新方法提高早期肺癌診斷識別準確率

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院鄧慶梅團隊合作，創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。相關研究成果發表于《光譜化學學報A輯-分子和生物分子光譜學》。

肺癌的早期診斷是提高治療效果的有效途徑，主要采取影像學和痰液細胞學檢查等。然而，這些傳統診斷手段往往存在侵入性強、成本高及準確率不足等問題，大多數患者在確診時已處于晚期。

此次研究中，團隊借助自主研發的傅里葉變換近紅外光譜儀，深入分析肺癌患者血液成分的指紋光譜。運用連續小波變換和雙跡二維相關分析等技術，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別。研究發現，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二級結構差異顯著。

基于這些發現，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。臨床試驗結果表明，該方法肺癌診斷準確率高達97.50%，特異性達90.91%，為非侵入性篩查提供了全新途徑。

（據新浪財經）