基于多重激光诱导的石墨烯免疫传感器的机器学习辅助多模式肺癌早期查
Yongsheng Cai1,2, Lihui Ke1,2, Anxu Du2
1Key Laboratory of Biomechanics and Mechanobiology, Ministry of Education, Beijing Advanced Innovation Center for Biomedical Engineering, School of Engineering Medicine, Beihang University, Beijing 100191, China.
ACS nano
|July 11, 2025
概括
这项研究引入了一种用于早期肺癌检测的新型多式联络平台,集成激光诱导的石墨烯免疫传感器和机器学习. 这种先进的系统显著提高了诊断准确度,为及时干预提供了一个有前途的工具.
科学领域:
- 生物医学工程 生物医学工程
- 在瘤学瘤学.
- 纳米技术纳米技术
背景情况:
- 肺癌是全球癌症死亡的主要原因,通常在晚期被诊断出来.
- 目前的查方法,如低剂量CT,对早期检测的灵敏度和特异性有局限性.
研究的目的:
- 开发和验证肺癌多式早期查平台.
- 通过整合蛋白质组,成像和临床数据来提高诊断准确性.
主要方法:
- 开发一个多重激光诱导的石墨烯 (LIG) 免疫传感器,同时检测四种肺癌生物标志物:神经元特异性酶 (NSE),癌胚抗原 (CEA),p53和SOX2.
- 整合LIG免疫传感器蛋白质数据与基于深度学习的CT成像功能和临床数据.
- 创建一个用于肺癌诊断的多式预测模型.
主要成果:
- 针对瘤标志物,LIG免疫传感器实现了低检测极限 (LOD),低至1.62 pg/mL.
- 多式预测模型表现出高诊断性能,曲线下的面积 (AUC) 为0.936.
- 多式调节方法显著优于单式调节查方法.
结论:
- 开发的多式联络平台为早期肺癌检测提供了一个变革性的解决方案.
- 这项技术显示出具有成本效益和准确查的潜力,特别是在资源有限的环境中.
- 该平台为瘤学的精密医学提供技术支持.
