用于甲状腺癌诊断
Sunwoo Park1, Yeongsu Jo2, Sung-Jo Kim3
1Department of Nanoenergy Engineering, Pusan National University, Busan, 46241, Republic of Korea.
Scientific reports
|July 2, 2025
概括
这项研究介绍了一种使用3D金纳米集群和机器学习检测甲状腺癌的新方法. 该技术分析血清代谢物,为生物标志物依赖的诊断方法提供了一个有希望的替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 纳米技术 纳米技术
- 癌症的诊断 癌症的诊断
背景情况:
- 早期发现甲状腺癌显著提高了生存率.
- 精细针吸入细胞学,目前的标准,有诊断的局限性.
- 发现甲状腺癌的生物标志物已证明具有挑战性,需要使用替代诊断方法.
研究的目的:
- 开发一种新的,生物标志物独立的甲状腺癌诊断方法.
- 为了利用3D金纳米集群和表面增强拉曼散射 (SERS) 进行血清代谢物分析.
- 应用机器学习来从SERS光谱对甲状腺癌进行分类.
主要方法:
- 使用基于蒸发的3D打印技术制造3D金纳米集群.
- 从50名甲状腺癌患者和50名健康个体的血清样本收集SERS光谱.
- 使用1D和2D卷积神经网络 (CNN) 架构分析SERS光谱.
主要成果:
- 2D CNN模型在分类甲状腺癌方面取得了高性能.
- 使用2D CNN.获得了93.1%的灵敏度和84.0%的特异性.
- 这项研究表明了代谢物分析在甲状腺癌诊断方面的潜力.
结论:
- 基于3D黄金纳米集群的SERS分析与机器学习相结合,为甲状腺癌诊断提供了一种可行的方法.
- 这种方法绕过了对特定生物标志物的需求,解决了当前诊断的关键局限性.
- 使用3D纳米集群的SERS方法可能适用于诊断其他疾病.
