通过基于SERS的人工智能传感器促进过渡性缺血性攻击的早期诊断

科学领域:

• 生物标志物检测检测 生物标志物检测
• 纳米材料科学 科学 纳米材料科学
• 人工智能在医学中的应用

背景情况:

• 过渡性缺血性攻击 (TIA) 是缺血性中风的前体,需要早期检测以改善结果.
• 目前TIA的诊断方法缺乏足够的灵敏度和特异性.
• 确定TIA可靠的生物标志物对于及时干预和预后至关重要.

研究的目的:

• 开发一个高度敏感和特定的TIA检测平台,使用表面增强的拉曼散射 (SERS).
• 为了研究一种新的莲花叶/铜/二氧化/银多层膜SERS传感器的有效性.
• 评估各种智能算法的性能,以根据血清SERS光谱对TIA患者进行分类.

主要方法:

• 叶 (LL) /铜 (Cu) /二氧化 (SiO2) /银 (Ag) 多层膜SERS基板的制造.
• 针对特定的炎症标记物捕获的英尔路金-6 (IL-6) 涂层抗体 (Ab1) 的固定.
• 从TIA患者和健康对照 (HC) 收集血清样本.
• 使用光梯度增强机 (LightGBM),人工神经网络 (ANN),1D-CNN,BiLSTM,变压器和AlexNet4模型分析SERS光谱.

主要成果:

• 该SERS传感器成功地区分了TIA患者和健康对照组.
• 在区分TIA样本方面,LightGBM模型实现了99.64%的高精度.
• 所有评估的智能算法都显示分类准确度超过90.78%.
• 独立的样本测试证实了传感器的稳定性和概括能力,与临床诊断保持一致.

结论:

• 开发的SERS平台与深度学习相结合,为TIA识别提供了一种可行的方法.
• 这项技术在早期诊断中风方面具有重大潜力.
• 这项研究强调了先进的生物传感和机器学习在临床诊断中的承诺.