Отправить статью по E-mail 
Разработка портативного спектрофотометра с применением искусственных нейронных сетей для неинвазивного определения уровня гликированного гемоглобина в крови методом рамановской спектроскопии
- Авторы: Поликер Е.Е.1, Земских Б.Л.1, Кошечкин К.А.1
-
Учреждения:
- Первый Московский государственный медицинский университет имени И.М. Сеченова
- Выпуск: Том 4, № 1S (2023)
- Страницы: 102-104
- Раздел: Материалы конференции
- Статья получена: 18.05.2023
- Статья одобрена: 18.05.2023
- Статья опубликована: 26.06.2023
- URL: https://jdigitaldiagnostics.com/DD/article/view/430359
- DOI: https://doi.org/10.17816/DD430359
- ID: 430359
Цитировать
Полный текст
Аннотация
Обоснование: неинвазивная диагностика диабета — одна из ключевых проблем современной медицины. Система, которую мы планируем создать, может стать новой технологией для точного и неинвазивного измерения HbA1c. Поэтому нам предстоит провести серию исследований, чтобы оценить эффективность изучаемого метода и определить его потенциал для медицинской диагностики и мониторинга HbA1c.
Цели:
- Изучение возможности применения рамановской спектроскопии для неинвазивного измерения HbA1c.
- Разработка и дизайн портативного анализатора на основе данной технологии.
- Оценка эффективности и точности разработанного прибора.
Методы: для создания нейросети необходимо собрать обучающую выборку измерений с целью последующего применения к ней методов из библиотеки TensorFlow, а также выполнить лабораторные замеры для калибровки системы на лабораторных методах определения HbA1c. Устройство будет использовать лазер длиной 785 нм для снятия спектров в соответствии с методом рамановской спектроскопии. Полученные данные будут подаваться на вход нейросети, построенной на основе архитектуры свёрточных нейросетей. С целью определения точности и эффективности устройства будут проведены эксперименты для обучения модели. Планируется выполнить процедуру сбора данных в два этапа. Вначале будет проведено предварительное тестирование на 50 пациентах, которое позволит исследовать, как наш метод справляется с разными возрастными и гендерными группами, а также с различным HbA1c. Затем будет продолжен сбор данных на более крупном масштабе, включая пациентов с различными типами диабета и здоровых людей. Данные будут собираться с помощью портативного спектрофотометра и контролироваться с помощью высокоэффективной жидкостной хроматографии. Для оценки эффективности и точности устройства будут использоваться различные метрики: accuracy, precision, recall, F1-score.
Результаты: на данный момент был проведён анализ доступной литературы, по результатам которого сделаны нижеизложенные выводы. Кроме того, нами разработана нейросетевая модель, основанная на данных об измерении HbA1c. Продолжается работа над оптимизацией нашей модели для повышения точности и надёжности результатов.
Заключение: неинвазивный метод на основе рамановской спектроскопии имеет ряд преимуществ при измерении уровня HbA1c, которые заключаются в более быстром и нетравмирующем замере, а также в возможности непрерывного контроля уровня HbA1c. В частности, неинвазивный метод исключает ошибки, связанные с утечкой белка за пределы кровеносного русла.
Полный текст
Обоснование: неинвазивная диагностика диабета — одна из ключевых проблем современной медицины. Система, которую мы планируем создать, может стать новой технологией для точного и неинвазивного измерения HbA1c. Поэтому нам предстоит провести серию исследований, чтобы оценить эффективность изучаемого метода и определить его потенциал для медицинской диагностики и мониторинга HbA1c.
Цели:
- Изучение возможности применения рамановской спектроскопии для неинвазивного измерения HbA1c.
- Разработка и дизайн портативного анализатора на основе данной технологии.
- Оценка эффективности и точности разработанного прибора.
Методы: для создания нейросети необходимо собрать обучающую выборку измерений с целью последующего применения к ней методов из библиотеки TensorFlow, а также выполнить лабораторные замеры для калибровки системы на лабораторных методах определения HbA1c. Устройство будет использовать лазер длиной 785 нм для снятия спектров в соответствии с методом рамановской спектроскопии. Полученные данные будут подаваться на вход нейросети, построенной на основе архитектуры свёрточных нейросетей. С целью определения точности и эффективности устройства будут проведены эксперименты для обучения модели. Планируется выполнить процедуру сбора данных в два этапа. Вначале будет проведено предварительное тестирование на 50 пациентах, которое позволит исследовать, как наш метод справляется с разными возрастными и гендерными группами, а также с различным HbA1c. Затем будет продолжен сбор данных на более крупном масштабе, включая пациентов с различными типами диабета и здоровых людей. Данные будут собираться с помощью портативного спектрофотометра и контролироваться с помощью высокоэффективной жидкостной хроматографии. Для оценки эффективности и точности устройства будут использоваться различные метрики: accuracy, precision, recall, F1-score.
Результаты: на данный момент был проведён анализ доступной литературы, по результатам которого сделаны нижеизложенные выводы. Кроме того, нами разработана нейросетевая модель, основанная на данных об измерении HbA1c. Продолжается работа над оптимизацией нашей модели для повышения точности и надёжности результатов.
Заключение: неинвазивный метод на основе рамановской спектроскопии имеет ряд преимуществ при измерении уровня HbA1c, которые заключаются в более быстром и нетравмирующем замере, а также в возможности непрерывного контроля уровня HbA1c. В частности, неинвазивный метод исключает ошибки, связанные с утечкой белка за пределы кровеносного русла.
Об авторах
Екатерина Ефимовна Поликер
Первый Московский государственный медицинский университет имени И.М. Сеченова
Автор, ответственный за переписку.
Email: katepoliker@gmail.com
ORCID iD: 0000-0002-9610-4511
Россия, Москва
Борис Леонидович Земских
Первый Московский государственный медицинский университет имени И.М. Сеченова
Email: boriama@yandex.ru
ORCID iD: 0009-0002-1874-0157
Россия, Москва
Константин Александрович Кошечкин
Первый Московский государственный медицинский университет имени И.М. Сеченова
Email: koshechkin_k_a@staff.sechenov.ru
ORCID iD: 0000-0001-7309-2215
Россия, Москва
Список литературы
- Qui Y., Hang Y., Xiaoliang S., et al. Raman Spectroscopy for Non-invasive, Real-time Hemoglobin A1c Monitoring // Scientific Reports. 2019. Vol. 9. P. 1–9.
- Chengjian Y., Xinyang W., Haibo X., et al. Raman spectroscopy-based noninvasive glycated hemoglobin detection in blood samples: A machine learning approach // Analytical Chemistry. 2021. Vol. 93, N 7. P. 3273–3279.
- Demircioglu N., Erdogan I., Ersoy Y.E., Abbasoglu A.A. Raman spectroscopy for the non-invasive detection of glycated haemoglobin: A systematic review // Advances in Clinical Chemistry. 2019. Vol. 88. P. 71–90.
- Zhang J., et al. Deep learning-based automatic detection of pulmonary nodules on CT images with TensorFlow // Journal of X-Ray Science and Technology. 2018. Vol. 26, N 3. P. 427–434.
- Chen L., Wang J., Yan X., Chen H., Ni X. Non-invasive measurement of hemoglobin A1c using Raman spectroscopy // Analytical Methods. 2019. Vol. 11, N 37. P. 4743–4750.
- Trenerry M.I., et al. Validation of high-performance liquid chromatography assays for determination of glycated hemoglobin in diabetic studies // Clinica Chimica Acta. 1996. Vol. 246, N 1–2. P. 91–102.
- Rüdiger S., Etzrodt T. Noninvasive Raman Spectroscopy Detection of Diabetes: Investigation of In Vivo Skin Perfusion and In Vitro Blood Samples // Journal of Diabetes Science and Technology. 2011. Vol. 5, N 2. P: 1153–1162. doi: 10.1177/19322968110050024
- Rashid M.M., et al. Exploring the Potential of Non-invasive Raman Spectroscopy in Monitoring Serum Glycated Haemoglobin in Patients with Type II Diabetes Mellitus // Journal of Spectroscopy. 2016. Vol. 2016. P. 1–10.
Дополнительные файлы
