《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Non-invasive differentiation of light chain amyloidosis and multiple myeloma based on Raman spectroscopy analysis using one-dimensional convolutional neural networks
编辑推荐：
血清拉曼光谱结合1D-CNN模型精准区分AL淀粉样osis与MM，AUC达0.94-0.96，识别关键谱带500/1150/1750 cm?1，提供非侵入性早期诊断新方法。
张彦玲|田崇轩|安柳瑶|王磊|魏长江|林宗伟|肖杰|张新宇|姚桂华|董梅|卢慧霞|李伟
鲁冰理论创新与转化国家重点实验室；教育部、国家卫生健康委员会、中国医学科学院和山东省心血管重塑与功能研究重点实验室；山东大学齐鲁医院心血管内科，济南250012，中国
摘要
轻链淀粉样变性（AL）和多发性骨髓瘤（MM）是相互关联的浆细胞疾病，其特征为恶性增殖，但它们表现出不同的病理生理机制和临床进展模式。这两种疾病之间的临床鉴别存在显著挑战，常常导致诊断延迟，尤其是对于AL淀粉样变性，这会严重影响患者的预后。目前的诊断方法主要依赖于侵入性组织活检和复杂的血清学检测，这凸显了快速、无创辅助诊断方法的迫切需求。在这项研究中，我们开发了一种创新的分析框架，将血清拉曼光谱与先进的一维卷积神经网络（1D-CNN）相结合，以实现AL和MM的精确区分。我们从临床诊断的患者中收集血清样本，并使用785 nm激发的拉曼系统在200–2000 cm?1的光谱范围内进行分析。经过全面的预处理后，我们专门设计的1D-CNN架构取得了出色的分类性能，AL的曲线下面积（AUC）值为0.94，MM的AUC值为0.96，总体准确率达到92.5%，同时灵敏度为91.4%，特异性为93.1%。与传统的机器学习算法（包括支持向量机，AUC=0.78）和其他深度学习架构相比，所提出的模型在统计上表现更优（p<0.01）。关键的光谱分析在500 cm?1、1150 cm?1和1750 cm?1处发现了显著的拉曼带变化，提供了关于鉴别特征的分子水平见解。这种基于光谱的深度学习平台代表了临床诊断的重大进展，提供了一种快速、无创的方法，具有早期疾病筛查和增强浆细胞疾病鉴别诊断决策支持的巨大潜力。
引言
轻链淀粉样变性（AL）和多发性骨髓瘤（MM）都是骨髓中异常浆细胞克隆增殖的恶性浆细胞疾病。尽管它们具有共同的细胞起源，但它们的主要病理机制根本不同。AL主要是蛋白质错误折叠的疾病，其特征是由单克隆免疫球蛋白轻链衍生的不可溶性淀粉样纤维沉积[1]。这一过程导致多系统受累，主要影响心脏、肾脏、周围神经系统、胃肠道和软组织等重要器官。心脏淀粉样变性在AL患者中尤为常见，约50%的病例会出现这种情况[2]。值得注意的是，心脏受累与不良预后相关，大约25%的受影响患者在诊断后六个月内会死于心力衰竭[3]。相比之下，MM主要是增殖性疾病，其临床表现主要源于浆细胞的失控扩张和随之产生的完整单克隆免疫球蛋白的过度生产[1]。多发性骨髓瘤（MM）相关器官损伤的诊断依据CRAB标准，包括高钙血症、肾功能不全、贫血和溶骨性骨病变[4]。尽管AL淀粉样变性和MM有一些共同的临床特征，但它们由不同的病理生理过程驱动，可能在同一患者中同时或依次出现。它们之间的确切病因关系仍在争论中。一项在1960年至1994年间对1596名原发性AL淀粉样变性患者进行的梅奥诊所研究发现，只有6人（0.4%）在初次诊断AL后发展为MM[3]。相反，一项对4319名MM患者进行的纵向研究（1990–2008年）发现，至少六个月后有47人发展为AL（1.1%），所有这些病例都发生在MM诊断后的六个月以上[5]。最近，一项针对846名新诊断AL患者的瑞典基于人群的登记研究（2011–2019年）报告称，10%的患者有MM的既往史，并且在观察期间AL的发病率呈上升趋势[6]。总体而言，这些发现表明，尽管AL淀粉样变性和多发性骨髓瘤（MM）在病理生理上有关联，但它们在临床上是不同的实体。鉴于MM的发病率更高，更常见的临床情况是首先诊断为MM，然后通过系统的多模态诊断评估确定AL淀粉样变性。
然而，目前的浆细胞疾病诊断过程仍然具有临床挑战性，因为它需要满足两个关键标准：（1）目标器官中淀粉样蛋白沉积的客观证据；（2）恶性浆细胞增殖的病理学确认。具体来说，单克隆免疫球蛋白的鉴定需要标准化的血清或尿液免疫固定电泳，并辅以血清游离轻链的定量[7]。组织病理学确认主要通过两种侵入性诊断程序获得：腹部脂肪垫穿刺活检和骨髓穿刺活检[8]。为了准确评估心脏受累情况，必须进行全面的心脏成像检查，包括超声心动图、心脏磁共振成像（CMR）和正电子发射断层扫描-计算机断层扫描（PET-CT）[7]。值得注意的是，AL淀粉样变性的诊断延迟与不良预后密切相关。延长的诊断间隔与显著降低的生存率相关，因为大多数患者在诊断时已经处于疾病晚期。临床研究表明，从心脏症状出现到诊断延迟超过一年的患者生存期明显缩短[9]。鉴于这些独特的临床特征，系统性AL淀粉样变性通常需要比活动性多发性骨髓瘤（MM）更积极的治疗策略，特别是在心脏受累严重的情况下。新兴的临床证据支持使用减量的标准化化疗方案——特别是BD方案（硼替佐米1.0 mg/m2与地塞米松10 mg）和DBD方案（达拉妥单抗12 mg/kg，硼替佐米1.0 mg/m2与地塞米松10 mg）用于有心脏受累的AL患者[10]。因此，在临床实践中，早期和准确地区分AL和MM至关重要。
拉曼光谱是一种强大的非破坏性分析技术，通过非弹性光散射探测分子振动。它广泛用于表征有机和无机材料，能够进行相识别、结构分析和化学键的检测。在陶瓷等无机系统中，它对于确定结晶度和相变至关重要。这种提供“分子指纹”的基础能力使拉曼光谱成为分析复杂生物分子的同等有价值的工具，为其在无创生物医学诊断中的应用铺平了道路[11]、[12]、[13]。近年来，由于无标记性质、出色的灵敏度和表征生物样本的能力，拉曼光谱在临床诊断中成为一种非常有前景的技术。特别是，液相分析方法的持续进步，尤其是对于血清和血浆的分析，为快速和精确的临床诊断建立了坚实的框架[14]。例如，Naz等人应用表面增强拉曼光谱（SERS）分析了49名急性心肌梗死（AMI）患者和17名健康对照者的血清样本，并通过结合主成分分析（PCA）和偏最小二乘回归（PLSR），报告了0.98的曲线下面积（AUC）诊断性能[15]。同样，Peng等人使用共聚焦拉曼显微光谱结合多变量统计方法区分了心脏黏液瘤（CM）患者和健康对照者，诊断准确率超过98%[16]。这些令人信服的案例展示了将基于拉曼的光谱原理成功转化为有效临床评估工具。
AL和MM不同的病理生理学为使用拉曼光谱进行区分提供了强有力的理由。主要区别在于蛋白质构象：AL的特征是错误折叠的、富含β-折叠片的淀粉样纤维，而MM涉及的主要是保持其天然结构的可溶性免疫球蛋白。这种三级结构的显著对比使拉曼光谱成为理想的分析工具[17]，因为它通过检测依赖于构象的分子振动变化来区分这两种疾病，这些变化表现为独特的光谱特征。支持这种方法的是，Liang等人应用正交偏最小二乘判别分析（OPLS-DA）对干燥的血清样本进行了分析，成功分类了35名MM患者和13名健康对照者。他们的分析发现了与总蛋白、高密度脂蛋白和血糖水平相关的显著拉曼信号差异，强调了该技术在浆细胞疾病诊断中的实用性[18]。同时，新兴的研究提供了令人信服的证据，表明无标记拉曼显微光谱能够检测AL组织中的独特光谱特征，从而提供新的分子指纹信息，以提高诊断准确性[19]。总之，这些发现证实了拉曼光谱基于其内在结构差异区分AL和MM的潜力。
目前，尚未有发表的研究探索使用拉曼光谱区分AL和MM。为了填补这一空白，本研究开发了一种基于一维卷积神经网络（1D-CNN）的创新分类模型。该模型专门设计用于识别MM和AL患者血清拉曼光谱的特征差异。主要目标是在临床实践中建立一种快速、无创的鉴别诊断方法。所提出的模型能够直观地可视化区分光谱特征，从而为临床医生提供可解释的决策支持。这种方法有望提高早期AL检测的效率，减少对侵入性活检程序的依赖，并为早期、准确的诊断和个性化治疗策略奠定重要基础。
部分内容片段
血清样本的收集和制备
这项回顾性研究包括2020年10月至2021年10月期间在山东大学齐鲁医院新诊断为AL的28名患者和39名MM患者。AL的诊断通过免疫固定电泳、皮下脂肪活检和骨髓活检确认。排除了局部性、遗传性或继发性淀粉样变性的患者。为了模型开发和评估，数据集在患者层面进行了划分。所有28名AL患者和39名MM患者都随机
MM和AL患者的基线特征
本研究招募了39名MM患者和28名AL患者。两组在年龄或性别分布方面没有统计学上的显著差异（p>0.05）。由于心脏受累，AL组患者的血压水平相对较低，纽约心脏协会（NYHA）功能分类明显较差
结论
在这项研究中，我们将无标记血清拉曼光谱与定制的一维卷积神经网络（1D-CNN）结合，用于无创区分轻链淀粉样变性（AL）和多发性骨髓瘤（MM）。拉曼光谱在特征带显示出显著的强度差异，这与两种疾病之间的蛋白质、脂质和核酸相关振动的变化一致。利用这些光谱特征，我们的1D-CNN实现了高诊断性能
伦理声明
本研究获得了山东大学齐鲁医院医学伦理委员会的批准和同意（批准编号KYLL-202008181）。
资金声明
本研究得到了国家自然科学基金（22176115）、山东省自然科学基金（ZR2021MH208）、山东省重大创新项目（2021CXGC010506、2024CXGC010605）、国家重点研发计划（2023YFC3706604）、青岛市科技项目（25–1-5-smjk-9-nsh）、中国国际医学基金会（Z-2016-23-2001-01）的资助。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
