РАМАН-СПЕКТРОСКОПІЯ ТА МЕТОДИ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ СКРИНІНГУ РАКУ РОТОВОЇ ПОРОЖНИНИ
DOI:
https://doi.org/10.24061/2413-0737.29.1.113.2025.2Ключові слова:
Раман-спектроскопія; скринінг; рак ротової порожнини; нейронні мережі; штучний інтелект; Deep LearningАнотація
Рак ротової порожнини має високі показники смертності через пізню діагностику. Сучасні методи скринінгу недостатньо чутливі, що робить актуальним пошук нових підходів. Раман-спектроскопія дозволяє аналізувати біохімічні зміни, а штучний інтелект, зокрема згорткові нейронні мережі (CNN), покращує обробку спектральних даних та виявлення прихованих патернів.
Мета дослідження – оцінити ефективність CNN у аналізі раманівських спектрів слини для скринінгу раку ротової порожнини та порівняти з традиційними статистичними методами.
Результати. Аналіз трьох груп пацієнтів (здорові, передрак, рак) показав, що найбільш чутливі спектральні діапазони – 1450-1580 см⁻¹ і 1580-1700 см⁻¹. Найвища точність CNN (90%) досягнута при використанні всього спектрального діапазону (830-2100 см⁻¹), що перевершує традиційні статистичні методи. Використання повного спектра дозволяє виявляти приховані закономірності та підвищує стійкість моделі до шумів.
Висновки. CNN демонструє вищу ефективність у спектральному аналізі раку ротової порожнини порівняно зі статистичними методами. Використання всього спектра є більш інформативним, ніж аналіз окремих піків. Подальші дослідження можуть охоплювати інші методи машинного навчання та впровадження спектроскопії в клінічну практику.
Посилання
Abati S, Bramati C, Bondi S, Lissoni A, Trimarchi M. Oral Cancer and Precancer: A Narrative Review on the Relevance of Early Diagnosis. Int J Environ Res Public Health. 2020;17(24):9160. doi: 10.3390/ijerph17249160.
Faur CI, Dinu C, Toma V, Jurj A, Marginean R, Onaciu A, et al. A New Detection Method of Oral and Oropharyngeal Squamous Cell Carcinoma Based on Multivariate Analysis of Surface Enhanced Raman Spectra of Salivary Exosomes. J Pers Med. 2023;13(5):762. doi: 10.3390/jpm13050762.
Blake N, Gaifulina R, Griffin LD, Bell IM, Thomas GMH. Machine Learning of Raman Spectroscopy Data for Classifying Cancers: A Review of the Recent Literature. Diagnostics. 2022;12(6):1491. doi: 10.3390/diagnostics12061491.
Sharma M, Jeng MJ, Young CK, Huang SF, Chang LB. Developing an Algorithm for Discriminating Oral Cancerous and Normal Tissues Using Raman Spectroscopy. J Pers Med. 2021;11(11):1165. doi: 10.3390/jpm11111165.
Li X, Li L, Sun Q, Chen B, Zhao C, Dong Y, et al. Rapid Multi-Task Diagnosis of Oral Cancer Leveraging Fiber-Optic Raman Spectroscopy and Deep Learning Algorithms. Front Oncol. 2023;13:1272305. doi: 10.3389/fonc.2023.1272305.
Luo R, Popp J, Bocklitz T. Deep Learning for Raman Spectroscopy: A Review. Analytica. 2022;3(3):287-301. doi: 10.3390/analytica3030020.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Буковинський медичний вісник

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).