据麦姆斯咨询介绍，由于红外光谱技术能够检测多种生物标志物的分子特征谱，因此它正日益成为一种体外诊断检测方法。然而，根据慕尼黑大学（Ludwig-Maximilians-Universität München）和马克斯·普朗克量子光学研究所（MPQ）的一项研究表明，目前缺少的是“红外光谱指纹”在大规模自然变异人群中的应用。
该研究项目负责单位是慕尼黑大学宽带红外诊断（BIRD）中心，旨在评估结合红外光谱指纹和机器学习是否可以产生一种单次测量多表型医学诊断平台。相关研究论文发表在Cell Reports Medicine期刊上。
该研究以慕尼黑大学和马克斯普朗克量子光学研究所先前的研究为基础，利用红外光谱技术监测血液成分以用于医学诊断目的。2021年，两家机构研究了通过傅里叶变换红外（FTIR）光谱法从血液样本中创建的分子红外光谱指纹是否会随着时间的推移而发生变化，这是在提出将数据用于人体健康监测之前的一个重要考虑因素。考虑到大多数人正常生活方式的自然变化，红外光谱信息被发现是“非常稳定”的。
该论文第一作者Tarek Eissa分析了数千个分子红外光谱指纹
新的研究工作将傅里叶变换红外光谱法应用于一个德国综合健康研究项目中3169名个体的5184个血液样本。研究人员使用机器学习以解码测量的红外光谱，寻找血脂异常、高血压、2型糖尿病和其它常见疾病的迹象。
“据我们所知，我们的研究工作使用红外光谱指纹分析了目前最大的群体，旨在检查该方法全面检测几种医学相关的人类健康表型的能力。”该项目发表的论文中评论道，“以前的临床光谱研究通常依赖于相当小的患者群体，这阻碍了开发能够熟练推广到更大群体的基于红外光谱的医疗诊断模型的潜力。”
研究人员表示：“我们的成功表明，红外光谱指纹和机器学习的结合可以准确地找出亚健康个体并描述慢性多重疾病状态。数据还显示，该方法能够在健康问题显现之前预测疾病。”
“这种新方法不仅可以一次确定一种病症，还可以准确识别一系列健康问题。”慕尼黑大学指出，“这种由机器学习驱动的医疗诊断系统不仅可以识别健康个体，还可以同时检测涉及多种疾病的复杂病症。此外，它可以在症状出现前数年预测代谢综合征的发展，为提前干预提供一个窗口。”
该团队评论道，尽管红外光谱指纹是否能够解码十年尺度时间段内的健康轨迹还有待观察，但这项新研究已经在一项大规模人口水平的研究中验证了该技术，并指出分子红外指纹将成为全民健康筛查的常规部分。这对于胆固醇异常和糖尿病等代谢紊乱尤其重要，及时干预可显著改善治疗效果。
“红外光谱与机器学习的结合将改变健康诊断。”慕尼黑大学表示，“只需血液样本，就能通过一个强大的新工具来监测我们的健康状况，更有效地发现问题，并有可能改善全球医疗保健。”
