Detección espectral molecular sérica basada en SERS para nódulos proliferativos pulmonares benignos y malignos (SERS on lung)

En 2020, hubo aproximadamente 19,3 millones de nuevos casos de cáncer y casi 10 millones de muertes por cáncer en todo el mundo. Entre ellos, el número de nuevos casos de cáncer de pulmón fue de aproximadamente 2,21 millones, lo que representa el 11,4% del número total de nuevos casos de cáncer. Hubo aproximadamente 1,8 millones de muertes por cáncer de pulmón, ocupando el primer lugar entre las muertes por cáncer. Ese año, el número de nuevos casos de cáncer de pulmón en China fue de 816.000, lo que representa el 37% del total mundial. En 2022, el último número de casos de cáncer de pulmón en China aumentó a 1,0606 millones y el número de muertes por cáncer de pulmón fue de 733.000. En términos de la tasa de supervivencia a 5 años de los pacientes con cáncer de pulmón, los datos publicados en 2018 en China (2012-2015) fueron del 19,7%, lo que sigue siendo una gran brecha con respecto a la tasa general de supervivencia a 5 años del cáncer del 46,6% para 2030. propuesto en el “Plan de Implementación de Acción de Prevención y Control del Cáncer de Acción China Saludable (2023-2030)”. El pronóstico del cáncer de pulmón en diferentes etapas es bastante diferente. La tasa de supervivencia a 5 años del cáncer de pulmón en estadio I es del 77% al 92%, y la tasa de supervivencia a 5 años del cáncer de pulmón en estadio IIIA-IVB es del 0 al 36%. Por lo tanto, el diagnóstico y tratamiento tempranos del cáncer de pulmón es la clave para mejorar la tasa de supervivencia a 5 años del cáncer de pulmón y mejorar el pronóstico de los pacientes. Sin embargo, la mayoría de los pacientes con cáncer de pulmón ya se encuentran en la última etapa del cáncer de pulmón cuando son diagnosticados y han perdido la oportunidad de un tratamiento radical. La razón principal es que el trabajo de prevención primaria y secundaria no se hace lo suficiente. Es necesario desarrollar tecnologías avanzadas e integrarlas en directrices consensuadas para una amplia promoción.

Los nódulos pulmonares son manifestaciones tempranas del cáncer de pulmón. Con la popularización de la exploración por TC de tórax en los elementos del examen físico, se encuentran cada vez más nódulos pulmonares en los exámenes físicos, incluidos varios tipos de nódulos pequeños, como lesiones inflamatorias, lesiones tumorales benignas y lesiones tumorales malignas. Para identificar estos tipos de nódulos, los médicos a menudo juzgan las características de imágenes bidimensionales de los nódulos basándose en su experiencia personal, como el diámetro del plano, si hay rebabas, lóbulos, calcificación y otras características para evaluar la probabilidad de malignidad del pulmón. nódulos, pero la precisión de juzgar los nódulos benignos y malignos de esta manera está estrechamente relacionada con la experiencia y la antigüedad de los médicos, y diferentes médicos tienen juicios diferentes sobre los mismos nódulos. En la actualidad, no existe un consenso unificado sobre las estrategias de diagnóstico y tratamiento de los nódulos pulmonares recomendadas por múltiples directrices de consenso internacional. En los centros de gestión de salud pública, el desarrollo y la implementación de un programa integral de detección del cáncer de pulmón con nódulos pulmonares es una tarea compleja y desafiante. Investigar y proponer tecnologías de detección del cáncer de pulmón de alta sensibilidad y alta especificidad, así como simples, fáciles de popularizar y de bajo costo, es una parte indispensable del sistema de salud. Además, debido a la inconsistencia de las pautas para el diagnóstico y las estrategias de tratamiento de los nódulos pulmonares, el fenómeno del sobrediagnóstico y tratamiento de los nódulos pulmonares también es común en la práctica clínica. Es necesario prestar más atención a cómo evitar el sobrediagnóstico y el tratamiento. Por lo tanto, es nuestra responsabilidad mejorar activamente la precisión de la predicción del cáncer de nódulo pulmonar, reducir la tasa de sobrediagnóstico y tratamiento y aumentar la tasa de intervención temprana en el cáncer de pulmón. Entre los métodos de detección existentes para el cáncer de pulmón temprano, las pruebas de laboratorio (especialmente el uso de sangre, orina u otras biopsias líquidas) son un método de predicción temprana de bajo costo, no invasivo y fácilmente repetible en comparación con los exámenes por imágenes o histopatológicos, al detectar biomarcadores del cáncer como el ADN tumoral circulante, proteínas, metabolitos del cáncer e incluso exosomas derivados de células y células tumorales circulantes. Sin embargo, todavía quedan muchos desafíos, entre ellos: 1) No existen biomarcadores tumorales eficaces y abundantes para el cáncer de pulmón; 2) No existe un método de detección del cáncer simple y factible, especialmente en la etapa asintomática; 3) No existe una plataforma de análisis integral para grandes conjuntos de datos para distinguir entre poblaciones sanas y con cáncer de pulmón.

La espectroscopia Raman (RS) es una tecnología de detección molecular de materiales no invasiva y altamente específica que se puede obtener a nivel molecular para detectar con sensibilidad cambios en biomoléculas compuestas de proteínas, ácidos nucleicos, lípidos y azúcares relacionados con el metabolismo tumoral en muestras biológicas. La espectroscopia Raman de superficie mejorada (SERS) desarrollada sobre la base de esta tecnología es uno de los métodos viables para la tecnología de análisis biomolecular altamente sensible. Aunque la tecnología SERS ha demostrado buenos efectos de diagnóstico en una gran cantidad de estudios preclínicos de múltiples tumores, está limitada por el tamaño de muestra generalmente pequeño y la falta de verificación externa. Por lo tanto, es necesario realizar investigaciones clínicas sobre el uso de la espectroscopia Raman para el diagnóstico de tumores, que cumplan con los siguientes requisitos: 1. Se requieren métodos de procesamiento de datos de espectroscopia Raman objetivos, rápidos y prácticos, y los métodos de aprendizaje profundo y automático pueden ser los mejores. métodos de clasificación; 2. Se necesitan muestras clínicas multicéntricas y de gran tamaño para entrenar modelos de diagnóstico de aprendizaje profundo, y su verdadera eficacia se verifica mediante datos externos de estudios prospectivos.

En nuestro estudio anterior, recopilamos datos de espectroscopía Raman sérica de una cohorte de 191 pacientes con nódulos pulmonares y construimos un sistema de diagnóstico inteligente Raman para nódulos pulmonares benignos y malignos basado en un modelo de aprendizaje automático. La precisión de este sistema de diagnóstico inteligente alcanzó el 89,7%. Para obtener el más alto nivel de evidencia clínica y lograr verdaderamente una transformación clínica, este estudio clínico prospectivo multicéntrico tiene como objetivo verificar el uso de este sistema de diagnóstico inteligente para el diagnóstico temprano de nódulos pulmonares malignos.