來源：生物谷原創(chuàng) 2023-06-25 10:56
來自托木斯克州立大學(xué)等機(jī)構(gòu)的科學(xué)家們通過研究開發(fā)出了一種能診斷神經(jīng)膠質(zhì)瘤（glioma）的新型無創(chuàng)方法。
早期階段的腦癌不僅難以診斷和確定，而且即使在患者出現(xiàn)癥狀后在診斷上或許也存在一定的困難，近日，一篇發(fā)表在國際雜志Pharmaceutics上題為“Discovering Glioma Tissue through Its Biomarkers' Detection in Blood by Raman Spectroscopy and Machine Learning”的研究報(bào)告中，來自托木斯克州立大學(xué)等機(jī)構(gòu)的科學(xué)家們通過研究開發(fā)出了一種能診斷神經(jīng)膠質(zhì)瘤（glioma）的新型無創(chuàng)方法，神經(jīng)膠質(zhì)瘤是一種最嚴(yán)重的人類腦瘤，利用拉曼光譜，研究人員檢測到了患者血液樣本中的生物痕跡，即由腫瘤所分泌的特殊化學(xué)物質(zhì)。
研究者Yury Kistenev說道，只有通過組織學(xué)檢查分析才能驗(yàn)證腫瘤的類型，而組織檢查常常是在腫瘤被切除之后進(jìn)行的，而光學(xué)分析手段能明顯擴(kuò)展診斷的可能性，而且其還能幫助科學(xué)家們以無創(chuàng)的方式完成一切操作，并不需要提取生物學(xué)組織，也就是說，研究人員所采用的拉曼光譜有助于以較高的精度檢測生物液體中的化學(xué)組分。
在研究初始階段，科學(xué)家們對該研究領(lǐng)域的一些文獻(xiàn)進(jìn)行分析，并收集了關(guān)于神經(jīng)膠質(zhì)瘤組織中所發(fā)現(xiàn)的生物標(biāo)志物的一些信息，隨后他們對實(shí)驗(yàn)室動物進(jìn)行了相關(guān)實(shí)驗(yàn)，給小鼠注射人類膠質(zhì)母細(xì)胞瘤細(xì)胞，隨后在不同的時間對其血清進(jìn)行分析，并將其從實(shí)驗(yàn)中移除；通過采用拉曼光譜的手段，研究人員識別出了特定的頻率，其或能幫助他們精確鎖定生物體液樣本中神經(jīng)膠質(zhì)瘤的痕跡，同時還將小鼠分為了健康組和非健康組。隨后，研究者將新的數(shù)據(jù)收集到一個樣本庫中，這樣研究人員就能用其來訓(xùn)練一種神經(jīng)網(wǎng)絡(luò)，從而幫助實(shí)現(xiàn)分析過程的自動化了。
科學(xué)家開發(fā)出利用血液樣本就能識別出人類腦瘤的新型無創(chuàng)技術(shù)。
圖片來源：Pharmaceutics (2023). DOI:10.3390/pharmaceutics15010203
研究者表示，他們所開發(fā)的方法的優(yōu)勢在于，其能促進(jìn)研究人員在患者疾病癥狀表現(xiàn)出來之前尋找早期階段腫瘤的痕跡，但問題在于，膠質(zhì)母細(xì)胞瘤會改變血液的生化成分，其分泌的物質(zhì)和腫瘤細(xì)胞最終會進(jìn)入到血液中，而血液會將這些物質(zhì)帶到全身，通過分析這些生物痕跡，研究人員就能獲得關(guān)于癌癥信息相關(guān)的數(shù)據(jù)，這些信息反過來也能被用來診斷疾病或監(jiān)測療法的效果。
據(jù)研究人員介紹，這種新方法或許也有望診斷其它類型的腫瘤，所有的惡性腫瘤都會分泌特定的化學(xué)物質(zhì)，而且如果知道哪些確切的生物痕跡與特定的醫(yī)療條件有關(guān)，這樣研究人員就能利用拉曼光譜和機(jī)器學(xué)習(xí)技術(shù)來進(jìn)行相關(guān)檢測。如今光學(xué)分析手段在多個研究領(lǐng)域的使用越來越普遍，尤其是其能為疾病的快速診斷帶來巨大的機(jī)會；在這一點(diǎn)上，研究人員目前正在利用AI來開發(fā)診斷病毒性和細(xì)菌性呼吸道感染的新型無創(chuàng)方法，這將能夠?qū)⒎治鏊枰牡臅r間從數(shù)天減少到數(shù)分鐘。
綜上，本文研究結(jié)果表明，對血清的分析或能幫助追蹤人類神經(jīng)膠質(zhì)瘤發(fā)生期間大腦組織的狀態(tài)改變。（生物谷Bioon.com）
原始出處：
Denis Vrazhnov, Anna Mankova, Evgeny Stupak, et al. Discovering Glioma Tissue through Its Biomarkers' Detection in Blood by Raman Spectroscopy and Machine Learning, Pharmaceutics (2023). DOI:10.3390/pharmaceutics15010203
