编辑推荐：
本研究采用表面增强拉曼光谱（SERS）结合K-近邻-图注意力网络算法，通过合成四种银纳米颗粒筛选出最优AgNPs@Citr，直接检测血清SERS光谱，实现骨质疏松早期筛查和预后评估，准确率达93.32%，灵敏度93.90%，并发现治疗前后的血清特征峰变化可用于评估治疗效果。
余高|田边浩人|凯虎|司清高娃·韩|五里吉·哈西
中国哈尔滨工业大学郑州研究院，郑州450000
摘要
早期发现、早期干预、早期治疗以及及时的预后监测对于提高患者的生活质量和寿命至关重要。目前，骨质疏松症的诊断方法成本高昂、可及性差且具有放射性。近年来，表面增强拉曼光谱（SERS）在医学诊断领域受到了广泛关注。然而，以往的研究主要集中在复杂的基底开发或不同癌症的诊断上，针对患者治疗前后血清SERS光谱的研究相对较少。通过比较四种银纳米颗粒类型的增强能力，我们发现只有通过柠檬酸钠还原法合成的银纳米颗粒能够清晰地检测到血清样本中的特征峰。随后，通过将这种基底获得的血清SERS光谱与优化的K-最近邻图注意力网络（K-Nearest Neighbor-Graph Attention Network）直接结合，本研究建立了一种专门用于血清成分识别和诊断模型构建的光学检测方法。与传统机器学习算法相比，该方法能够高效准确地实现骨质疏松症的早期筛查（准确率：93.32%，精确率：94.13%，灵敏度：93.90%，特异性：93.30%）。此外，本研究还监测了骨质疏松症患者治疗前后的血清SERS光谱，并成功识别出与预后评估相关的潜在特征峰和代谢物。结果表明，检测治疗过程中血清SERS光谱的变化可以有效衡量治疗效果。这些结果表明，将血清SERS与机器学习相结合可以为骨质疏松症的临床早期筛查和预后评估提供一种可行的方法。
引言
骨质疏松症（OP）是一种全身性骨骼疾病，其特征是骨矿物质密度（BMD）降低和骨微结构受损，这会降低骨的机械强度并显著增加骨折风险。流行病学数据显示，绝经后妇女和老年人群中骨质疏松症的发病率较高，已成为老年人死亡和残疾的主要原因之一[1]。该疾病的发病机制涉及多种因素的相互作用，包括内分泌调节紊乱、营养摄入不足、遗传易感性和生活习惯等。随着全球人口老龄化进程的加快，骨质疏松症的疾病负担预计将进一步增加，给患者带来巨大的身体痛苦，并对全球医疗系统造成严重经济压力[2]。
目前，双能X射线吸收测定法（DXA）、定量超声（QUS）和定量计算机断层扫描（QCT）是骨质疏松症诊断和疗效评估的主要方法[3]。然而，这些方法存在固有的局限性，限制了其在早期筛查和长期预后监测中的应用[4]、[5]。作为骨质疏松症诊断的金标准，DXA可以测量BMD，但容易受到腰椎退化、骨赘形成、血管钙化和体脂含量的干扰，从而导致潜在的不准确性[4]。同时，骨质疏松症早期进展隐匿，DXA检测到的BMD变化往往滞后于骨组织的病理损伤，使得早期诊断变得困难[5]。此外，DXA和QCT设备成本高昂，检查费用高，且DXA涉及电离辐射暴露——这些因素使得大规模人群筛查和重复随访监测不切实际[3]。因此，迫切需要一种快速、低成本、无创且无辐射的检测技术来支持骨质疏松症的早期筛查和预后评估。
SERS是一种高度敏感的分析技术，可以放大吸附在粗糙贵金属表面的分子的拉曼散射信号。与传统检测方法相比，SERS具有明显的优势，包括类似指纹的分子特异性、超高灵敏度、快速检测、样品消耗少、非破坏性分析以及无需复杂样品预处理[6]、[7]、[8]。近年来，SERS已广泛应用于血液、尿液和组织切片等生物样本的检测，在疾病诊断领域展现出巨大潜力[9]、[10]、[11]、[12]。血清作为骨代谢产物的关键载体，可以通过其生化成分的变化间接反映骨代谢的状态[13]，是检测骨科相关疾病的理想样本。2023年，余等人开发了一种基于SERS的技术，用于膝关节骨关节炎（KOA）的辅助诊断和疗效评估。通过利用咖啡环效应，从假手术组、KOA组和治疗组的大鼠中获得了高质量的血清样本SERS光谱。随后通过整合偏最小二乘-支持向量机（PLS-SVM）算法建立了诊断模型，有效筛查了KOA，从而为KOA的诊断和治疗提供了新策略[14]。2025年，利用飞秒激光并行纳米制造技术制备了一种具有微球纳米孔阵列的数字SERS基底，实现了10?18 L级别的微量采样。通过金纳米颗粒的修饰，进一步提高了基底的增强性能。结合对三种血清生物标志物（包括同型半胱氨酸）的泊松统计分析，该方法能够准确区分类风湿性关节炎和骨关节炎患者，诊断准确率为88.0%[15]。
然而，现有的骨科相关SERS研究大多集中在骨关节炎和其他关节疾病上[14]、[15]，针对骨质疏松症的研究相对较少。更重要的是，大多数当前研究仅比较了骨质疏松症患者和健康个体之间的血清SERS光谱差异，缺乏对治疗前后患者血清变化的动态监测——无法满足临床预后评估的需求。此外，血清成分的复杂性导致SERS光谱存在细微差异，给准确的分析解释带来了挑战。传统的机器学习算法（如随机森林、卷积神经网络）在处理非图结构光谱数据时存在局限性，无法有效捕捉样本之间的内在相关性，从而导致分类准确性不足。
为了解决上述问题，我们首先通过四种不同的系统合成了银纳米颗粒（AgNPs），其中通过柠檬酸钠还原法合成的AgNPs@Citr表现出优异的生物相容性。随后，将血清样本直接与AgNPs@Citr混合，无需复杂的预处理程序即可获得完整的血清SERS光谱。然后使用KNN-GAT算法对血清SERS光谱进行自动化分析，该算法结合了KNN在构建简洁拓扑结构方面的优势和GAT在自适应信息聚合方面的优势。这种协同算法成功克服了传统方法在处理非图结构光谱数据时的固有局限性，表现出卓越的识别性能，能够快速准确地诊断骨质疏松症（OP）。同时，通过比较治疗前后骨质疏松症患者的血清SERS光谱，我们成功识别出与疾病改善相关的特征峰，为预后评估提供了客观的光谱依据。该方法的详细工作流程如图1所示。值得注意的是，该方法具有显著的优点，包括简单的基底制备过程、无需血清预处理步骤、检测时间短以及出色的算法分类性能。总体而言，本研究为SERS技术在骨质疏松症现场快速筛查和动态预后评估中的临床应用提供了新的见解。
部分内容
化学材料
硼氢化钠（NaBH?）、硝酸银（AgNO?，99.8%）、聚乙烯吡咯烷酮（PVP）、柠檬酸钠二水合物（Na?C?H?O?·2H?O，99%）、抗坏血酸（AA）、盐酸羟胺和罗丹明6G（R6G）均购自上海阿拉丁生化科技有限公司。四种不同银纳米颗粒的制备
在本研究中，通过四种不同的合成方法制备了四种具有不同特性的银纳米颗粒。银纳米颗粒SERS基底的选择与性能表征
作为经典的等离子体材料，银的等离子体共振能量为3.5 eV。在激光激发下，会产生强烈的局域表面等离子体共振（LSPR）。其核心价值在于形成了“电磁热点”——相邻AgNPs之间的纳米间隙可以将局部电场强度增强106到108倍，为SERS提供了核心的电磁增强效果[20]。为了适应血清SERS检测的实际应用场景，本研究首先结论
目前临床使用的骨质疏松症诊断方法存在成本高、普及程度不足和辐射暴露等问题，难以满足早期筛查和预后监测的需求。因此，本研究首先通过四种不同的合成方法制备了银纳米颗粒。通过系统比较它们的SERS增强性能和血清信号捕获能力，发现只有通过柠檬酸钠还原法制备的AgNPs
利益冲突声明
作者声明他们没有已知的可能会影响本文报道工作的竞争性财务利益或个人关系。致谢
本工作得到了国家自然科学基金（项目编号：82160806）、内蒙古自治区自然科学基金（项目编号：2024LHMS08035、2017MS0885）以及内蒙古自治区卫生健康委员会传统中医（蒙医）科技计划项目（项目编号：ZMY-2025054）的支持。
