ACS Sensors· 2026Q1
Yapay Zeka Destekli SERS Platformu, pH İmzalarını Kullanarak Melanom Sınırlarını Çözer
Chemically Informed Artificial Intelligence Decoding of Full-Spectrum SERS Fingerprints for pH-Guided Intraoperative Assessment of Freshly Excised Melanoma Specimens
- 0atıf
- Q1SCImago
- 2026yıl
Kısa özet
Yeni bir Yapay Zeka-SERS platformu, pH'ı ölçmek için tam spektrumlu titreşimsel parmak izlerini doğru bir şekilde çözerek, intraoperatif melanom sınır değerlendirmesi için tahmin hatalarını %85'e kadar azaltır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Muhabir protonasyon/deprotonasyonunu spektral yoğunluk değişikliklerine dönüştürmek için pH'a duyarlı bir HemS-SERS mikro dizisi geliştirildi.
- pH çözümlemesi için tam spektrum dikkatini Henderson-Hasselbalch güdümlü tahmin ile entegre eden bir Yapay Zeka modeli (CIMPA-pH) oluşturuldu.
- Manuel tepe-oranı özellikleri ve geleneksel derin öğrenme temellerine kıyasla tahmin hatalarında yaklaşık %85'lik bir azalma sağlandı.
- Platform, hızlı (10 s) noktasal pH ölçümleri sağlar ve hayvan modellerinde melanomları normal deriden ayırt eder.
- İnsan rezeksiyon örneklerinde melanomla ilişkili bölgelerin değerlendirilmesi için öncelikli uygulanabilirlik gösterir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract Precise intraoperative delineation of melanoma margins remains a clinical challenge; incomplete resection causes recurrence, whereas over-excision compromises aesthetic and functional outcomes. While surface-enhanced Raman spectroscopy (SERS) provides chemically rich vibrational fingerprints, accurate intraoperative quantification is hindered by complex, coupled full-spectrum responses. Herein, we report a chemistry-informed artificial intelligence (AI)-SERS platform designed to support melanoma margin assessment via the detection of tumor-associated metabolic acidification. A pH-responsive HemS–SERS microarray was developed to translate the phenolic protonation/deprotonation of a hemicyanine–xanthene reporter into coordinated intensity redistributions across multiple Raman bands. Guided by this acid–base chemistry, our AI model (CIMPA-pH) encodes these pH-responsive vibrational anchors as learnable directional chemical priors, integrating full-spectrum attention with Henderson–Hasselbalch-guided prediction. This global decoding strategy accurately captures coupled pH responses, reducing prediction errors by approximately 85% and 54–78% compared to manual peak-ratio features and conventional deep-learning baselines, respectively, while a quality-control risk metric further reduces high-error readouts by 29.1%. Providing rapid (10 s) pointwise pH measurements, the platform distinguishes melanomas from normal skin with distinct pigmentation phenotypes in animal models and shows preliminary applicability for assessing melanoma-associated regions, including grossly atypical areas, in human resection specimens. Ultimately, this chemical-prior-guided SERS decoding strategy provides an interpretable framework with potential for metabolism-guided intraoperative margin assessment.
Yazarların özeti; kaynağından alınmıştır. ACS Sensors, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
BiophysicsBiochemistry, Genetics and Molecular Biology