基于银纳米花簇SERS-AI联用的无创尿液代谢谱分析技术在结核病诊断中的突破性应用

本研究创新性地开发了银纳米花簇（SNBC）表面增强拉曼散射（SERS）传感器，通过机器学习算法实现结核病（TB）尿液标志物的高灵敏度（97%准确率）检测。该平台采用一步法合成的多孔纳米结构，兼具电磁场增强效应（"hot spots"）和高效分析物吸附能力，为POCT（床旁检测）提供了非侵入性、高通量诊断新策略。

　　

Highlight

本研究开发了纤维素醋酸基底上的银纳米花簇（SNBC）作为高性能无标记SERS平台，用于通过尿液样本实现结核病（TB）的无创检测与分类。通过SEM（扫描电镜）、TEM（透射电镜）、EELS（电子能量损失谱）和FDTD（时域有限差分）模拟等综合表征，证实了该密集堆积的多面体银纳米结构能产生强电磁热点，显著增强拉曼信号。SNBC基底展现出卓越的检测灵敏度，对模型分子甲基蓝（MB）的检测限低至10^-12 M，增强因子高达1.2×10⁸。

Conclusion

本研究成功构建了集成SNBC-SERS与人工智能（AI）的诊断系统，通过尿液代谢指纹实现了TB的精准分类（96.8%总体准确率）。该平台不仅能区分痰涂片阳性/阴性TB患者与健康人群，还鉴定出与TB相关的关键代谢物如脂阿拉伯甘露聚糖（LAM）和分枝菌酸。相较于传统培养法（耗时2-6周），该技术将诊断时间缩短至15分钟，为资源有限地区提供了革命性的POCT解决方案。