Spektralne molekularne badanie przesiewowe surowicy w oparciu o SERS w kierunku łagodnych i złośliwych guzków proliferacyjnych płuc (SERS on lung)

W 2020 r. na całym świecie odnotowano około 19,3 mln nowych przypadków raka i prawie 10 mln zgonów z powodu nowotworów. Wśród nich liczba nowych przypadków raka płuc wyniosła około 2,21 mln, co stanowiło 11,4% ogólnej liczby nowych przypadków nowotworów. Liczba zgonów z powodu raka płuc wynosiła około 1,8 miliona, co plasowało się na pierwszym miejscu wśród zgonów z powodu nowotworów. W tym roku liczba nowych przypadków raka płuc w Chinach wyniosła 816 000, co stanowi 37% całkowitej liczby przypadków na świecie. W 2022 r. ostatnia liczba przypadków raka płuc w Chinach wzrosła do 1,0606 mln, a liczba zgonów z powodu raka płuc wyniosła 733 tys. Jeśli chodzi o wskaźnik przeżycia 5-letniego pacjentów z rakiem płuc, dane opublikowane w 2018 r. w Chinach (2012–2015) wyniosły 19,7%, co nadal stanowi dużą różnicę w stosunku do ogólnego wskaźnika 5-letniego przeżycia chorych na raka płuc, który do 2030 r. wyniesie 46,6%. zaproponowane w „Planie wdrażania działań na rzecz zapobiegania i kontroli raka na rzecz zdrowych Chin (2023–2030)”. Rokowanie w przypadku raka płuc na różnych etapach jest zupełnie inne. Wskaźnik przeżycia 5-letniego raka płuc w stadium I wynosi 77–92%, a wskaźnik przeżycia 5-letniego raka płuc w stadium IIIA–IVB wynosi 0–36%. Dlatego wczesna diagnostyka i leczenie raka płuca jest kluczem do poprawy wskaźnika 5-letniego przeżycia chorych na raka płuca i poprawy rokowania pacjentów. Jednakże większość pacjentów z rakiem płuca w momencie rozpoznania jest już w późnym stadium raka płuc i stracili szansę na radykalne leczenie. Głównym powodem jest to, że działania w zakresie profilaktyki pierwotnej i wtórnej nie są wykonywane w wystarczającym stopniu. Konieczne jest opracowanie zaawansowanych technologii i włączenie ich do konsensusowych wytycznych dla szerokiej promocji.

Guzki płucne są wczesnym objawem raka płuc. Wraz z upowszechnieniem się badań przesiewowych CT klatki piersiowej w badaniach przedmiotowych, w badaniach przedmiotowych stwierdza się coraz większą liczbę guzków płuc, w tym różnego rodzaju małych guzków, takich jak zmiany zapalne, zmiany nowotworowe łagodne i zmiany nowotworowe złośliwe. Aby zidentyfikować tego typu guzki, lekarze często oceniają dwuwymiarowe cechy obrazowania guzków na podstawie własnego doświadczenia, takie jak średnica płaska, obecność zadziorów, płatów, zwapnień i inne cechy, aby ocenić prawdopodobieństwo złośliwości płuca. guzków, jednak dokładność oceny guzków łagodnych i złośliwych w ten sposób jest ściśle powiązana z doświadczeniem i stażem pracy lekarzy, a różni lekarze mają różną ocenę tych samych guzków. Obecnie nie ma jednolitego konsensusu w sprawie diagnostyki i strategii leczenia guzków płuc zalecanych w wielu międzynarodowych wytycznych. W placówkach zarządzania zdrowiem publicznym opracowanie i wdrożenie kompleksowego programu badań przesiewowych w kierunku guzków płuc jest zadaniem złożonym i wymagającym. Badanie i proponowanie technologii badań przesiewowych w kierunku raka płuc o wysokiej czułości i swoistości, a także prostych, łatwych w popularyzacji i tanich jest nieodzowną częścią systemu opieki zdrowotnej. Ponadto, ze względu na niespójność wytycznych dotyczących diagnostyki i strategii leczenia guzków płuc, w praktyce klinicznej powszechne jest również zjawisko naddiagnostyki i leczenia guzków płuc. Jak uniknąć nadmiernej diagnozy i leczenia wymaga większej uwagi. Dlatego naszym obowiązkiem jest aktywnie poprawiać dokładność przewidywania raka guzków płuc, zmniejszać częstość nadmiernej diagnostyki i leczenia oraz zwiększać odsetek wczesnych interwencji w przypadku raka płuc. Wśród istniejących metod przesiewowych w kierunku wczesnego raka płuc badania laboratoryjne (zwłaszcza z wykorzystaniem biopsji krwi, moczu lub innych płynnych biopsji) są tanią, nieinwazyjną i łatwo powtarzalną metodą wczesnego przewidywania w porównaniu z obrazowaniem lub badaniami histopatologicznymi, poprzez wykrywanie specyficznych biomarkery nowotworowe, takie jak krążący DNA nowotworu, białka, metabolity nowotworu, a nawet egzosomy pochodzące z komórek i krążące komórki nowotworowe. Jednakże nadal istnieje wiele wyzwań, do których należą: 1) Brak skutecznych i dostępnych powszechnie biomarkerów nowotworowych raka płuc; 2) Nie ma prostej i wykonalnej metody wykrywania raka, szczególnie w fazie bezobjawowej; 3) Nie ma kompleksowej platformy analitycznej dla dużych zbiorów danych umożliwiającej rozróżnienie populacji zdrowych od populacji chorych na raka płuc.

Spektroskopia Ramana (RS) to nieinwazyjna i wysoce specyficzna technologia wykrywania molekularnego materiałów, którą można uzyskać na poziomie molekularnym, aby z czułością wykrywać zmiany w biomolekułach składających się z białek, kwasów nukleinowych, lipidów i cukrów, związanych z metabolizmem nowotworu w próbkach biologicznych. Opracowana w oparciu o tę technologię spektroskopia Ramana ze wzmocnieniem powierzchniowym (SERS) jest jedną z możliwych metod wykorzystania bardzo czułej technologii analizy biomolekularnej. Chociaż technologia SERS wykazała dobre efekty diagnostyczne w dużej liczbie badań przedklinicznych dotyczących nowotworów mnogich, jej ograniczenia wynikają z ogólnie małej wielkości próby i braku zewnętrznej weryfikacji. W związku z powyższym istnieje konieczność przeprowadzenia badań klinicznych nad zastosowaniem spektroskopii Ramana w diagnostyce nowotworów, które spełniają następujące wymagania: 1. Wymagane są obiektywne, szybkie i praktyczne metody przetwarzania danych ze spektroskopii Ramana, przy czym najlepsze mogą okazać się metody maszynowe i głębokiego uczenia się metody klasyfikacji; 2. Do szkolenia modeli diagnostycznych głębokiego uczenia potrzebne są wieloośrodkowe, wielkopróbowe próby kliniczne, a ich rzeczywista skuteczność jest weryfikowana na podstawie danych zewnętrznych z badań prospektywnych.

W naszym poprzednim badaniu zebraliśmy dane ze spektroskopii Ramana w surowicy od kohorty 191 pacjentów z guzkami płuc i zbudowaliśmy inteligentny system diagnostyki Ramana łagodnych i złośliwych guzków płuc w oparciu o model uczenia maszynowego. Dokładność tego inteligentnego systemu diagnostycznego osiągnęła 89,7%. Aby uzyskać najwyższy poziom dowodów klinicznych i rzeczywiście osiągnąć transformację kliniczną, to prospektywne, wieloośrodkowe badanie kliniczne ma na celu weryfikację zastosowania tego inteligentnego systemu diagnostycznego do wczesnej diagnostyki złośliwych guzków płucnych.