血行性転移に対する SERS ベースの血清分子スペクトルスクリーニング

現代医学は肺がんの診断と治療において大きな進歩を遂げていますが、ほとんどの患者は局所進行期または遠隔転移、特にがんが血行性転移によって他の臓器に広がっている末期段階で診断されます。 これにより、患者の生存率が大幅に向上するだけでなく、治療の複雑さと難易度も高まります。 血行性転移は肺がんの臨床進行において重要な役割を果たしており、その複雑な生物学的プロセスは臨床管理にとって大きな課題となっています。 血行性転移の早期検出は困難であり、従来の画像法では小さな転移性病変の検出感度が限られています。 循環腫瘍細胞 (CTC) の新興技術は、検出コストが高く、技術的要件が高いため、臨床応用が制限されています。 したがって、血行性転移性肺がんのリスクを予測するための高感度、高特異度、シンプル、普及が容易、かつ低コストの技術を研究開発することは、早期診断とより正確な治療のために重要です。 ラマン分光法 (RS) は、非侵襲的で特異性の高い分子検出技術であり、生体サンプル中の腫瘍代謝に関連するタンパク質、核酸、脂質、糖などの生体分子を分子レベルで検出できます。 この技術をベースに開発された表面増強R分光法（SERS）は、生体分子の高感度分析に実現可能な手法の一つです。 SERS テクノロジーは、さまざまな腫瘍の多数の前臨床研究で診断結果を示していますが、サンプルサイズが小さいため限界があり、外部検証が不足しています。 したがって、以下の要件を備えた腫瘍ラマン分光法診断に関する臨床研究が必要とされています。 1. 客観的で迅速かつ実用的なラマン分光法データ処理方法が必要であり、深層学習法が最良の分類方法である可能性があります。 2. ディープラーニング診断モデルをトレーニングするには、多施設で大規模なサンプルの臨床サンプルが必要であり、前向き研究からの外部データを通じて現実世界のパフォーマンスを検証する必要があります。 以前の研究では、研究者らは肺悪性腫瘍患者23人のコホートから血清ラマン分光法データを収集し、学習モデルに基づいて非小細胞肺がん（NSCLC）の血行性転移に対するインテリジェントなラマン診断システムを開発した。 95%。 最高レベルの臨床証拠を取得し、真の臨床翻訳を達成するために、この前向きの多施設臨床では、NSCLC における血行性転移の早期診断におけるこのインテリジェント診断システムの使用を検証することを目的としています。