近日，基础医学院蒋宁、彭奇龄、巫静娴团队指导本科生在《Interdisciplinary Medicine》期刊上发表了题为“Integrating surface-enhanced Raman scattering with machine learning: Pioneering a comprehensive diagnostic and therapeutic platform for cancer management”的综述文章。文章深入探讨了SERS与机器学习相结合在癌症诊断和治疗中的巨大潜力。

癌症是严重威胁人类健康的重大疾病，早期精准诊断、有效治疗和实时监测是提高患者预后、延长生存期的关键。表面增强拉曼散射（SERS）技术凭借其高灵敏度、多靶点检测及成像能力，逐渐成为癌症诊断领域的有力工具。然而，SERS在数据处理上面临一些挑战，例如实验条件波动影响光谱稳定性、复杂生物样本干扰信号，以及光谱数据的高维冗余噪声等。机器学习（ML）的发展为解决这些问题提供了新的可能，其强大的数据处理和模式识别能力显著提升了SERS数据分析的准确性。

目前，SERS与ML融合所构建的系统性工作流程，已为癌症诊疗过程提供了有力支持。具体来说，首先通过精心设计的纳米结构优化生物样本的采集过程，显著增强了微弱信号的捕捉能力，为后续精确分析奠定了基础。采集完成后，样本进入高光谱数据预处理阶段，利用主成分分析（PCA）等算法对数据进行噪声去除、基线校正和归一化处理，有效提高数据质量，并确保不同样本之间的可比性。经过预处理的数据将进入特征工程模型训练环节，支持向量机（SVM）、卷积神经网络（CNN）等机器学习算法能够精准提取光谱数据中的关键信息，构建高精度的预测模型。训练好的模型将应用于临床终点预测，帮助医生更准确地评估患者病情发展、治疗效果和预后，为制定个性化治疗方案提供坚实支持。

拉曼散射光谱原理的示意图

拉曼显微镜原理图

用于癌症管理的SERS–ML集成分析系统的工作流程

此外，基于SERS与机器学习融合的综合管理平台，可进一步优化癌症诊疗的全流程。在早期筛查阶段，平台通过无标记检测技术，能够快速从生物样本中捕捉癌症相关的微弱分子信号，显著提高了早期发现癌症的几率。进入诊断阶段，SERS成像和生物标志物检测能够精确确定肿瘤的位置、大小、性质及其与周围组织的关系，为后续治疗提供重要依据。在治疗过程中，平台通过纳米材料携带药物实现精准靶向治疗，在提高药效的同时，最大限度地减少对正常组织的损害。同时，SERS成像技术还能够实时引导手术操作，帮助医生更加精准地切除肿瘤组织，降低复发风险。治疗后的监测环节，平台持续追踪患者体内的代谢变化，全面评估治疗效果，一旦发现潜在问题，及时调整治疗方案，确保提供全方位、全周期的精准医疗服务，从而大幅改善患者的预后，提高生存率和生活质量。

癌症综合管理综合平台

该综述全面阐述了SERS与机器学习融合在癌症诊疗中的应用，为后续的研究与临床实践提供了宝贵参考。随着技术的不断进步，这一融合技术有望在癌症诊疗领域发挥更加重要的作用，推动精准医学的发展。

我校本科生何恒洲、博士生张腊及教师文依霖为本文的共同第一作者，巫静娴副教授、彭奇龄副教授和蒋宁副教授为该研究的通讯作者。蒋宁团队通过整合临床医学、基础医学与现代科技，为学生提供了丰富的科研平台，鼓励他们参与前沿的跨学科研究。此次本科生作为第一作者发表的重要科研成果，不仅展示了牛博(中国)在本科生教育方面的突出成效，也为癌症诊疗领域提供了全新的研究视角。

全文链接：https://doi.org/10.1002/INMD.20250037