基于深度学习的SERS生物传感平台，用于强直性脊柱炎和骨关节炎的智能鉴别诊断

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Deep learning-enhanced SERS biosensing platform for the intelligent differential diagnosis of ankylosing spondylitis and osteoarthritis

　　范艳萍|韩世斌|吴乐|薛武|陈晨|贾振宏|吕晓毅|陈晨 中国新疆大学物理科学与技术学院，乌鲁木齐830046 **摘要** 强直性脊柱炎（AS）和骨关节炎（OA）是两种常见的风湿性疾病。尽管它们的发病机制存在显著差异——前者是一种自身免疫性炎症性疾病，后者是一种退行性病变——但两者在早期临床症状上存在很大重叠。传统的血清学检测方法缺乏足够的特异性，导致误诊的风险较高。本研究开发了一种基于负载在Ti3C2Tx MXene上的Ag纳米粒子（Ag NPs）的表面增强拉曼散射（SERS）生物传感平台，用于AS和OA的早期诊断。通过原位自还原AgNO3，在MXene表面实现了高密度、均匀的Ag NPs生长。该复合系统充分利用了MXene独特的类金属电子结构，实现了高效的界面电荷转移路径，从而增强了MXene诱导的化学增强（CM）和由Ag NPs中的局域等离子体共振引起的电磁增强（EM）之间的协同作用，显著提高了基底的检测灵敏度。实验表明，在AgNO3浓度为0.1 M时，该复合基底表现出最佳的SERS活性。该基底能够超灵敏地检测探针分子（罗丹明6G，R6G），检测限低至10^-8 M。通过比较健康对照组（HS）、AS患者和OA患者的SERS光谱，本研究揭示了血清中抗氧化剂、脂质和氨基酸水平的具体变化。为了实现HS、AS和OA的智能分类和诊断，本研究将SERS光谱技术与深度学习算法相结合。构建了三种深度学习模型——人工神经网络（ANN）、一维卷积神经网络（CNN）和残差网络（ResNet），并比较了它们的诊断性能。定量评估表明，ANN模型建立了强大的分类基准，而ResNet模型由于过拟合表现不佳。CNN模型在所有评估指标上均表现出明显优势，准确率为91.36%，AUC为0.9896，有效捕捉到了细微的光谱特征差异。该平台将SERS技术与深度学习相结合，为AS和OA的快速、无创、精确的鉴别诊断提供了一种新的工具。 **引言** 强直性脊柱炎（AS）是一种慢性进行性自身免疫性疾病，主要影响骶髂关节和脊柱。其病理特征包括附着点炎和随后的病理性骨形成。如果不及时干预，晚期可能导致脊柱韧带钙化和骨性强直，引起不可逆的脊柱畸形和功能障碍。该病主要影响年轻至中年男性，给社会带来了巨大的经济负担[1]，[2]。相比之下，骨关节炎（OA）是全球最常见的退行性关节疾病，主要影响中老年人群。其发病机制涉及关节软骨的渐进性退化、软骨下骨的重塑以及继发性滑膜炎症[3]，[4]。尽管AS和OA的病因根本不同——前者由全身免疫失调驱动，后者主要由机械磨损和代谢衰老引起——但它们在疾病早期阶段的临床表现有显著重叠。患者常出现非特异性关节疼痛、晨僵和活动受限。这种临床症状的高度相似性使得在常规诊疗中难以区分这两种疾病，经常导致误诊或漏诊。因此，AS患者可能会错过最佳治疗时机[5]，[6]。 目前，这两种关节疾病的临床诊断仍主要依赖于影像学检查（如X光和MRI）和传统的血清学标志物。然而，影像学检查存在显著滞后。X光通常需要在结构损伤发生后数年才能显示明显的骨改变。同时，尽管MRI具有高灵敏度，但由于成本高昂和对操作者专业技能要求高，难以在大规模筛查中广泛应用[7]。关于生化检测，常用的炎症标志物（如C反应蛋白（CRP）和红细胞沉降率（ESR）可以反映全身炎症，但缺乏疾病特异性，因为它们在感染、肿瘤或其他自身免疫性疾病中也可能升高[8]，[9]。此外，虽然HLA-B27抗原检测对AS具有高敏感性，但在健康人群中也存在较高的假阳性率。目前，尚无普遍认可的OA特异性血清生物标志物[10]。因此，迫切需要开发一种具有高灵敏度和特异性的微创检测技术，能够在分子水平上捕捉血清代谢特征的微小差异，从而实现AS和OA的早期和精确鉴别诊断。 **表面增强拉曼散射（SERS）**是一种超灵敏的光谱分析技术，能够提供分子水平的“指纹”信息。由于水分子的拉曼散射截面较低，SERS特别适合检测血清、唾液和尿液等生物流体，克服了红外光谱受水干扰的限制[11]，[12]，[13]。血清中含有丰富的蛋白质、脂质、核酸和代谢物，这些物质的浓度变化通常与疾病状态密切相关。SERS技术可以捕捉这些生物分子变化引起的特征峰的变化，从而反映身体的病理生理状态，为无创疾病诊断提供了新的途径[14]。SERS技术的检测性能在很大程度上取决于基底材料的性质。贵金属纳米粒子（如金、银）因其优异的局域等离子体共振（LSPR）效应而被广泛使用。然而，纯金属溶胶-凝胶在使用过程中容易聚集，导致信号重复性差和稳定性不足[15]。二维过渡金属碳化物/氮化物（Ti3C2Tx MXene）具有出色的类金属导电性，能够实现光生电荷转移和化学增强（CM）。同时，它们巨大的比表面积和丰富的表面活性官能团不仅有助于高密度热点的形成，还能实现金属纳米粒子的牢固锚定。近年来，Ti3C2Tx MXene被广泛认为是理想的SERS增强基底载体[16]，[17]，[18]。特别是在MXene表面生长贵金属纳米粒子的“原位自还原”策略具有显著优势。这种方法无需额外的化学还原剂或有机稳定剂，从而避免了残留杂质的产生，得到了未经涂层处理的、裸露的SERS活性基底[19]，[20]，[21]。这种干净的、暴露的贵金属表面避免了有机涂层的干扰，有助于目标分子更有效地吸附在基底上。MXene与贵金属之间的电荷转移产生的化学增强作用与贵金属固有的电磁增强作用相协同，显著提高了检测灵敏度和信号均匀性[22]。 近年来，人工智能（AI）为这些疾病提供了革命性的诊断工具……