SERS-baserad serummolekylär spektral screening för hematogen metastasering

Även om modern medicin har gjort betydande framsteg i diagnostik och behandling av lungcancer, diagnostiseras de flesta patienter i ett lokalt framskridet stadium eller med avlägsna metastaser, särskilt i de sena stadierna där cancern har spridit sig till andra organ genom hematogen metastasering. Detta inte bara signifikant överlevnadsgraden för patienter utan ökar också komplexiteten och svårigheten med behandlingen. Hematogen metastasering spelar en viktig roll i den kliniska utvecklingen av lungcancer, dess komplexa biologiska processer utgör en enorm utmaning för klinisk hantering. Tidig upptäckt av hematogen metastasering är svår, och traditionella avbildningsmetoder har begränsad känslighet för att upptäcka små metastaserande lesioner. Den framväxande teknologin för cirkulerande tumörceller (CTC) har varit begränsad i klinisk tillämpning på grund av dess höga detektionskostnader och tekniska krav. Därför är forskning och utveckling av högkänslighet, hög specificitet, enkla, lätta att popularisera och lågkostnadsteknologier för att förutsäga risken för hematogen metastas i lungcancer avgörande för tidig diagnos och mer exakt behandling. Ramanspektroskopi (RS), en icke-invasiv och mycket specifik molekylär detektionsteknologi, kan detektera i biomolekyler som proteiner, nukleinsyror, lipider och socker relaterade till tumörmetabolism i biologiska prover på molekylär nivå. Ytförstärkt R-spektroskopi (SERS), utvecklad baserat på denna teknologi, är en av de möjliga metoderna för högkänslig biomolekylär analys. Även om SERS-teknologi har visat diagnostiska resultat i ett flertal prekliniska studier av olika tumörer, är den begränsad av små provstorlekar och saknar extern validering. Därför behövs kliniska studier om diagnos av tumörer Ramanspektroskopi, med följande krav: 1. Objektiva, snabba och praktiska databehandlingsmetoder för Ramanspektroskopi behövs, och metoder för djupinlärning kan vara de bästa klassificeringsmetoderna; 2. Multicenter kliniska prover med stora urval behövs för att träna diagnostiska modeller för djupinlärning, och verkliga prestanda bör valideras genom externa data från prospektiva studier. I tidigare studie samlade utredarna in serum Raman-spektroskopidata från en kohort av 23 patienter med lungmaligniteter och utvecklade ett intelligent Raman-diagnostiksystem för hematogen metastasering vid icke-småcellig lungcancer (NSCLC) baserat på inlärningsmodeller, med en noggrannhetsgrad på 95 %. För att erhålla den högsta nivån av kliniska bevis och verkligen uppnå klinisk översättning, syftar denna prospektiva, multicenterklinik till att validera användningen av detta intelligenta diagnostiska system för tidig diagnos av hematogen metastasering vid NSCLC.