中科院团队创新“光谱技术+AI” 提升早期肺癌诊断准确率至97.5%
中科院团队创新“光谱技术+AI” 提升早期肺癌诊断准确率至97.5%
近日，中国科学院合肥物质科学研究院（以下简称“合肥物质院”）在肺癌早期诊断技术上取得重大突破。研究团队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，成功开发出一种新型肺癌早期诊断方法，诊断准确率高达97.50%。这一突破性成果为肺癌的早期精准诊断开辟了全新方向。
肺癌是全球发病率和死亡率最高的恶性肿瘤之一。目前，主要采用影像学和痰液细胞学检查等传统诊断手段，但这些方法往往存在侵入性强、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。
针对这一临床难题，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展开合作，通过自主研发的傅里叶变换近红外光谱仪，对肺癌患者血液成分进行了深入分析。研究团队运用连续小波变换（CWT）和双迹二维相关分析（2T2D-COS）等技术手段，成功捕捉并放大了血红蛋白（Hb）二级结构在分子振动层面的细微差异。
研究发现，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的Hb二级结构（如α螺旋与β折叠）存在显著差异。基于这些发现，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。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%。
这一研究成果不仅为肺癌的早期精准诊断开辟了全新方向，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。
基于血红蛋白的指纹图谱分析流程示意图
原理样机
该研究成果已发表于光谱学权威期刊《SPECTROCHIMICA ACTA PART A-MOLECULAR AND BIOMOLECULAR SPECTROSCOPY》，并申请了国家发明专利一项。研究得到了国家自然科学基金、国家重点研发计划的资助支持。