Ziel ist es, eine neue Methode zur Detektion des Calcium-bindenden Proteins S100B basierend auf einem nanophotonischen Dissoziationsketten-Chip und dem quantitativen Deep-Learning-Framework ProSpect zu entwickeln und zu validieren, um eine zuverlässige Quantifizierung dieses Biomarkers für Hirnverletzungen im breiten dynamischen Bereich auf pg/ml-Ebene zu ermöglichen. Die Methode verwendet einen nanophotonischen Dissoziationsketten-Chip basierend auf einer Polystyrol/Selen (PS/Se)-Nanostruktur zur Detektion von rekombinantem S100B-Standard (1 pg/ml~100 ng/ml) sowie Serum- und Speichelproben von 30 Patienten mit traumatischen Hirnverletzungen, gesammelt im Generalhospital der Volksbefreiungsarmee vom 1. Oktober 2024 bis 1. Oktober 2025, wobei hochauflösende Hellfeld-Optikbilder erfasst wurden. Ein Deep-Learning-basiertes quantitativen Framework ProSpect wurde entwickelt, um die Chipsbilder zu lesen. Es umfasst vier Module: räumliche Blockauswahl und Normalisierung (SPIN), Block-Konzentrationsschätzung (DENS), Block-Wahrscheinlichkeitsaggregation und Konzentrationsabstimmung (PACHER) sowie kontinuierliche Konzentrationsschätzung (QUANT). SPIN extrahiert qualitativ hochwertige Blöcke mit kettengeometrischen Merkmalen durch Otsu-Schwellenwertsegmentierung, morphologische Verarbeitung und Längen-Breiten-Verhältnis-Beschränkung; DENS klassifiziert Blöcke basierend auf ResNet-50 in 6 Konzentrationsstufen; PACHER aggregiert Blockwahrscheinlichkeiten auf Bildebene weich; QUANT berechnet gewichtete Erwartungswerte im logarithmischen Konzentrationsraum mit linearer Kalibrierung zur kontinuierlichen Konzentrationsschätzung. Die halbquantitative Klassifizierung und kontinuierliche Quantifizierung wurden anhand der realen Standardkonzentrationen und ELISA-Ergebnissen bewertet, mittels Klassifikationsleistung, F1-Wert, Bestimmtheitsmaß (R²) und mittlerem absolutem Fehler. Die Ergebnisse zeigten für das S100B-Standardprodukt eine Bildklassifikationsgenauigkeit über 95 % in 6 Konzentrationsstufen unter Verwendung des nanophotonischen Dissoziationsketten-Chips und des ProSpect-Frameworks; die kontinuierlichen Konzentrationsvorhersagen korrelierten hoch mit den realen Konzentrationen (R²=0,9997). In verschiedenen klinischen Proben zeigte die Methode eine hohe lineare Korrelation mit ELISA (R²=0,9977), wobei die meisten Proben innerhalb der Bland-Altman-Konsistenzgrenzen lagen. Drei Speichelproben unterhalb der ELISA-Nachweisgrenze (18,75 pg/ml) wurden nicht nachgewiesen, konnten jedoch mit dem nanophotonischen Chip und dem ProSpect-Framework mit guter Präzision (CV<10%) quantifiziert werden, was auf eine hohe Sensitivität hinweist. Fazit: Die integrierte Methode „nanophotonischer Dissoziationsketten-Chip + Deep-Learning-Quantifizierungsframework ProSpect“ ermöglicht stabile halbquantitative Klassifizierung und kontinuierliche Konzentrationsschätzung von S100B mit guter Genauigkeit über einen breiten Dynamikbereich und übereinstimmenden ELISA-Ergebnissen, was eine neue Strategie für die schnelle Detektion von Biomarkern bei Hirnverletzungen bietet.

nanophotonischer Dissoziationsketten-Chip;S100B-Protein;Deep Learning;Biomarker;traumatische Hirnverletzung