一项研究表明，一种新的筛查方法将激光分析与一种人工智能技术相结合，首次能够识别处于乳腺癌最早阶段的患者。这种快速、无创的技术可以揭示疾病初期阶段发生的细微血液变化，这些变化在现有的测试中是无法检测到的。
爱丁堡大学的研究人员表示，他们的新方法可以改善疾病的早期检测和监测，并为多种癌症的筛查测试铺平道路。标准的乳腺癌检测方法包括体格检查、X光或超声波扫描，或分析乳腺组织样本（即活检）。现有的早期检测策略依赖于基于年龄或高风险群体的筛查。
使用这种方法，研究人员通过优化一种称为拉曼光谱的激光分析技术，并将其与机器学习（一种人工智能形式）相结合，能够在最早阶段检测到乳腺癌。研究团队表示，类似的方法曾用于筛查其他类型的癌症，但最早的检测阶段是第二期。
新技术的工作原理是首先将激光束照射到患者的血浆中。然后使用一种称为光谱仪的设备分析光与血液相互作用后的特性，以揭示细胞和组织化学成分的微小变化，这些变化是疾病的早期指标。接下来，使用机器学习算法解释结果，识别相似特征并帮助分类样本。
在涉及12名乳腺癌患者和12名健康对照者的初步研究中，该技术在检测1a期乳腺癌方面的有效率为98%。该测试还能以超过90%的准确性区分四种主要亚型的乳腺癌，这有助于患者接受更有效的个性化治疗。研究团队表示，将这一技术作为筛查测试可以帮助更多人在乳腺癌的最早阶段被发现，从而提高治疗成功的可能性。他们计划扩大研究范围，增加更多的参与者，并包括其他早期癌症类型的测试。
该研究发表在《生物光子学杂志》上。研究中使用的血液样本由北爱尔兰生物银行和乳腺癌现在组织提供。研究还涉及阿伯丁大学、莱茵-瓦尔应用科学大学和北莱茵-威斯特法伦州应用研究研究生院的研究人员。
爱丁堡大学工程学院的安迪·唐斯博士领导了这项研究，他说：“大多数癌症死亡发生在症状出现后的晚期诊断阶段，因此未来针对多种癌症类型的筛查测试可以在疾病更容易治疗的阶段发现它们。早期诊断是长期生存的关键，我们终于有了所需的技术。我们只需将其应用于其他癌症类型并建立数据库，然后就可以用作多癌症测试。”
更多信息： Kevin Saruni Tipatet 等，《1a期乳腺癌亚型特异性检测：整合拉曼光谱、机器学习和液体活检用于个性化诊断》，《生物光子学杂志》（2024年）。DOI: 10.1002/jbio.202400427
(全文结束)
