An Interpretable SERS–AI Platform for Rapid and Quantitative Diagnosis of Polymicrobial UTIs: Powered by Positively Charged Plasmonic Nanoparticles and Attention‐Based Deep Learning
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Abstract Polymicrobial urinary tract infections (UTIs) present diagnostic challenges due to overlapping symptoms and limitations of conventional methods. Although SERS and AI have shown potential for microbial diagnostics, existing approaches lack reproducibility, quantification capability, and interpretability—especially in complex clinical samples. Here, a label‐free, interpretable SERS‐AI platform for rapid identification and quantification of mixed urinary tract pathogens is proposed. A plasmonic substrate is engineered by combining Au@Ag core–shell nanoparticles with a positively charged bPEI surface, enabling electrostatic bacterial capture and stable SERS signal generation across diverse microbial mixtures. A convolutional neural network (CNN) enhanced with a convolutional block attention module (CBAM) to enable both accurate classification (95.8%, AUC = 0.9774) and reliable bacterial proportion prediction (R 2 = 0.9112), surpassing traditional models, is developed. Importantly, the attention mechanism offers mechanistic interpretability, highlighting biologically relevant spectral features related to nucleic acids, proteins, and virulence factors. Validation with clinical urine samples demonstrates strong predictive performance (accuracy = 86.9%, R 2 = 0.8626), supporting real‐world applicability. Overall, this work not only delivers a high‐throughput and explainable framework for polymicrobial diagnostics, but also contributes to the mechanistic understanding of Raman‐based microbial phenotyping, paving the way for clinical deployment and microbiome‐informed interventions.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- An Interpretable SERS–AI Platform for Rapid and Quantitative Diagnosis of Polymicrobial UTIs: Powered by Positively Charged Plasmonic Nanoparticles and Attention‐Based Deep Learning
- Date Crossref
- 24/09/2025
- Éditeur
- Wiley
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Agro-Environmental Protection Institute pays non établi dans la noticeStructure de recherche
-
Second Hospital of Tianjin Medical University pays non établi dans la noticeÉtablissement de santé
-
Tianjin Medical University pays non établi dans la noticeUniversité ou école supérieure
-
Tianjin Beichen Hospital pays non établi dans la noticeÉtablissement de santé
-
North China Electric Power University pays non établi dans la noticeUniversité ou école supérieure
-
Chinese Academy of Sciences pays non établi dans la noticeOrganisme public
-
Research Center for Eco-Environmental Sciences pays non établi dans la noticeStructure de recherche
-
Key Laboratory for Environmental Factors Control of Agro‐product Quality Safety Agro‐Environmental Protection Institute Ministry of Agriculture and Rural Affairs Tianjin 300191 China pays non établi dans la noticeStructure de recherche
Agro-Environmental Protection Institute, Second Hospital of Tianjin Medical University et Tianjin Medical University, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.