科研进展
滴血验肺癌 傅里叶变换红外光谱技术显著提升早期肺癌诊断识别准确率
时间：2025-03-26 作者：方仁杰 齐琼
近日,中国科学院合肥物质院安光所环境光学中心FTIR团队与中国科学院合肥肿瘤医院邓庆梅团队合作,创新性地将傅里叶变换近红外光谱技术(NIRS)与人工智能相结合,显著提高了肺癌识别准确率。相关研究成果《基于双迹二维近红外光谱与机器学习的血红蛋白指纹图谱解码:肺癌早期诊断新策略》发表于光谱学权威期刊SPECTROCHIMICA ACTA PART A-MOLECULAR AND BIOMOLECULAR SPECTROSCOPY。该成果标志着安光所FTIR团队开启光学医学诊断领域新方向。
肺癌又叫支气管肺癌是常见的恶性肿瘤之一,也是全球死亡率最高的恶性肿瘤。肺癌的早期诊断是提高治疗效果的有效途径,传统诊断手段往往存在侵入性强、成本高以及准确率不足等问题,导致大多数患者在确诊时已处于晚期。目前肺癌的早期诊断主要采取的是影像学和痰液细胞学检查,传统CT筛査存在辐射暴露、费用高、且对微小病灶灵敏度有限,痰液细胞学检查阳性率则为70%~90%。而本研究利用自主研发设备检测血红蛋白光谱特征,为非侵入性筛査提供了全新解决方案。
为此,研究团队利用安光所FTIR团队自主研发的傅里叶变换近红外光谱仪,开展了针对肺癌患者血液成分的指纹光谱深入分析。采用连续小波变换(CWT)和双迹二维相关分析(2T2D-COS),捕捉并细致放大了血红蛋白(Hb)二级结构的微小振动动态上的差异。在4862cm-1、4615 cm-1和4432 cm-1三个特征波段,肺癌患者与健康对照组之间,Hb的二级结构(如α螺旋与β折叠)存在显著差异。采用机器学习算法建模后,构建出可识别早期肺癌的"光谱指纹"模型,临床试验显示该诊断方法的准确率高达97.50%,特异性也达到90.91%。此外,该研究成果申请了国家发明专利(CN202510069371.3)一项。
该研究不仅为肺癌的早期精准诊断开辟了全新的方向,也为未来的临床应用奠定了坚实基础。通过对Hb的光谱特征解析,未来有望实现肺癌状态变化的无创快速监测,为患者争取早期治疗机会,从而提高治愈率和存活率。
安光所方仁杰博士为论文第一作者,安光所韩昕副研究员和合肥肿瘤医院邓庆梅主任为论文通讯作者。该研究得到了国家自然科学基金(42075135)、国家重点研发计划(2023YFC3705400)的资助支持。
文章链接:https://doi.org/10.1016/j.saa.2025.126107
基于血红蛋白的指纹图谱分析流程示意图
原理样机