Терагерцовая спектроскопия поможет обнаруживать заболевания щитовидной железы

Друзья, с момента основания проекта прошло уже 20 лет и мы рады сообщать вам, что сайт, наконец, переехали на новую платформу.

Какое-то время продолжим трудится на общее благо по адресу https://n-n-n.ru.
На новой платформе мы уделили особое внимание удобству поиска материалов.
Особенно рекомендуем познакомиться с работой рубрикатора.

Спасибо, ждём вас на N-N-N.ru

Российские ученые разработали метод терагерцовой импульсной спектроскопии c применением методов машинного обучения для выявления опухолей щитовидной железы. Результаты работы позволят в будущем сделать терагерцовую спектроскопию применимой в медицинской и биологической практике наравне с другими известными методами.

Статья опубликована в журнале Biomedical Optics Express.

Сотрудники физического факультета МГУ изучили плазму крови пациентов в жидком и лиофилизированном виде с помощью терагерцовой (ТГц) спектроскопии. Метод позволяет разделять пациентов с доброкачественными и злокачественными опухолями щитовидной железы.

ТГц-спектроскопия чувствительна ко многим метаболитам в тканях человека, что позволяет применять ее для диагностики различных заболеваний, в том числе рака и диабета. Однако чувствительность ТГц методов ограничена, поэтому ее повышение — актуальная задача. Применение метаматериалов в ТГц-диапазоне позволяет справиться с некоторыми ограничениями и расширить область применения ТГц-спектроскопии в направлениях биологии и медицины.

Авторы выяснили, что ТГц-спектры коэффициента поглощения и показателя преломления для жидкой плазмы достоверно разделяются только для здоровых людей и пациентов с заболеваниями щитовидной железы, в то время как для сухой плазмы разделение есть и внутри группы пациентов с заболеваниями. Таким образом можно разделить пациентов с доброкачественными и злокачественными опухолями щитовидной железы. Данное разделение подтверждено корреляцией ТГц-спектров поглощения с концентрацией глюкозы и онкомаркеров в плазме пациентов, а также результатами машинного обучения.

Автор: Александра Медведева

Пожалуйста, оцените статью:
Пока нет голосов
Источник(и):

Индикатор