Szybka identyfikacja ognisk padaczki podczas operacji za pomocą sztucznej inteligencji i spektroskopii Ramana
AI-Assisted SERS Decoding of Dual Enzymatic Activity for Intraoperative Chemical Mapping of Epilepsy
W skrócie
Naukowcy opracowali nową metodę, która pozwala chirurgom szybko znaleźć podczas operacji fragmenty mózgu powodujące padaczkę, których nie można leczyć lekami. Metoda wykorzystuje sztuczną inteligencję do analizy dwóch białek charakterystycznych dla chorego mózgu w zaledwie 4 minuty, podczas gdy dotychczasowe testy zajmowały 30-60 minut. Badania wykazały, że ta metoda z dużą dokładnością odróżnia fragmenty mózgu powodujące padaczkę od zdrojwych tkanek, co może pomóc chirurgom usunąć dokładnie to, co trzeba.
Oryginalny abstract (angielski)
Precision resection remains the definitive treatment for drug-resistant epilepsy, yet intraoperative demarcation of epileptic foci is hindered by the lack of rapid molecular imaging. Herein, we report a rapid, artificial intelligence (AI)-accelerated surface-enhanced Raman scattering (SERS) platform for the simultaneous mapping of caspase-3 and matrix metalloproteinase-2 (MMP-2) activities at epileptic foci. To overcome the kinetic mismatch that traditionally stalls dual-enzyme tracking, we employed an AI-driven workflow to identify an MMP-2 peptide substrate whose catalytic kinetics are synchronized with those of its caspase-3 counterpart, compressing measurement times from hours to minutes. A bespoke dual-branch cross-attention Kolmogorov-Arnold Network (DBC-KAN) further accelerated the diagnostic speed by capturing subtle early-stage spectral evolution patterns through learnable edge activations, achieving 98.21% predictive accuracy within 4 min of sample loading, a >7-fold improvement relative to commercial activity assays (30-60 min). Notably, these substrates were integrated into a ratiometric SERS array featuring biological-silent-region internal standards, enhancing quantitative robustness while eliminating spectral cross-talk. Leveraging this platform, we established a logic-gated diagnostic framework (caspase-3/MMP-2 ratio) that successfully discriminated epileptic foci from healthy and inflamed regions in transgenic murine models and resected human cortical tissues. This AI-driven SERS strategy delivers ultrafast intraoperative molecular profiling, providing a high-fidelity roadmap for precision neurosurgery.