5分钟精准揪出白血病！西安电子科技大学等联合研发超灵敏新型检测平台，攻克白血病诊断难题

摘要：近日，西安电子科技大学、四川大学华西医院等多家机构联合在《Cell Reports Medicine》发表重要研究——基于深度学习辅助表面增强拉曼散射（DL-SERS）技术开发的新型诊断平台，仅需5分钟、0.5微升脑脊液（CSF）样本，即可实现对急性白血病（A

近日，西安电子科技大学、四川大学华西医院等多家机构联合在《Cell Reports Medicine》发表重要研究——基于深度学习辅助表面增强拉曼散射（DL-SERS）技术开发的新型诊断平台，仅需5分钟、0.5微升脑脊液（CSF）样本，即可实现对急性白血病（AL）多种亚型及中枢神经系统白血病（CNSL）的快速、高灵敏度分类诊断。这一突破有望解决传统白血病诊断中敏感性低、依赖经验的难题，为血液肿瘤精准诊疗提供新利器。

图形摘要

传统诊断之困与技术突破

深度学习辅助表面增强拉曼散射（DL-SERS）分类策略概览

急性白血病（AL）是血液系统恶性肿瘤，其中约3%-5%的患者初诊时已发生中枢神经系统白血病（CNSL），复发时比例更升至30%-40%。CNSL会导致严重神经损伤甚至危及生命，但其早期症状隐匿或不典型，现有检测手段存在显著局限：

细胞学检查（CC）：虽特异性超95%，但敏感性不足50%，易漏诊；

流式细胞术（FCM）：需专业样本处理和判读，且白血病细胞易黏附于脑膜血管壁，导致CSF中异常细胞含量低，敏感性仍不理想；

生物标志物检测：虽能反映病理机制，但缺乏高效、精准的整合分析工具。

因此，开发一种快速、高灵敏度且操作简便的CSF检测技术，成为AL及CNSL早期诊断的关键需求。针对上述挑战，研究团队创新性提出“深度学习辅助表面增强拉曼散射（DL-SERS）”策略，将SERS的高灵敏度分子指纹检测与Transformer模型的智能分析结合，实现了CSF中AL相关生物信息的快速提取与精准分类。

急性白血病筛查

急性白血病诊断

核心技术亮点与临床验证

DL-SERS分类的外部验证及流式细胞术分析

核心技术亮点：

1.超灵敏SERS检测：利用聚焦空间限域“热点”技术，结合物理富集（滑液填充多孔表面基底）与化学聚集（CSF中NaCl诱导银纳米颗粒团聚），仅需0.5微升CSF即可在5分钟内获取高信噪比光谱，解决了传统SERS检测复杂样本的灵敏度瓶颈。

2.多模态特征融合：突破单一光谱分析限制，将1D光谱的强度、波数位置信息与2D拉曼成像的空间分布特征融合，全面捕捉CSF中生物分子的微观状态。

3.Transformer智能分类：通过多头注意力机制，模型可同时聚焦不同维度的特征，精准识别健康人群、AL患者及各亚型间的细微差异。实验显示，该模型在健康与AL患者区分中准确率达96.13%，AUC（曲线下面积）达0.98，远超传统卷积神经网络（CNN）模型。

研究团队纳入全国五家医院的332例CSF样本（268例AL患者，64例健康对照），涵盖AML（M1/M2、M3、M4/M5亚型）、ALL（B-ALL、T-ALL）及其分子遗传学亚型（如BCR/ABL融合基因阳性/阴性），并首次纳入CNS浸润患者（11例）及健康对照（11例）的对比数据。

关键结果：

AL全景诊断：对AML与ALL的二分法准确率96.2%；B-ALL与T-ALL区分准确率96.5%；AML各亚型（M1/M2、M3、M4/M5）分类准确率91.8%；B-ALL分子遗传学异常（正常/异常、BCR/ABL阳性/阴性）识别准确率超93%；CNS浸润与否的判断准确率高达95.9%。

外部验证可靠：在120例独立样本的盲测中，AML/ALL区分准确率仍达93.3%，B-ALL/T-ALL为96.7%，验证了模型的泛化能力。

跨界应用潜力：研究进一步将该平台用于脑膜炎（病毒性、结核性、隐球菌性、自身免疫性）的四分类，准确率达97%，AUC值0.997，展现了其在CNS疾病诊断中的广泛适用性。