融合激光诱导击穿光谱与拉曼光谱用于儿童脑瘤的血清识别

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Serum identification of childhood brain tumors by fused laser-induced breakdown spectroscopy and Raman spectroscopy

　　

摘要

儿童脑肿瘤（CBTs）是儿童常见的中枢神经系统肿瘤，而传统诊断方法成本高、耗时长、侵入性强，不适合频繁监测。本文探讨了将激光诱导击穿光谱（LIBS）与拉曼光谱（RS）相结合，利用干血清进行儿童脑肿瘤识别的可行性，因为这两种技术能够实现快速分析，样品前处理简单，且具有最小破坏性或无破坏性。我们从10名健康儿童和12名CBT患者中收集了血清样品。按照约7:3的比例进行受试者级别的训练集和测试集分划（DTTs），并重复10次，以评估不同队列组成下分类性能的稳健性。制备了具有不同网格尺寸的激光刻蚀硅片（LSWs）作为血清基底。经网格参数优化后，LIBS谱特征的相对标准偏差降低了1.74%–73.16%，RS谱特征的相对标准偏差降低了23.46%–25.32%。提出了一种集成分类方法，即支持向量机（SVM）+卷积神经网络（CNN）-随机森林（RF），以提高分类准确率。与单独的SVM、CNN和RF分类器相比，采用选定谱特征的SVM+CNN-RF方法实现了最佳单模态性能，在10次DTTs中的平均准确率分别为：LIBS为86.57%，RS为86.29%。在融合LIBS和拉曼特征并进行SVM+CNN-RF分类后，准确率范围为90.29%至94.29%，平均准确率为92.29%，分别比单独的LIBS和RS提高了5.72%和6.00%。总体而言，这些结果表明LIBS-拉曼融合结合SVM+CNN-RF方法是从干血清中识别儿童脑肿瘤的可行策略，并有望作为临床诊断的辅助方法。

引言

脑肿瘤是儿童最常见的实体瘤，也是儿童肿瘤相关死亡和残疾的主要原因之一[1]。常见的儿童脑肿瘤（CBTs）包括星形细胞瘤、髓母细胞瘤、室管膜瘤和脑干胶质瘤。肿瘤生长可直接压迫脑组织，阻塞脑脊液循环，并增加颅内压，从而引起头痛、呕吐、视觉异常、癫痫发作、运动障碍、意识改变等严重临床表现，甚至危及生命[2]，[3]。此外，CBTs的治疗可能导致认知、学习、行为和内分泌功能方面的长期损伤[4]。因此，CBTs不仅威胁生存，还可能造成严重的神经损伤和长期健康负担。早期快速识别CBTs对于及时诊断和治疗、改善预后以及减少不可逆的神经损伤具有重要意义。

目前，组织病理学检查和磁共振成像（MRI）是CBT诊断的金标准方法，也是治疗期间监测和随访的主要工具[5]。MRI在肿瘤检测和定位方面发挥着关键作用，但成本高昂、耗时长，且对于年幼儿童通常需要镇静或麻醉以减少成像过程中的运动伪影[6]。此外，MRI主要提供解剖学信息，无法独立判断肿瘤病理类型。组织病理学检查提供确切的组织学证据，但需要侵入性活检或手术，因此不适合快速筛查或频繁纵向监测[5]。这些局限性促使我们开发快速、微创的血清辅助方法。因此，迫切需要一种快速、微创且具有成本效益的方法来支持CBTs的诊断。

基于血液的检测日益受到关注，因为采血方便且微创程度低，对儿童的接受度更高[7]。脑肿瘤的发生和进展通常伴随着全身性生化变化，包括代谢重编程、炎症反应、氧化应激和元素失衡[8]。这些病理过程可能反映在血液分子和元素组成的变化中，越来越多的研究正在探索这一可能性[9]，[10]。

因此，血液可能成为CBTs相关信息的便捷来源，并为开发快速诊断策略提供有前景的基础。对液态和干血清的拉曼和红外光谱分析已在脑肿瘤检测中得到广泛研究。特别是，Baker等人开发了一个高通量衰减全反射傅里叶变换红外光谱（FTIR）平台，利用干血清进行脑癌的快速分诊[11]，随后对该红外光谱液体活检方法进行了前瞻性临床验证[12]。Cherkasova等人将拉曼光谱（RS）与机器学习算法相结合，区分了胶质瘤小鼠和健康小鼠。在第三周时，XGBoost模型表现最佳，曲线下面积为0.95±0.11[13]。这些研究证明了血清振动光谱在脑肿瘤检测中的潜力。

激光诱导击穿光谱（LIBS）和RS具有分析快速、样品前处理简单、最小破坏性或无破坏性检测的优势。它们已被应用于血液检测以识别疾病，分别提供原子和分子信息。LIBS-拉曼融合提供了互补的元素和分子信息，同时仅需少量血清体积，使其在初步识别和重复监测中具有潜在用途，而非替代传统诊断程序。与FTIR或荧光光谱不同，后者均不能直接提供元素信息，LIBS-拉曼融合从互补的分析角度对样品进行表征。此外，LIBS和RS共享相似的基于激光的光学架构，可以整合为单一测量系统，为开发紧凑型多模态光谱平台提供了实用基础。我们之前的研究[14]详细综述了LIBS[15]，[16]，[17]，[18]，[19]，[20]，[21]，[22]，[23]和RS[13]，[24]，[25]通过血液分析进行疾病识别的应用，展示了这两种技术在该领域的潜力。然而，很少有研究从原子和分子角度结合LIBS和RS来通过血液检测识别疾病。在我们之前的研究[14]中，将LIBS和RS与激光刻蚀硅片（LSWs）、互信息和长短期记忆模型相结合，以识别自身免疫性脑炎（AE）患者的血清。LSW基底含有微沟槽，通过毛细作用促进血清扩散并减少咖啡环效应。因此，它们被用于改善样品保留和LIBS及拉曼测量的可重复性。最终95.04%的准确率证明了融合LIBS和拉曼血液衍生信息进行AE识别的可行性。在此基础上，本研究进一步优化了LSW参数，评估了小样本数据集的多次训练集和测试集分划（DTTs），并构建了集成分类器。因此，双模态血液分析策略在实验稳定性、模型泛化能力和基于融合的决策能力方面得到了增强。

快速、微创且可重复的CBTs血液监测策略仍然有限。本研究优化了LSW基底以提高LIBS和拉曼光谱采集的稳定性。开发了一种集成支持向量机（SVM）+卷积神经网络（CNN）-随机森林（RF）方法，以在小样本条件下提高分类稳健性。融合LIBS和RS以利用其互补的原子和分子信息。最后，使用重复的受试者级别分划系统评估了该策略在CBT血清识别中的可行性。

章节摘要

实验装置

图1展示了LIBS装置的示意图。一台脉冲Nd:YAG激光器（Beamtech China，DAWA200）产生脉冲激光束（波长：1064 nm；重复频率：1 Hz；脉冲持续时间：6 ns；光束直径：? 6 mm；脉冲能量：30 mJ）。光束经3个反射镜反射后，由显微镜物镜（10×，数值孔径=0.26，工作距离=30.5 mm）聚焦。等离子体发射光经光纤采集并传输至阶梯光栅光谱仪

基底制备与形貌表征

在BSW基底上的干血清液滴表现出明显的咖啡环效应，导致液滴内的物质分布不均匀。此外，与无破坏性的拉曼测量不同，LIBS烧蚀会破坏干血清沉积物并暴露底层基底，可能导致部分LIBS信号来源于基底。这些效应可能引入显著的谱波动。

我们之前的研究[14]表明，LSW基底

结论

本研究通过将LIBS和拉曼光谱相结合，探讨了儿童脑肿瘤的血清识别方法。为提高谱稳定性，系统评估并优化了使用不同参数制备的LSW。采用优化后的LSW4基底时，LIBS特征的相对标准偏差降低了1.74%–73.16%，拉曼特征的相对标准偏差降低了23.46%–25.32%。从10名健康儿童和12名CBT患者的血清样品中采集了LIBS和拉曼光谱。与单独的

CRediT作者贡献声明

赵志芳：概念构思、方法学、软件、数据整理、撰写——初稿。徐王舒：项目管理、调查研究、概念构思。滕洁儿：方法学、调查研究。赵齐全：验证。徐帅：验证。周子潇：验证。王雷夫：验证。周浩：验证。刘语歌：验证。吴博阳：验证。孙浩泽：验证。周建华：验证。王千仟：概念构思、监督、资金获取。马文平：

利益冲突声明

作者声明他们没有已知的竞争财务利益或个人关系可能影响本文所报告的工作。

致谢

本研究得到了国家自然科学基金（62505018和62405102）以及北京整体整合医学学会项目（ZHKY-2026-112 (D028)和ZHKY-2026-112 (D019)）的资助。作者们感谢北京理工大学分析与测试中心对实验提供的协助。

赵志芳|徐王舒|滕洁儿|赵齐全|徐帅|周子潇|王雷夫|周浩|刘语歌|吴博阳|孙浩泽|周建华|王千仟|马文平

北京理工大学 光电学院，北京 100081，中国