摘要
表面增强拉曼光谱（SERS）已成为一种用于乳腺癌（BC）检测的强大分析平台，提供超灵敏、多重且无标记的分子识别。然而，尽管该领域迅速扩展，但此前没有研究将定量文献计量映射与聚类验证的技术与转化综合相结合，限制了对该领域结构、演变和临床前景的全面理解。在本综述中，进行了一项基于 PRISMA 指南的文献计量分析；从 SCOPUS、Web of Science 和 Google Scholar 检索了 199 篇关于基于 SERS 的乳腺癌检测的文章（2016–2025），映射了出版趋势、关键词共现网络（VOSviewer），以及基于主成分进行层次聚类的多重对应分析（MCA）。结果显示科学产出持续增长，以亚洲、北美洲和欧洲为主。引用次数最高的 20 篇文章（最高引用 271 次）显示，研究重点从基底优化转向了人工智能辅助的液体活检平台。多重对应分析（MCA）识别出五个聚类，并由共现网络得到证实：(1) 用于诊断的纳米结构平台；(2) 生物功能化策略；(3) 针对外泌体、循环肿瘤细胞和其他生物流体的液体活检方法；(4) 基于化学计量学、机器学习（ML）和人工智能（AI）的诊断解释；以及 (5) 临床前和临床研究中的转化成果。每个聚类都由其里程碑研究的技术子分析作为支撑，这种整合在以前的 SERS 综述中大多缺失。该框架阐明了该领域的轨迹，并将 SERS 定位为精准肿瘤学中非侵入性、个性化诊断的关键技术。
