分享一篇发表在ACS Central Science上的文章，文章的标题是Electric-Field Molecular Fingerprinting to Probe Cancer，通讯作者是来自德国慕尼黑路德维希-马克西米利安大学物理系的Mihaela Žigman博士，她的主要研究方向是光谱技术在癌症诊断中的应用。

癌症是当前人类生存的最大威胁之一，癌症的早期检测对于提高患者生存率和改善治疗效果至关重要。血液生物标志物检测可助力癌症的早期诊断，从而辅助癌症的治疗。传统的生物标志物检测方法依赖于质谱和核磁共振，对单个样品的检测时间较长，通量较低且需要较为繁琐的样品前处理步骤，容易引入误差。光谱技术相比之下具有样品处理简单和检测通量高的优势，更适合作为一种诊断手段。电场分子指纹技术（Electric-field Molecular Fingerprinting, EMF）是一种新兴的激光光谱学技术，拥有相比传统的FTIR更高的灵敏度。因此作者希望使用EMF技术开发出自动化的血液生物标志物检测方法，实现癌症的早期诊断。

作者首先使用市售的人血清构建了完整的检测流程和质量控制流程，随后收集了2533名参与者的血浆，这些参与者涵盖肺癌、前列腺癌、乳腺癌和膀胱癌患者以及对照组个体。作者收集了全部的EMF数据后选取了其中2104人的数据用于训练机器学习模型，而剩下的数据则作为测试集，最终通过评估受试者工作特征曲线（ROC）曲线下面积（AUC）来评估模型对不同癌症的诊断能力。结果显示EMF技术对肺癌的检测准确度最高，达到了0.88 AUC，而对前列腺癌、乳腺癌和膀胱癌的AUC值则在0.68到0.69之间。

随后作者对其训练的机器学习模型的准确性进行了进一步的验证。作者使用了一个独立的测试集对上述四种癌症进行了检测，结果显示仍然对肺癌的检测准确度最高，AUC略下降至0.81，而乳腺癌准确度下降则较为明显，AUC仅为0.5左右，无法用于实际的癌症诊断。最后作者还做了EMF信号与疾病进展和生理合并症的相关性检测，结果显示特定EMF光谱峰强度与肺癌的肿瘤进展呈正相关，而慢性阻塞性肺病和肾功能异常等会影响肺癌检测的准确度。

总之，作者通过对于病人血浆的EMF检测结合机器学习实现了肺癌的高通量检测，展示了EMF技术在癌症检测和筛查中的潜力。

本文作者：ZBY

责任编辑：LYC

DOI：10.1021/acscentsci.4c02164

原文链接：https://doi.org/10.1021/acscentsci.4c02164