中国科学院合肥物质院安徽光机所李相贤研究员团队与中国科学院合肥肿瘤医院邓庆梅主任团队的合作研究，他们创新性地将傅里叶变换近红外光谱与人工智能技术结合，对肺癌患者血红蛋白指纹光谱分析以实现肺癌早期精准诊断，还介绍了肺癌传统诊断手段的不足、研究过程及成果，包括诊断准确率、专利申请情况以及该方法在其他癌症诊断上的潜在应用。
在医疗领域，若能实现对肺癌状态变化进行无创且快速的检测，那无疑能为众多肺癌患者争取到更多的早期治疗机会。大皖新闻记者通过采访了解到，中国科学院合肥物质院安徽光机所的李相贤研究员团队携手中国科学院合肥肿瘤医院的邓庆梅主任团队，开展了一项极具创新性的研究。他们把傅里叶变换近红外光谱（NIRS）与人工智能技术巧妙地结合在一起，对肺癌患者血红蛋白的指纹光谱展开了深度分析，从而有望实现肺癌的早期精准诊断。
肺癌，也就是支气管肺癌，是全球范围内发病率和死亡率都极高的恶性肿瘤之一。要提高肺癌的治疗效果，早期诊断是关键。目前在临床上，主要采用影像学和痰液细胞学检查等方法进行诊断。然而，这些传统的诊断手段存在诸多弊端，比如侵入性强，会给患者带来身体上的痛苦；成本高，增加了患者的经济负担；而且准确率也不够理想。这就导致了大多数患者在确诊时，病情往往已经发展到了晚期，错过了最佳的治疗时机。
为了攻克这一难题，研究团队充分利用安光所FTIR团队自主研发的傅里叶变换近红外光谱仪，对肺癌患者血红蛋白的指纹光谱进行了全面而深入的分析。经过不懈的研究，他们有了重要发现：在三个特征波段下，肺癌患者与健康对照组的血红蛋白二级结构存在着显著的差异。基于这一发现，研究团队运用机器学习算法，成功构建了早期肺癌的“光谱指纹”识别模型。
图为原理样机
临床试验的结果令人振奋。该诊断方法展现出了极高的准确率，高达97.50%，特异性也达到了90.91%。目前，这项研究成果已经申请了一项国家发明专利。更值得期待的是，基于该方法，未来还有望通过对尿液的检测，实现对前列腺癌和膀胱癌的早期快速诊断。这无疑为癌症的早期诊断开辟了新的途径。
本文介绍了中国科学院相关团队合作的研究成果，创新性地将傅里叶变换近红外光谱与人工智能技术结合用于肺癌早期精准诊断。该研究解决了传统肺癌诊断手段的不足，诊断准确率高，还申请了专利，且有望用于其他癌症早期诊断，为癌症患者带来了新的希望。
原创文章，作者：行云乐易，如若转载，请注明出处：https://www.xiaoyaoxin.com/archives/9402.html
