整合机器学习和SERS技术,从血样本精确分类和诊断结肠癌
Jingbo Chen1, Peipei Xu2, Wenjing Ma2
1Department of Oncology, Shengli Clinical Medical College of Fujian Medical University, Fujian Provincial Hospital, Fuzhou University Affiliated Provincial Hospital, Fuzhou 350001, China.
Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
|September 13, 2025
概括
使用表面增强拉曼光谱 (SERS) 和机器学习的新型液体活检可以准确检测结直肠癌. 这种基于SERS的方法为早期癌症查提供了一种有希望的非侵入性方法.
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:
- 目前结直肠癌诊断面临的局限性包括侵入性,高成本和可访问性问题.
- 需要无标签检测方法来克服癌症查中的这些挑战.
- 表面增强拉曼光谱 (SERS) 显示了敏感分子检测的潜力.
研究的目的:
- 开发和验证基于SERS的液体活检平台,用于无标签的结直肠癌检测.
- 整合机器学习,从健康个体准确分类结直肠癌患者.
- 为临床应用建立一个标准化和可重复的SERS机器学习框架.
主要方法:
- 用银纳米粒子功能化的细菌纤维素基质被合成用于SERS信号增强.
- 20名结肠直肠癌患者和20名健康志愿者的血样本使用SERS进行了分析.
- 用4 - 默卡波皮里丁作为信号校准的内部标准,以确保可重现性.
- 机器学习模型 (决策树,KNN,随机森林,SVM) 用于数据分析和分类.
主要成果:
- 该SERS平台展示了从血样本中增强的信号检测.
- 所有机器学习模型都实现了超过86.25%的分类精度.
- 支持矢量机 (SVM) 模型在区分结直肠癌患者与健康对照患者方面达到100%的准确性.
结论:
- 开发的SERS机器学习框架为结直肠癌检测提供了一个临床上有前途的,无标签的方法.
- 这种综合系统有助于快速查癌症,并支持精确瘤学的进步.
- 建议对更大的患者队伍进行进一步验证,以确认这些发现.
