РАМАН-СПЕКТРОСКОПІЯ ТА МЕТОДИ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ СКРИНІНГУ РАКУ РОТОВОЇ ПОРОЖНИНИ

Автор(и)

  • С.Л. Говорнян асистент кафедри онкології та радіології Буковинського державного медичного університету, м. Чернівці, Україна
  • О.І. Іващук д-р мед. наук, професор кафедри онкології та радіології Буковинського державного медичного університету, м. Чернівці, Україна

DOI:

https://doi.org/10.24061/2413-0737.29.1.113.2025.2

Ключові слова:

Раман-спектроскопія; скринінг; рак ротової порожнини; нейронні мережі; штучний інтелект; Deep Learning

Анотація

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

2025-04-11

Номер

Розділ

ОРИГІНАЛЬНІ ДОСЛІДЖЕННЯ