SERS-basert serum molekylær spektral screening for hematogen metastase

Selv om moderne medisin har gjort betydelige fremskritt i diagnostisering og behandling av lungekreft, diagnostiseres de fleste pasienter på lokalt avansert stadium eller med fjernmetastaser, spesielt i de sene stadiene hvor kreften har spredt seg til andre organer gjennom hematogen metastase. Dette gir ikke bare pasientenes overlevelse betydelig, men øker også kompleksiteten og vanskeligheten med behandlingen. Hematogen metastase spiller en viktig rolle i den kliniske progresjonen av lungekreft, dens komplekse biologiske prosesser utgjør en stor utfordring for klinisk behandling. Tidlig påvisning av hematogen metastase er vanskelig, og tradisjonelle avbildningsmetoder har begrenset følsomhet for å oppdage små metastatiske lesjoner. Den nye teknologien for sirkulerende tumorceller (CTC) har vært begrenset i klinisk anvendelse på grunn av høye deteksjonskostnader og tekniske krav. Derfor er forskning og utvikling av høysensitivitet, høyspesifisitet, enkel, lett-å-popularisere og rimelige teknologier for å forutsi risikoen for hematogen metastase i lungekreft avgjørende for tidlig diagnose og mer presis behandling. Raman-spektroskopi (RS), en ikke-invasiv og svært spesifikk molekylær deteksjonsteknologi, kan oppdage i biomolekyler som proteiner, nukleinsyrer, lipider og sukker relatert til tumormetabolisme i biologiske prøver på molekylært nivå. Overflateforbedret R-spektroskopi (SERS), utviklet basert på denne teknologien, er en av de gjennomførbare metodene for høysensitiv biomolekylær analyse. Selv om SERS-teknologi har vist diagnostiske resultater i en rekke prekliniske studier av ulike svulster, er den begrenset av små prøvestørrelser og mangler ekstern validering. Derfor er det nødvendig med kliniske studier på diagnostisering av svulster Raman-spektroskopi, med følgende krav: 1. Objektive, raske og praktiske databehandlingsmetoder for Raman-spektroskopi er nødvendig, og dyplæringsmetoder kan være de beste klassifiseringsmetodene; 2. Multisenter, store utvalgte kliniske prøver er nødvendig for å trene dyplæringsdiagnostiske modeller, og ytelse i den virkelige verden bør valideres gjennom eksterne data fra prospektive studier. I tidligere studie samlet etterforskerne serum Raman-spektroskopidata fra en kohort på 23 pasienter med lungekreft og utviklet et intelligent Raman-diagnosesystem for hematogen metastasering ved ikke-småcellet lungekreft (NSCLC) basert på læringsmodeller, med en nøyaktighetsrate på 95 %. For å oppnå det høyeste nivået av klinisk bevis og virkelig oppnå klinisk oversettelse, har denne potensielle multisenterklinikken som mål å validere bruken av dette intelligente diagnosesystemet for tidlig diagnose av hematogen metastase ved NSCLC.