Op SERS gebaseerde moleculaire spectrale screening op serum voor hematogene metastasen

Hoewel de moderne geneeskunde aanzienlijke vooruitgang heeft geboekt bij de diagnose en behandeling van longkanker, worden de meeste patiënten gediagnosticeerd in een lokaal gevorderd stadium of met metastasen op afstand, vooral in de late stadia waarin de kanker zich via hematogene metastasen naar andere organen heeft verspreid. Dit verhoogt niet alleen de overlevingskans van patiënten aanzienlijk, maar vergroot ook de complexiteit en moeilijkheidsgraad van de behandeling. Hematogene metastase speelt een belangrijke rol in de klinische progressie van longkanker; de complexe biologische processen ervan vormen een enorme uitdaging voor de klinische behandeling. Vroege detectie van hematogene metastasen is moeilijk en traditionele beeldvormingsmethoden hebben een beperkte gevoeligheid bij het detecteren van kleine metastatische laesies. De opkomende technologie van circulerende tumorcellen (CTC's) is beperkt in klinische toepassing vanwege de hoge detectiekosten en technische vereisten. Daarom is het onderzoeken en ontwikkelen van hooggevoelige, hoge specificiteit, eenvoudige, gemakkelijk te populariseren en goedkope technologieën om het risico op hematogene metastasen van longkanker te voorspellen cruciaal voor een vroege diagnose en een nauwkeurigere behandeling. Raman-spectroscopie (RS), een niet-invasieve en zeer specifieke moleculaire detectietechnologie, kan in biomoleculen zoals eiwitten, nucleïnezuren, lipiden en suikers detecteren die verband houden met het tumormetabolisme in biologische monsters op moleculair niveau. Surface-enhanced R-spectroscopie (SERS), ontwikkeld op basis van deze technologie, is een van de haalbare methoden voor hooggevoelige biomoleculaire analyse. Hoewel de SERS-technologie diagnostische resultaten heeft opgeleverd in talrijke preklinische onderzoeken naar verschillende tumoren, wordt deze beperkt door kleine steekproefomvang en ontbeert externe validatie. Daarom zijn klinische onderzoeken naar de diagnose van tumoren Raman-spectroscopie nodig, met de volgende vereisten: 1. Er zijn objectieve, snelle en praktische gegevensverwerkingsmethoden voor Raman-spectroscopie nodig, en diepgaande leermethoden kunnen de beste classificatiemethoden zijn; 2. Er zijn multicenter klinische monsters met grote steekproeven nodig om diepgaande diagnostische modellen te trainen, en de prestaties in de echte wereld moeten worden gevalideerd door middel van externe gegevens uit prospectieve onderzoeken. In een eerdere studie verzamelden de onderzoekers serum Raman-spectroscopiegegevens van een cohort van 23 patiënten met longmaligniteiten en ontwikkelden ze een intelligent Raman-diagnostisch systeem voor hematogene metastasen bij niet-kleincellige longkanker (NSCLC) op basis van leermodellen, met een nauwkeurigheidsgraad van 95%. Om het hoogste niveau van klinisch bewijs te verkrijgen en daadwerkelijk klinische vertaling te bereiken, heeft dit prospectieve, multicenter klinische doel het valideren van het gebruik van dit intelligente diagnostische systeem voor vroege diagnose van hematogene metastasen bij NSCLC.