Resumen

Para facilitar la mayor confiabilidad mejorada de la detección de tumores basada en Raman y las metodologías analíticas, se realizó una investigación espectral de Raman para identificar información composicional distintiva de tejido sano (H), carcinoma ductal (CDIS) y carcinoma ductal invasivo (CDI). Luego, se construyeron modelos de análisis de componentes principales-análisis discriminante lineal (PCA-LDA) y análisis de componentes principales-máquina de vectores de soporte (PCA-SVM) para distinguir características espectrales entre diferentes grupos de tejido. El análisis espectral resaltó diferencias en los niveles de lípidos insaturados y saturados, carotenoides, proteínas y ácidos nucleicos entre tejido sano y canceroso, y variaciones en los niveles de ácidos nucleicos, proteínas y fenilalanina entre CDIS y CDI. Ambos modelos de clasificación demostraron ser extremadamente eficientes en la discriminación de tipos patológicos de tejido, con un 99% de precisión para PCA-LDA y 100%, 100% y 96.7% para el análisis de PCA-SVM basado en núcleo lineal, núcleo polinómico y función de base radial (RBF), respectivamente, mientras que el algoritmo de PCA-SVM simplificó en gran medida la complejidad del cálculo sin sacrificar el rendimiento. El presente estudio demuestra que la espectroscopia Raman combinada con la tecnología de análisis multivariado tiene un considerable potencial para mejorar la eficiencia y el rendimiento del diagnóstico del cáncer de mama.

• Materias:Fármacos Electroforesis Microespectral Raman Espectro ultravioleta Teledetección
• Subjects:Pharmaceuticals Electrophoresis Microspectral Raman Ultraviolet spectrum Remote sensing
• Palabras claves:Raman; Investigación espectral; Pca-lda; Pca-svm; Grupos de tejidos; Tecnología de análisis multivariante
• Keywords:Raman; Spectral investigation; Pca-lda; Pca-svm; Tissue groups; Multivariate analysis technology