《Analytica Chimica Acta》：Non-Destructive Classification of Type 2 Diabetic Teeth Using LIBS-Derived Elemental Biomarkers and Machine Learning
编辑推荐：
穆罕默德·穆斯塔法·达斯塔吉尔（Muhammad Mustafa Dastageer）、库拉姆·西拉杰（Khurram Siraj）、乔治奥·萨维里奥·塞内西（Giorgio Saverio Senesi）、穆罕默德·阿米尔·伊斯拉尔（Muhammad Aamir Israr）、
穆罕默德·穆斯塔法·达斯塔吉尔（Muhammad Mustafa Dastageer）、库拉姆·西拉杰（Khurram Siraj）、乔治奥·萨维里奥·塞内西（Giorgio Saverio Senesi）、穆罕默德·阿米尔·伊斯拉尔（Muhammad Aamir Israr）、S.U. 哈克（S.U. Haq）
激光与光电技术中心，巴基斯坦拉合尔工程技术大学（University of Engineering and Technology, UET）物理系，主校区，G.T. 路
摘要
背景
2型糖尿病（T2DM）是一种慢性代谢疾病，会严重损害口腔健康，通过高血糖等机制增加牙周感染的发生率和牙科治疗失败率。虽然利用机器学习（ML）的激光诱导分解光谱（LIBS）技术已在头发、指甲和尿液中检测到糖尿病的存在，但作为诊断工具的矿化牙齿组织尚未得到充分研究。
结果
从30名受试者（15名健康人群和15名糖尿病患者）的四种牙齿组织（牙釉质、冠部牙本质、根部牙本质和牙骨质）中收集了共3600个LIBS光谱。LIBS元素分析显示，糖尿病患者的牙齿中Fe和Sn的含量较高，而Zn、Si和K的含量较低，这表明它们可能是糖尿病相关的生物标志物。在测试的各种机器学习模型（LR、SVM、ANN）中，结合主成分分析（PCA）和基于相关性的特征选择（CFS-BFS）的PCA-ANN模型表现最佳：平均准确率为96%，平均敏感性为94%，平均特异性为96%。然而，PCA-SVM模型（准确率为95%），其置信区间较窄（94.98-95.02%），在准确性方面最为稳定。没有一个模型在所有性能评估指标上始终保持最高稳定性。PCA模型通过6个主成分就能捕捉到94%的方差，显著优于CFS-BFS集成机器学习算法。
意义
本研究表明，牙齿组织能够保留由LibS-ML技术检测到的糖尿病引起的元素变化，从而实现一种非破坏性的糖尿病筛查方法。通过提供治疗前的风险识别，LibS技术有可能减少牙科治疗失败并改善患者预后。然而，要将这些研究成果转化为实际应用，还需要进行大规模的多中心验证研究。
章节摘录
引言
2型糖尿病（T2DM）是一种由持续高血糖引起的严重代谢紊乱[1]。糖尿病的治疗很大程度上依赖于对血糖水平的定期监测，以提供适当的医疗服务[2, 3]。国际糖尿病联合会（IDF）的2025年研究估计，20-79岁年龄段中有5.89亿人患有糖尿病，占该年龄段全球人口的近11%。预计这一数字将增加到8.53亿人
样本收集与准备
本研究已获得巴基斯坦拉合尔德蒙莫伦西牙科学院（de’Montmorency College of Dentistry）的伦理许可，符合世界医学协会的《赫尔辛基宣言》要求。在获得参与者的书面同意后，从健康者和糖尿病患者处收集了牙齿样本（这些参与者在进行正畸牙周治疗前）。此外，还收集了包含个人和职业背景、病史、当前健康状况等信息的问卷
光谱分析
组织光谱的定性分析显示，Ca、P、Na、Mg、Fe、Zn、Si、Sn、Sr、K、Cr、Ba、H、O、C和N等元素的中性或单价离子种类的发射线（参考[26]中的表1）。深入的光谱分析表明，HT组（健康组）和DT组（糖尿病组）的牙齿组织中主要元素Ca和P的发射强度没有显著差异。然而，微量元素Fe、Sn、Zn、Si和K的强度在两组之间存在明显差异。
结论
糖尿病患者更容易出现牙齿疾病，主要是因为唾液中的血糖水平升高，这会促进细菌生长，导致感染持续、免疫力下降和牙齿脱落。当糖尿病患者中出现更多牙科治疗失败时，情况会更加严重。因此，使用非侵入性的激光光谱方法区分健康牙齿和糖尿病牙齿至关重要。
作者贡献声明
乔治奥·萨维里奥·塞内西（Giorgio Saverio Senesi）： 写作、审稿与编辑、指导。穆罕默德·阿米尔·伊斯拉尔（Muhammad Aamir Israr）： 软件开发、形式分析。S.U. 哈克（S.U. Haq）： 写作、审稿与编辑、指导。穆罕默德·穆斯塔法·达斯塔吉尔（Muhammad Mustafa Dastageer）： 初始草稿撰写、验证、方法论研究、资金申请。库拉姆·西拉杰（Khurram Siraj）： 写作、审稿与编辑、项目管理
伦理批准
本研究遵循《赫尔辛基宣言》的伦理原则，并获得了德蒙莫伦西牙科学院的批准（批准编号2221-DCD，日期2023年5月30日）。
关于写作过程中生成式AI和AI辅助技术的声明
作者声明在论文准备过程中使用了ChatGPT（OpenAI）来提高语言清晰度和科学性。程序给出的所有建议均经过作者仔细修改，作者对最终的出版物内容负全责。
利益冲突声明
? 作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。
致谢
M.M.D. 感谢巴基斯坦高等教育委员会（Higher Education Commission of Pakistan）在IRSIP计划下的资助。
