Molekulární spektrální screening séra na hematogenní metastázy založený na SERS

Přestože moderní medicína dosáhla významného pokroku v diagnostice a léčbě rakoviny plic, většina pacientů je diagnostikována v lokálně pokročilém stádiu nebo se vzdálenými metastázami, zejména v pozdních stádiích, kdy se rakovina rozšířila do dalších orgánů prostřednictvím hematogenních metastáz. To nejen významně zvyšuje míru přežití pacientů, ale také zvyšuje složitost a obtížnost léčby. Hematogenní metastázy hrají důležitou roli v klinické progresi karcinomu plic, jejich složité biologické procesy představují obrovskou výzvu pro klinickou léčbu. Včasná detekce hematogenních metastáz je obtížná a tradiční zobrazovací metody mají omezenou senzitivitu při detekci malých metastatických lézí. Vznikající technologie cirkulujících nádorových buněk (CTC) byla v klinické aplikaci omezena kvůli vysokým nákladům na detekci a technickým požadavkům. Proto je výzkum a vývoj vysoce citlivých, vysoce specifických, jednoduchých, snadno popularizovatelných a levných technologií k predikci rizika hematogenních metastáz rakoviny plic zásadní pro včasnou diagnostiku a přesnější léčbu. Ramanova spektroskopie (RS), neinvazivní a vysoce specifická molekulární detekční technologie, dokáže detekovat v biomolekulách, jako jsou proteiny, nukleové kyseliny, lipidy a cukry související s metabolismem nádorů v biologických vzorcích na molekulární úrovni. Surface-enhanced R spectroscopy (SERS), vyvinutá na základě této technologie, je jednou z proveditelných metod pro vysoce citlivou biomolekulární analýzu. Přestože technologie SERS prokázala diagnostické výsledky v četných preklinických studiích různých nádorů, je omezena malou velikostí vzorků a postrádá externí validaci. Proto jsou potřebné klinické studie diagnostiky nádorů Ramanova spektroskopie s následujícími požadavky: 1. Jsou zapotřebí objektivní, rychlé a praktické metody zpracování dat Ramanovy spektroskopie a metody hlubokého učení mohou být nejlepšími klasifikačními metodami; 2. K trénování diagnostických modelů hlubokého učení jsou zapotřebí multicentrické klinické vzorky s velkým počtem vzorků a výkon v reálném světě by měl být validován prostřednictvím externích dat z prospektivních studií. V předchozí studii výzkumníci shromáždili data z Ramanovy spektroskopie v séru od kohorty 23 pacientů s plicními malignitami a vyvinuli inteligentní Ramanův diagnostický systém pro hematogenní metastázy u nemalobuněčného karcinomu plic (NSCLC) založený na modelech učení s mírou přesnosti 95 %. K získání nejvyšší úrovně klinických důkazů a skutečnému dosažení klinické translace je cílem tohoto prospektivního multicentrického klinického systému ověřit použití tohoto inteligentního diagnostického systému pro včasnou diagnostiku hematogenních metastáz u NSCLC.