利用拉曼光谱和机器学习技术，在体外人体组织中对乳腺癌亚型进行无标记分类

《Scientific Reports》：Label-free classification of breast cancer subtypes in ex vivo human tissues using Raman spectroscopy and machine learning

　　

摘要

保乳手术（BCS）旨在切除乳腺肿瘤的同时保持患者的生活质量，但难点在于准确区分健康组织和癌组织之间的边界。拉曼光谱（RS）已被证明能够区分正常乳腺组织和乳腺癌。因此，本研究旨在通过分析健康组织以及三种乳腺癌亚型（浸润性导管癌IDC、浸润性小叶癌ILC和导管原位癌DCIS）的信号，进一步评估RS在体外乳腺组织亚型分类中的诊断性能。研究使用了共聚焦拉曼显微镜对71名患者的80个组织样本（46个正常样本和34个癌样本）进行了检测。研究人员分析了这些样本的光谱特征，并分别进行了二分类（健康组织与癌组织）和四分类（健康组织与IDC、ILC、DCIS）的监督学习分类。结果显示，RS在区分癌组织和正常乳腺组织方面的准确率分别为97.84%和97.18%。在四分类任务中，RS的类别内敏感度为83%至96%，特异性为93%至99%。这些发现表明，RS能够准确区分正常组织和癌组织，并捕捉到包括浸润性和癌前病变在内的不同组织学亚型之间的临床相关差异，从而证实了其在保乳手术中用于术中组织鉴定的潜力。