基于机器学习的SERS技术，用于宫颈癌的快速精准早期筛查

《ANALYTICAL AND BIOANALYTICAL CHEMISTRY》：Machine learning-assisted SERS for rapid and accurate early screening of cervical cancer

　　

摘要

早期且准确的宫颈癌筛查对于改善患者预后和降低死亡率至关重要，因此临床上迫切需要一种无创、灵敏且可靠的检测方法。本研究构建了一种基于表面增强拉曼散射技术的血清检测平台，并建立了主成分分析-多核支持向量机-网格搜索模型，以实现宫颈癌患者的准确稳定识别。研究采用了高性能银纳米立方体阵列作为拉曼活性基底，以便有效获取血清中的分子指纹信息。从宫颈癌患者和健康人群中收集了血清拉曼光谱，随后对这些光谱进行了预处理，包括降噪、基线校正和归一化处理。预处理后的光谱被输入到模型中，其中主成分分析负责特征提取和降维，多核支持向量机提升了复杂光谱特征的非线性拟合能力，而网格搜索则自动优化模型的超参数。通过准确性评估、特征可视化分析以及消融实验验证，该平台具有出色的分类性能，准确率可达97.1%。此外，还从加载图中成功识别出了早期宫颈癌的关键特征峰。该方法为宫颈癌的早期临床筛查和辅助诊断提供了一种无创、可行且高效的光谱检测策略，具有良好的应用前景，有望成为基于拉曼散射技术的癌症诊断在临床应用中的重要辅助工具。

图表摘要