中樞神經(jīng)系統(tǒng)白血病CNS-L（central nervous system-leukemia）是白血病復發(fā)及耐藥難治的主要根源，將產(chǎn)生嚴重并發(fā)癥，甚至危及生命，需要迅速識別并給予對癥治療。大多數(shù)CNS-L病人在早期時無癥狀或癥狀不典型，如何對CNS-L進行快速準確識別、診斷、預防和治療是目前白血病研究領域的挑戰(zhàn)。CNS-L診斷和治療的另一個難點在于其發(fā)病機制并不清楚，缺乏明確的理論解釋和支撐證據(jù)。目前，臨床上診斷CNS-L的方法包括神經(jīng)系統(tǒng)癥狀的臨床評價、通過腰椎穿刺(LP)進行的腦脊液（CSF）評估和放射影像學，其中，通過評估CSF中的白血病原始細胞是檢測CNS-L 白血病的標準診斷方法。傳統(tǒng)細胞學檢測方法是目前的金標準，特異性高達95%，但是存在敏感性低（<50%）的問題，導致假陰性問題嚴重，誤診率較高。此外，流式細胞術（FCM）雖然敏感性和特異性都較高，在臨床上逐漸得到認可和普及，但是當CSF中細胞數(shù)量較少是，F(xiàn)CM存在不足，并且無法檢測血腦屏障內層附著細胞。研究表明，CNS-L多發(fā)生在急性淋巴白血病（ALL），以及急性髓系白血病（AML）中的M4型及M5型，并且兒童ALL并發(fā)CNS的概率遠高于成人。因此，如果能提出一種高靈敏度、高特異性、簡單快速的檢測方法用于輔助中樞神經(jīng)系統(tǒng)白血病的識別、分類、診斷和機制研究，將具有重要的臨床價值。

表面增強拉曼光譜（Surface-enhanced Raman scattering, SERS）被稱作分子指紋光譜，具有靈敏度高、特異性優(yōu)、檢測速度快、操作簡單、多組分識別以及原位檢測等優(yōu)點。目前，SERS技術已應用到多種癌癥疾病的早期檢測、診斷及治療評估，例如肝癌、胃癌、宮頸癌等。利用拉曼光譜以及SERS技術進行白血病檢測與診斷有少量研究報道，包括AML細胞和正常白細胞鑒別，生化成分表征，AML亞型鑒別，細胞基金表達等方面。因此，SERS技術在白血病，尤其是CNS-L的臨床診斷和發(fā)病機制研究方面具有巨大的潛力。

本項目建立了一種融合深度學習和SERS技術的急性白血病分類與診斷平臺，可用于白血病的快速檢測并識別白血病亞型。利用臨床白血病病人的腦脊液樣本作為檢測對象，通過富集型檢測方法獲得高靈敏度SERS光譜數(shù)據(jù)。基于200多例病人的光譜數(shù)據(jù)，建立了針對急性白血病人腦脊液的深度學習分類模型，該模型能夠實現(xiàn)多層次的AL疾病識別與分類，包含非白血病與白血病，AML與ALL，AML型分類，ALL亞型分類，以及B-ALL（B細胞型）的染色體正常與異常鑒別。這種基于SERS光譜與深度學習結合的疾病分類平臺有望作為一種新的輔助診斷手段用于急性白血病，尤其是CNS-L的快速識別、分類與診斷，在CNS-L的發(fā)病機制研究方面也具有重要的研究意義。該融合深度學習和SERS技術的分類診斷系統(tǒng)也可拓展用于其他腫瘤疾病的檢測和識別。

（1）高靈敏度SERS檢測方案構建。本項目基于膠體型納米顆粒，對貴金屬納米結構微觀形貌、光學特性以及電磁場增強特性進行精確調控，通過富集策略構建SERS檢測方案，獲得臨床樣品的高靈敏度SERS信號。該方案操作簡單快速，僅需1微升樣品，5min 內可獲得光譜結果。

（2）深度學習模型用于急性白血病疾病分類與診斷。采集不同類型和亞型的白血病人CSF的SERS光譜，構建臨床樣本光譜數(shù)據(jù)庫。建立了融合一維和二維光譜特征的深度學習分類模型，分類準確度、靈敏性及特異性均達到90%以上。該分類方法可拓展至其余疾病檢測領域。