一种基于机器学习的拉曼光谱方法,用于非侵袭性乳腺炎的非侵袭性诊断
Yongqi Li1,2,3,4, Haoran Zhang1,2,3,4, Yining Jia1,2,3,4
1Breast Center, The Second Qilu Hospital of Shandong University, 247 Beiyuan St, Jinan, Shandong Province, 250033, People's Republic of China.
Analytical and bioanalytical chemistry
|January 16, 2026
概括
早期诊断非乳腺性乳腺炎 (NPM) 是非常重要的. 对外围血液单核细胞 (PBMC) 的拉曼光谱与机器学习相结合,为快速的NPM检测和分析提供了一种有前途的新方法.
科学领域:
- 生物医学光学 生物医学光学
- 分子诊断学 分子诊断
- 计算生物学 计算生物学
背景情况:
- 非毛囊性乳腺炎 (NPM) 的诊断需要及时和准确的方法.
- 周围血液单核细胞 (PBMC) 是关键的炎症媒介和潜在的生物标志物.
- 目前对PBMCs的检测方法需要改进,用于液体活检应用.
研究的目的:
- 研究拉曼光谱法,以鉴定NPM患者PBMC中的分子变化.
- 开发基于PBMC分析的机器学习模型来预测NPM.
- 探索PBMC液体活检在NPM诊断中的潜力.
主要方法:
- 从NPM患者和健康对照组中收集PBMC.
- 使用拉曼光谱分析PBMCs的分子概况.
- 应用机器学习算法 (PCA,LDA,PLSDA,SVM) 用于诊断建模.
主要成果:
- 拉曼光谱学成功地描述了PBMC中的分子变化.
- 机器学习模型实现了高诊断精度 (AUC > 0.93).
- 使用PBMC分析证明了区分NPM患者与对照者的可行性.
结论:
- 通过拉曼光谱的PBMC分析是NPM检测的可行方法.
- 使用PBMC,拉曼光谱和机器学习的液体活检显示了NPM的显著诊断潜力.
- 这种综合方法为早期NPM诊断和管理提供了新的机会.


