大皖新闻讯如果能够实现对肺癌状态变化的无创快速检测，将为广大患者争取更多早期治疗机会。大皖新闻记者采访了解到，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合作，创新性地将傅里叶变换近红外光谱 (NIRS)与人工智能技术相结合，通过对肺癌患者血红蛋白的指纹光谱进行深入分析，进而实现肺癌的早期精准诊断。

肺癌又叫支气管肺癌，是全球发病率和死亡率最高的恶性肿瘤之一。肺癌的早期诊断是提高治疗效果的有效途径，目前临床上主要采取的是影像学和痰液细胞学检查等，但是这些传统诊断手段存在侵入性强、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。

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红蛋白指纹光谱的深入分析。研究发现，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显著差异。基于此，研究团队利用机器学习算法构建了早期肺癌的“光谱指纹”识别模型。

原理样机

据了解，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%。目前，该研究成果申请了国家发明专利一项。另外，基于该方法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。

大皖新闻记者 姚一鸣

编辑 汪艳