基于拉曼光谱+机器学习，北大团队开发胃癌早期检测新技术！

早筛网讯：近日，北京大学第三医院消化科与北京大学药学院联合团队发表了一项拉曼光谱技术检测早期胃癌及幽门螺旋杆菌感染的研究，给出了一条兼顾准确性与可及性的新路径。研究以胃液为样本，让拉曼光谱技术读取分子信号，再由机器学习完成瞬时判别，从而把胃癌与幽门螺杆菌感染的诊断窗口前移到一个几乎无创的维度。研究发表在《Scientific Reports》上。

目前，胃癌的早期发现至今仍是全球公共卫生的核心难题。经典的“Correa级联”模型清晰地描绘了胃癌从正常黏膜，历经慢性浅表性胃炎、肠上皮化生、不典型增生，最终演变为胃癌的多步进程。这为干预提供了宝贵的窗口期，然而，现有的黄金诊断标准——内镜活检，却因其侵入性、操作复杂、成本较高以及存在取样误差等问题，难以作为大规模人群的常规筛查手段。同时，作为胃癌头号风险因素的幽门螺杆菌感染，其现有检测方法如呼气试验、血清学检测等，也各自面临着准确性不足或无法区分现症与既往感染等局限。临床实践中，对于一种能够无创、快速且精准地捕捉胃内动态分子变化的全新诊断工具，需求迫在眉睫。

为此，研究团队创新性地将拉曼光谱技术与先进的机器学习算法相结合，开发出一种仅凭胃液即可同时精准诊断早期胃癌、癌前病变和幽门螺杆菌感染的新方法。胃液，作为一种直接源于胃腔、富含蛋白质、代谢物、核酸等生物信息的近端液体，能够更为直接地反映胃黏膜的真实病理状态。通过一条在常规胃镜检查中即可使用的吸引线收集胃液，使得这项技术具备了微创、便捷的巨大优势。

研究中，团队共招募了133名患者，并根据病理结果将其分为慢性浅表性胃炎、肠上皮化生、不典型增生和早期胃癌四组，同时记录了每位患者的幽门螺杆菌感染状态。研究人员对收集到的胃液样本进行精细处理后，使用拉曼光谱仪获取其分子指纹图谱。拉曼光谱技术能够灵敏地探测到样本中化学成分的微小变化。

然而，海量的光谱数据错综复杂，人眼难以分辨其细微差异。因此，研究团队运用机器学习技术，包括主成分分析、线性判别分析在内的多种降维技术，对数据进行提纯和可视化，并训练了多达12种不同的机器学习模型来进行分类判断。为了达到最优性能，他们最终采用了“堆叠模型”策略，即将表现最好的几个模型进行整合，博采众长。

基于拉曼光谱和机器学习的胃癌和

胃液拉曼光谱鉴别胃黏膜病变的诊断性能和潜在生物标志物

与此同时，该方法在诊断幽门螺杆菌感染方面同样出色，堆叠模型实现了96%的准确率、96%的灵敏度和96%的特异性，AUC为0.94，性能超越了部分传统方法。

胃液拉曼光谱诊断幽门螺旋杆菌的诊断性能和潜在生物标志物

此外，研究人员通过分析光谱中的特征峰发现，随着病变从胃炎向早期胃癌步步推进，代表腺嘌呤、苯丙氨酸和葡萄糖的分子信号呈现出阶梯式的增强，而反映蛋白质结构的酰胺III信号则逐渐减弱。这些变化揭示了癌细胞快速增殖、代谢重编程等关键生物学过程。在幽门螺杆菌阳性患者的胃液中，磷脂酰肌醇和腺嘌呤的水平显著升高，这与该菌株激活特定信号通路、刺激细胞增殖的已知机制不谋而合。这些发现不仅验证了方法的科学性，也为理解疾病机制提供了新的线索。

这项研究成功地展示了一种基于胃液拉曼光谱与机器学习的快速、准确且微创的诊断新范式。并且，研究指出，整个检测流程无需任何标记或染色试剂，晶片成本低廉，光谱采集仅需3秒，结合云端算法可在0.2秒内返回结果，为临床实时决策提供了技术前提。相较于传统内镜活检，胃液拉曼策略避免了组织钳取带来的出血、穿孔风险，也减少了因取样位点偏差导至的漏诊；相较于呼气或血清试验，其同时覆盖肿瘤发生与感染状态两个维度，且对癌前病变保持高敏感度，有望解决谁该复查、何时干预的临床痛点。

参考资料：Fu, W., Zhang, Y., Zhai, K. et al. Raman spectroscopy and machine learning for early detection of gastric cancer and Helicobacter pylori with gastric juice. Sci Rep 15, 36332 (2025). https://doi.org/10.1038/s41598-025-20270-9