Молекулярно-спектральный скрининг сыворотки на основе SERS на предмет выявления доброкачественных и злокачественных легочных пролиферативных узлов (SERS on lung)

В 2020 году во всем мире было зарегистрировано около 19,3 миллиона новых случаев рака и почти 10 миллионов случаев смерти от рака. Среди них число новых случаев рака легких составило примерно 2,21 миллиона, что составляет 11,4% от общего числа новых случаев рака. От рака легких умерло около 1,8 миллиона человек, занимая первое место среди случаев смерти от рака. В том году число новых случаев рака легких в Китае составило 816 000, что составляет 37% от общего числа случаев в мире. В 2022 году последнее число случаев рака легких в Китае увеличилось до 1,0606 миллиона, а число смертей от рака легких составило 733 000. Что касается 5-летней выживаемости больных раком легких, данные, опубликованные в 2018 году в Китае (2012-2015 годы), составили 19,7%, что по-прежнему является большим отрывом от общего показателя 5-летней выживаемости при раке, составляющего 46,6% к 2030 году. предложено в «Плане реализации действий по профилактике рака и борьбе с ним «Здоровый Китай» (2023-2030 гг.)». Прогноз рака легких на разных стадиях весьма различен. Пятилетняя выживаемость при раке легких I стадии составляет 77–92%, а 5-летняя выживаемость при раке легких стадии IIIA–IVB составляет 0–36%. Поэтому ранняя диагностика и лечение рака легких являются ключом к повышению 5-летней выживаемости при раке легких и улучшению прогноза пациентов. Однако большинство пациентов с раком легких на момент постановки диагноза уже находятся на поздней стадии рака легких и упускают возможность радикального лечения. Основная причина заключается в том, что работа по первичной и вторичной профилактике проводится недостаточно. Необходимо развивать передовые технологии и интегрировать их в консенсусные руководящие принципы для широкого продвижения.

Легочные узелки являются ранними проявлениями рака легких. С популяризацией скрининга КТ грудной клетки при физическом осмотре при физическом осмотре обнаруживается все больше и больше узлов в легких, включая различные типы небольших узлов, таких как воспалительные поражения, доброкачественные опухолевые поражения и злокачественные опухолевые поражения. Чтобы идентифицировать эти типы узлов, врачи часто оценивают особенности двумерной визуализации узлов на основе своего личного опыта, например, диаметр плоскости, наличие заусенцев, долей, кальцификацию и другие особенности, чтобы оценить вероятность злокачественного новообразования легкого. узелки, но точность оценки доброкачественных и злокачественных узлов таким образом тесно связана с опытом и стажем врачей, и разные врачи имеют разные суждения об одних и тех же узлах. В настоящее время не существует единого консенсуса относительно стратегии диагностики и лечения узлов в легких, рекомендованной многочисленными международными консенсусными рекомендациями. В учреждениях общественного здравоохранения разработка и внедрение комплексной программы скрининга узлового рака легких является сложной и сложной задачей. Исследование и предложение высокочувствительных и высокоспецифичных, а также простых, доступных и недорогих технологий скрининга рака легких является неотъемлемой частью системы здравоохранения. Кроме того, из-за несогласованности рекомендаций по диагностике и стратегии лечения узлов в легких в клинической практике также распространено явление гипердиагностики и лечения узлов в легких. Как избежать гипердиагностики и лечения требует большего внимания. Поэтому мы обязаны активно повышать точность прогнозирования узелкового рака легких, снижать уровень гипердиагностики и лечения, а также увеличивать частоту раннего вмешательства при раке легких. Среди существующих методов скрининга раннего рака легких лабораторные исследования (особенно использование крови, мочи или других жидких биопсий) являются дешевым, неинвазивным и легко воспроизводимым методом раннего прогнозирования по сравнению с визуализацией или гистопатологическими исследованиями, путем выявления специфических биомаркеры рака, такие как циркулирующая опухолевая ДНК, белки, метаболиты рака и даже экзосомы клеточного происхождения и циркулирующие опухолевые клетки. Однако остается еще много проблем, в том числе: 1) не существует эффективных и распространенных опухолевых биомаркеров рака легких; 2) Не существует простого и осуществимого метода выявления рака, особенно на бессимптомной стадии; 3) Не существует комплексной аналитической платформы для больших наборов данных, позволяющей различать здоровые популяции и популяции больных раком легких.

Рамановская спектроскопия (РС) — это неинвазивная и высокоспецифичная технология молекулярного обнаружения материалов, которую можно получить на молекулярном уровне для чувствительного обнаружения изменений в биомолекулах, состоящих из белков, нуклеиновых кислот, липидов и сахаров, связанных с метаболизмом опухоли в биологических образцах. Поверхностно-усиленная рамановская спектроскопия (SERS), разработанная на основе этой технологии, является одним из возможных методов высокочувствительной технологии биомолекулярного анализа. Хотя технология SERS показала хорошие диагностические эффекты в большом количестве доклинических исследований множественных опухолей, она ограничена, как правило, небольшим размером выборки и отсутствием внешней проверки. Поэтому необходимо провести клинические исследования по использованию рамановской спектроскопии для диагностики опухолей, отвечающие следующим требованиям: 1. Требуются объективные, быстрые и практичные методы обработки данных рамановской спектроскопии, причем лучшими могут быть методы машинного и глубокого обучения. методы классификации; 2. Для обучения диагностических моделей глубокого обучения необходимы многоцентровые клинические выборки с большой выборкой, а их истинная эффективность подтверждается внешними данными проспективных исследований.

В нашем предыдущем исследовании мы собрали данные рамановской спектроскопии сыворотки крови у группы из 191 пациента с легочными узлами и создали интеллектуальную рамановскую систему диагностики доброкачественных и злокачественных легочных узлов на основе модели машинного обучения. Точность этой интеллектуальной системы диагностики достигла 89,7%. Чтобы получить высочайший уровень клинических данных и действительно добиться клинической трансформации, это проспективное многоцентровое клиническое исследование направлено на проверку использования этой интеллектуальной диагностической системы для ранней диагностики злокачественных легочных узлов.