利用ATR-FT-IR光谱与机器学习技术对基底细胞癌进行大分子特征分析

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Macromolecular characterization of basal cell carcinoma using ATR-FT-IR spectroscopy combined with machine learning

　　

摘要

背景

基底细胞癌是人类最常见的恶性肿瘤，但其诊断依赖具有较大观察者间差异的侵入性组织病理学活检。衰减全反射傅里叶变换红外光谱技术能够对组织进行非破坏性的宏观分子特征分析，而机器学习则可助力对光谱数据中的高维模式进行识别。本研究旨在分析基底细胞癌组织中的宏观分子变化，并开发优化后的机器学习分类器用于该疾病的检测。

方法

研究从56份样本（28例基底细胞癌样本，28份对应的个体内对照组织样本）中获取了ATR-FT-IR光谱。将三个光谱区域作为独立数据集进行分析：F区域（800–1800?cm^?1，1039个特征），L区域（900–1300?cm^?1，417个特征）以及M区域（2800–3000?cm^?1，210个特征）。研究结合了四种特征选择策略（SelectKBest、递归特征消除法[RFE]、随机森林重要性分析、Lasso L1正则化），并与两种集成分类器（随机森林、XGBoost）相结合，采用80/20分层训练测试分割方式（random_state=42）。评估指标包括测试准确率、ROC-AUC值、灵敏度、特异性以及F1分数。

结果

在所有光谱区域中，XGBoost的表现始终优于随机森林，后者虽训练准确率为100%，但存在较高的过拟合风险。在F区域（800–1800?cm^?1）中，采用SelectKBest策略的XGBoost取得了最佳效果：测试准确率为0.75，ROC-AUC值为0.79，灵敏度为0.80，特异性为0.71。在L区域（900–1300?cm^?1）中，采用RFE策略的XGBoost测试准确率为0.83，ROC-AUC值也为0.83。在M区域（2800–3000?cm^?1）中，采用Lasso策略的XGBoost在单次分割测试中表现最佳，测试准确率为0.92，ROC-AUC值为1.00，特异性也为1.00。不过通过多次分层交叉验证后得到的结果虽有所减弱，但仍表明脂质C-H伸缩区域是最具区分度的光谱区域，同时也说明单次分割的ROC-AUC值需谨慎解读。在脂质区域（2800–3000?cm^?1）中，XGBoost结合Lasso策略取得了最佳单次分割性能，而多次交叉验证则表明M区域虽为最强但并非完全具备普遍适用性的光谱区域。

结论

ATR-FT-IR光谱技术结合XGBoost与Lasso特征选择方法，尤其在脂质CH?/CH?伸缩区域，展现出极高的基底细胞癌检测能力。这些研究结果为基于FT-IR的光谱诊断技术作为组织病理学检测的微创辅助手段的临床应用潜力提供了支撑。

引言

基底细胞癌是角质形成细胞癌中最常见的类型，其全球发病率高于其他所有癌症[1]、[2]。该疾病起源于表皮基底层，特点为生长缓慢且转移潜能低，但由于会破坏局部组织，因此在那些对美观和功能要求较高的部位会带来严重健康问题[3]。流行病学数据显示，基底细胞癌的发病率约为鳞状细胞癌的两倍，且由于紫外线照射增加、人口老龄化以及检测技术提升，其发病率仍在逐年上升[4]。

角质形成细胞癌带来的经济负担与心理社会影响十分显著。在美国，每年用于皮肤癌治疗的费用高达数十亿美元，其中大部分来自非黑色素瘤皮肤癌[5]。目前的常规诊断方法为先通过视觉检查，再进行活检，并通过H&E染色进行组织病理学确认[6]。尽管这仍是金标准，但该方法具有侵入性，可能需要数天到数周的时间，且不同观察者之间的诊断结果可能存在差异[7]。此外，活检效率并不完美，良性病变中也存在不必要的检查问题[8]。

傅里叶变换红外光谱技术通过检测中红外辐射的吸收情况来分析分子的组成，从而生成反映样品生化特征的振动光谱[9]。衰减全反射式FT-IR技术尤其适用于生物组织，仅需几微米的衰减波穿透即可直接进行测量，足以用于表层上皮组织的特征分析[10]。中红外光谱包含多个具有诊断价值的区域：高波数区域（2800–3600?cm^?1）中的O-H和C-H伸缩振动；反映蛋白质二级结构的酰胺I带（1700–1600?cm^?1）、酰胺II带（1580–1510?cm^?1）以及酰胺III带（1350–1200?cm^?1）；以及来自核酸和磷脂的磷酸伸缩振动带（1240–1080?cm^?1）[11]。

在癌症发生过程中，FT-IR光谱中可检测到宏观分子的变化[12]。蛋白质构象的改变会伴随细胞结构、细胞骨架组织以及酶活性的变化。在恶性转化过程中，膜脂的组成和结构也会发生改变，表现为脂质过氧化加剧、脂肪酸不饱和度改变以及脂质与蛋白质的比例发生变化[13]、[14]、[15]。核酸方面也会出现变化，比如增殖细胞中的DNA含量增加以及染色质结构改变，这些都会导致磷酸伸缩振动区域的光谱偏移[16]。

由于FT-IR光谱数据具有高维度特性，因此需要复杂的分析方法。每份光谱都包含数百到数千个相互关联的波数变量，这也促使人们开始运用机器学习技术来进行模式识别和分类[17]。近期已有研究取得了令人瞩目的成果：Peres等人将ATR-FT-IR技术与3D-PCA-QDA建模方法结合用于基底细胞癌的诊断，准确率可达99%[18]。Vazquez de Vasquez及其同事则使用带有快速中红外探头的线性SVM模型检测角质形成细胞癌，在150名患者中的灵敏度为93%±5%，特异性为82%±6%[19]。不过，针对基底细胞癌而言，最理想的特征选择策略与集成分类器组合方案仍有待确定。

近期的研究进展表明，将光谱数据与先进的机器学习技术相结合，能够显著提升疾病诊断的准确性并帮助发现新的生物标志物。尤其是深度学习与基于注意力机制的架构，能够帮助从高维的生物医学数据集中提取有意义的模式。例如，Gao等人[20]提出了一种分层学习策略，用于解决光谱数据中的类别不平衡问题，从而提升了疾病亚型的分类精度。类似地，Li等人[21]开发了一种基于融合网络的框架（FUNMarker），能够从多元化的生物数据集中识别出具有预后意义的生物标志物。此外，Jiang等人[22]也证明，基于弱监督的Transformer模型不仅能够实现临床级别的诊断性能，还能同时帮助发现分子标志物，这些都进一步凸显了数据驱动方法在生物医学研究中的重要性。

本研究正是为填补这一空白而展开，具体目标有三：（1）利用ATR-FT-IR光谱技术，分析基底细胞癌组织在三个不同FT-IR光谱区域内的宏观分子变化；（2）通过系统比较四种特征选择方法与两种集成分类器，构建并优化机器学习模型；（3）识别出能够有效区分基底细胞癌与正常对照组的特异性光谱生物标志物。

章节节选

研究对象

这项回顾性研究共纳入28名连续接受手术切除、经组织病理学确诊为基底细胞癌的患者。所有病理学检测均在土耳其伊斯坦布尔的?zel Ekin Patoloji ve Sitoloji Laboratuvar?这家私人病理实验室完成，检测工作由一名获得专业认证的病理学家负责。该研究已获得比鲁尼大学机构伦理委员会的批准（批准编号为2024-B?AEK/01–06），并且是按照相关伦理原则开展的

研究结果

本项回顾性病例系列共纳入28名在2024年2月至8月期间接受手术切除、经组织病理学确诊为基底细胞癌的患者。在这28名患者中，14名为男性（占比50.0%），6名为女性（占比21.4%），其余8名患者的性别信息并未记录在病理报告中。有数据可查的患者的平均年龄为71.3±7.4岁（年龄范围为52–84岁，样本量为23人）。这些患者的各项特征、活检部位等信息也在研究中有所记录

讨论

据我们所知，这项研究是首个系统评估将ATR-FT-IR光谱技术与梯度提升机器学习方法结合，用于在三个互补的光谱子区域内区分基底细胞癌组织与正常皮肤的研究。从数据中可得出四个主要结论：（1）在M区域，即脂质C-H伸缩区域（2800–3000?cm^?1），该技术的诊断性能优于F区域的指纹特征以及L区域的磷酸/碳水化合物特征

结论

总体而言，对切除的基底细胞癌组织进行ATR-FT-IR光谱分析，并结合XGBoost与Lasso特征选择技术，能够在脂质C-H伸缩区域实现具有临床实用价值的分类效果。研究中识别出的光谱生物标志物——νs CH?（2848–2850?cm^?1）、νa CH?（2918–2919?cm^?1）以及νa CH?（2967–2970?cm^?1）——在机制上与基底细胞癌中已知的脂质重编程现象相吻合，有望成为用于无创手术切缘检测的振动生物标志物

关于手稿准备过程中生成式AI及AI辅助技术的声明

在撰写本论文的过程中，作者们使用了ChatGPT（OpenAI）来优化文本的语言表达、语法以及清晰度。作者们对所有由AI生成的内容进行了仔细审查和修改，同时对最终发表文章的内容承担全部责任。

利益冲突声明

作者声明自己不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢

本研究得到了土耳其科学和技术研究委员会旗下的TüB?TAK 2209-A大学生研究项目的支持，项目编号为1919B012331101。

Zozan Guleken|Caglar Uyulan|Hacer Ahsen Y?ld?r?m|Furkan demir|Sahar Taghi Makouei|Güray K?l?c|Devrim Sar?bal

土耳其加济安泰普伊斯兰科学技术大学医学院生理学系