FAU сочетает рамановскую спектроскопию и искусственный интеллект для выявления рака кожи

Изображение предоставлено: Атлантический университет Флориды. Раннее выявление рака кожи имеет решающее значение, но отличить злокачественные поражения от доброкачественных и предраковых новообразований порой сложно: визуально они могут выглядеть одинаково. Биопсия с последующим микроскопическим исследованием ткани остаётся «золотым стандартом», но этот метод инвазивен, дорогостоящ и иногда выполняется на поражениях, которые в итоге оказываются доброкачественными.

Существует потребность в быстрых, неинвазивных диагностических инструментах, которые могли бы точнее идентифицировать рак кожи и тем самым сократить число ненужных биопсий.

Исследователи Атлантического университета Флориды изучают подход, который сочетает рамановскую спектроскопию — метод, позволяющий получить молекулярный «отпечаток пальца» ткани — с методами машинного обучения. В отличие от традиционной биопсии, рамановская спектроскопия анализирует, как свет рассеивается при взаимодействии с молекулами ткани, давая информацию о её химическом составе без удаления образца или специальной подготовки.

В эксперименте использовали мобильную систему рамановской спектроскопии с диодным лазером длиной волны 785 нанометров и портативным зондом. Исследователи проанализировали более 50 клинических образцов ex vivo, включая базальноклеточный и плоскоклеточный рак кожи и нормальную кожу, собрали около 1000 спектров комбинационного (комбинационного) рассеяния света и протестировали несколько алгоритмов машинного обучения, чтобы оценить, насколько спектральные данные могут разделять три типа ткани.

Результаты, опубликованные в Proceedings of SPIE в рамках конференции Advanced Chemical Micrography for Life Science and Translational Medicine 2026, показали, что несколько подходов машинного обучения способны выделять закономерности в спектрах комбинационного рассеяния света, отличающие нормальную кожу от раковой ткани. K-ближайших соседей и классификаторы опорных векторов продемонстрировали наивысшую общую точность тестов — около 84%. Машина опорных векторов показала чувствительность 78,7% и специфичность 88,6%, тогда как мелкая нейронная сеть достигла точности 80,8% и максимальной площади под ROC-кривой (ROC AUC) 0,910.

Анализ спектров позволил выделить молекулярные признаки, связанные с разными типами тканей: нормальную кожу относительно хорошо отличали от двух типов рака, тогда как базальноклеточный (BCC) и плоскоклеточный (SCC) рак демонстрировали большее совпадение молекулярных характеристик между собой. Спектры раковых образцов склонны были показывать более выраженные сигналы, связанные с белками, а нормальные ткани — более сильные сигналы, ассоциированные с липидами, что даёт ориентиры для дифференциации тканей.

«Наши результаты являются предварительными, но они указывают на будущее, в котором быстрые, неинвазивные измерения могут помочь в принятии клинических решений и потенциально уменьшить ненужные биопсии», — сказал Терентис.

Учёные планируют провести более масштабные исследования, оптимизировать модели машинного обучения и опробовать более сложные архитектуры, включая глубокие нейронные сети, которые могут улучшить диагностические характеристики метода.

«Комбинационная спектроскопия даёт нам огромное количество молекулярной информации, но задача состоит в том, чтобы научить компьютер распознавать, какие закономерности наиболее важны», сказал Терентис. «С большим количеством образцов и лучше обученными моделями мы видим значительный потенциал для повышения точности этого подхода. В конечном счёте мы хотим создать технологию, которая будет не только точной, но и практичной, портативной и достаточно доступной, чтобы стать полезным инструментом в клинической практике».

Авторы отмечают, что работа демонстрирует, как сочетание оптических методов и машинного обучения может открыть путь к более быстрой и неинвазивной оценке поражений кожи, дополняя традиционную биопсию и помогая врачам принимать более обоснованные решения о дальнейших обследованиях.

Соавторы исследования — Венката Дулипалла (бывший аспирант FAU), Джон Страссвиммер, доктор медицины, доцент кафедры дерматологии и исследовательской биохимии Медицинского колледжа Чарльза Э. Шмидта ФАУ, а также студенты бакалавриата ФАУ Фуонг Нгуен, Лиззи Кляйн и Макс Маккейн.