检索历史 清除

摘要纵观全世界人类罹患恶性肿瘤类疾病的现状，肺癌无论是发病率还是死亡率，都处于绝对的首位。早诊断、早治疗可以有效地降低肺癌的死亡率。因此，需要一种有效的方法来对早期肺癌进行筛查。呼气分析技术提供了一种有效地疾病筛查手段。丙酮、异戊二烯、一氧化氮是肺癌的潜在呼气生物标志物。光腔衰荡光谱技术(cavity ringdown spectroscopy，CRDS)是一种高灵敏度、高选择性的痕量气体检测技术，可用于对人体呼气中丙酮、异戊二烯、一氧化氮的浓度测量。<br>　　目的:建立一个基于CRDS技术的多组分测量系统，实现用于测量人体呼气中丙酮、异戊二烯、一氧化氮的浓度。通过与质子转移反应飞行时间质谱(Proton Transfer Reaction-time of Flight-mass Spectrometry，PTR-TOF-MS)采集的人体呼气做对比，利用机器学习算法建立一种能够识别肺癌与健康人的识别模型，推动基于CRDS呼气分析技术在肺癌早期诊断和筛查中的应用。<br>　　方法:利用PTR-MS和CRDS筛选出丙酮、异戊二烯和一氧化氮对肺癌诊断能力进行判断。从理论上建立多组分CRDS系统的可行性，建立多组分CRDS系统的测量方法;从理论上筛选出丙酮、异戊二烯、一氧化氮建立多组分CRDS系统所需的激光波长(266nm、226.56nm、226.255nm);其次，搭建基于CRDS技术的多组分测量系统，并对其进行测试，包括衰荡曲线拟合、稳定性、准确性的测试;最后，采集人体呼气样本，使用CRDS系统检测丙酮、异戊二烯、一氧化氮的呼气浓度水平，结合机器学习算法来验证三分子对与肺癌的诊断意义。<br>　　结果:1.利用PTR-MS筛选出的呼气双分子预测肺癌能力为82.0％，受试者工作特征曲线(Receiver Operating Characteristic，ROC)及其曲线下面积(Area Under the Curve，AUC)最大值为0.639，PTR-MS结合CRDS筛选出的呼气三分子预测能力为83.4％,ROC曲线的AUC最大值为0.747;2.使用PTR-MS结合CRDS的三分子预测模型发现极限随机树(Extra tree，ET)算法的性能最好，准确率达到0.984，敏感度为1，特异度为0.981，ROC曲线的AUC最大值为1;3.建立多组分CRDS检测系统，通过数据采集获得衰荡信号进行指数拟合，发现三种不同的衰荡信号均符合单指数衰减，指数拟合R2分别为0.998、0.996、0.997;4.三种衰荡时间常数分别为226.255nm处τ=913.71ns，标准差4.68ns，稳定性为0.51％，226.56nm处τ=896.89ns，标准差2.77ns，稳定性为0.31％;266nm处τ=1009.27ns，标准差5.29ns，稳定性为0.52％;5.利用PTR-TOF-MS1000和CRDS共同检测25名受试者的呼气异戊二烯和丙酮浓度，进行准确性对比，发现有良好的线性与准确定，线性拟合R2分别为0.99和0.98，利用9组一氧化氮标准气体对CRDS的准确性进行校准，线性拟合度R2=0.99;6.收集人体呼气样本，使用多组分CRDS系统检测，通过五种机器学习算法来验证。89例数据模型中发现梯度提升算法的平均准确率最高，达到79％。<br>　　结论:多组分CRDS系统可以有效地测量丙酮、异戊二烯、一氧化氮的人体呼气浓度，三种潜在的肺癌呼气生物标志物结合机器学习方法可有效地识别出肺癌和健康受试者，本实验为肺癌的早期筛查提供一种新方法，为临床诊断肺癌提供依据。