表面增强拉曼散射（简称：SERS）是一种基于等离子体材料表面局域增强电磁场效应的光学信号放大现象。SERS效应可获得高达10⁶-10¹²的拉曼信号增强，极大提高了检测灵敏度。基于SERS检测原理的不同，SERS技术主要包括两种检测策略，无标记策略允许对分析物进行直接检测，以获取本征指纹光谱，包含分子振动模式、构象变化和空间取向特征等结构信息，适用于强拉曼活性物质的直接表征。标记策略依靠SERS标签以检测拉曼信号较弱的分析物。SERS标记探针通常包含等离激元纳米粒子和具有较大拉曼散射截面且特征峰显著的报告分子，利用表面修饰的适配体识别目标物，通过报告分子信号强度的变化实现定量。同时，SERS标签也可以修饰具有化学反应活性的报告分子，通过分析物触发的氧化还原反应，构成比率式传感器，实现分析检测。

基于SERS技术的生物医学诊断平台迎来了快速的发展，得到的生物光谱数据呈现高维而复杂的特征。机器学习（ML）的出现有助于解决大型光谱数据的挑战。基于无监督ML的算法（降维，聚类）可以判断数据之间的相似性，基于监督式ML的算法（随机森林、神经网络）依靠外部变量返回可解释的模型来预测新样本。通过整合ML和SERS技术将有助于解决生物光谱中的精准分类（疾病鉴定），特征选择（筛选疾病标志物）等复杂问题，辅助精准医疗。