Étude clinique prospective multicentrique du système intelligent de spectroscopie Raman sérique pour le diagnostic du cancer de la prostate

À l'heure actuelle, l'outil de dépistage clinique le plus couramment utilisé est basé sur l'examen de l'antigène spécifique de la prostate (APS). Étant donné que le PSA est un marqueur spécifique à un tissu plutôt qu'un marqueur spécifique à une tumeur, il a une faible spécificité et sensibilité pour le cancer de la prostate. Bien qu'il ait été prouvé que ces modèles de diagnostic liés au PSA (PHI, 4Kscore) améliorent la sensibilité et la spécificité du diagnostic précoce du cancer de la prostate, ils ne répondent toujours pas aux exigences d'un diagnostic précis. Par conséquent, il est extrêmement important de développer un outil de diagnostic avec une spécificité, une sensibilité et une précision supérieures dans la stratégie actuelle de dépistage des tumeurs de la prostate.

La spectroscopie Raman (Raman Spectrum, RS) en tant que technologie non invasive et à haute spécificité de la technologie de détection moléculaire des matériaux, peut être obtenue au niveau moléculaire, donc sensible pour détecter les échantillons biologiques liés au métabolisme tumoral, les protéines, les acides nucléiques, les lipides et la composition en sucre de bio -changements de molécules. Comme l'ont souligné les scientifiques dans une littérature publiée dans les " revues de la société chimique " en 2020, bien que la technologie SERS ait montré une bonne efficacité diagnostique dans de nombreuses études précliniques sur de multiples tumeurs, elle est limitée à une taille d'échantillon généralement petite et manque de validation externe. Pour cela, une étude clinique des spectres Raman pour le diagnostic des tumeurs est nécessaire, qui répond aux exigences suivantes : 1. Une application objective, rapide et pratique du traitement des données spectrales Raman est nécessaire et la méthode d'apprentissage en profondeur peut être la meilleure méthode de classification ; 2. Il nécessite des échantillons cliniques multicentriques et volumineux pour former un modèle de diagnostic d'apprentissage en profondeur et vérifier sa véritable efficacité grâce à des données externes d'études prospectives.

Dans notre étude préliminaire, nous avons collecté des données de spectres Raman à partir d'une grande cohorte de 2899 patients et construit un système de diagnostic intelligent Raman basé sur le modèle CNN. Le système de diagnostic intelligent a atteint une précision de 83 %. Afin d'obtenir le plus haut niveau de preuves cliniques et de réaliser véritablement la transformation clinique, cette étude clinique prospective multicentrique est conçue pour vérifier le système de diagnostic intelligent pour le diagnostic précoce du cancer de la prostate.