[所屬分類:行業(yè)動態(tài)] [發(fā)布時間:2025-4-11] [發(fā)布人:楊曉燕] [閱讀次數(shù):] [返回]

新方法顯著提升早期肺癌診斷識別準確率
作者：王敏，齊瓊      來源：中國科學報
山東拓普生物工程有限公司  http://www.jlkcpj.cn
近日，中國科學院合肥物質科學研究院研究員李相賢團隊與中國科學院合肥腫瘤醫(yī)院鄧慶梅團隊合作，創(chuàng)新性地將傅里葉變換近紅外光譜技術與人工智能相結合，顯著提高了肺癌識別準確率。相關研究成果發(fā)表于《光譜化學學報A輯-分子和生物分子光譜學》。
肺癌又叫支氣管肺癌，是全球發(fā)病率和死亡率最高的惡性腫瘤之一。肺癌的早期診斷是提高治療效果的有效途徑，主要采取的是影像學和痰液細胞學檢查等。然而，這些傳統(tǒng)診斷手段往往存在侵入性強、成本高以及準確率不足等問題，大多數(shù)患者在確診時已處于晚期。
研究團隊利用自主研發(fā)的傅里葉變換近紅外光譜儀，開展了針對肺癌患者血液成分的指紋光譜深入分析。通過運用連續(xù)小波變換和雙跡二維相關分析等技術手段，研究人員成功捕捉并放大了血紅蛋白二級結構在分子振動層面的細微差異。研究發(fā)現(xiàn)在2.05微米、2.17微米和2.26微米三個特征波段，肺癌患者與健康對照組的血紅蛋白的二級結構存在顯著差異�；�于這些發(fā)現(xiàn)，研究團隊利用機器學習算法構建了早期肺癌的“光譜指紋”識別模型，臨床試驗顯示，該方法的肺癌診斷準確率高達97.50%，特異性也達到90.91%，同時，為非侵入性篩査提供了全新解決方案。
研究人員介紹，該研究不僅為肺癌的早期精準診斷開辟了全新的方向，也為未來的臨床應用奠定了堅實基礎。目前，該研究成果已申請國家發(fā)明專利一項。
相關論文信息：https://doi.org/10.1016/j.saa.2025.126107
（本文內容來源于網絡，版權歸原作者所有，如有侵權可后臺聯(lián)系刪除。）