论文部分内容阅读
肺癌作为肺部最常见的原发性恶性肿瘤,正在威胁人类的健康。由于肺癌早期的症状比较隐蔽,所以肺癌通常在中晚期才被检测出,而此时,治疗窗口期短,治疗难度大且成功率低。由此可见,快速有效的肺癌早期诊断可以延长治疗窗口期,进而降低肺癌的致死率。本文通过呼出气中的挥发性有机物(VOCs)优化了早期肺癌诊断模型,并讨论模型在临床应用的可行性,主要包含以下内容:(1)规范了呼出气VOCs的收集流程。实验数据的收集需要用到富集呼出气的采气仪、脱附样品的热脱附仪和分离检测样品的气相色谱-质谱联用仪,本文规范了仪器的操作流程,详细阐述了仪器的检测步骤和参数设置。本文还将收集被试者基本信息的问卷进行了电子化,实现了数据收集的自动化和程序化。(2)设计了肺癌在线数据库。实现肺癌数据的在线数据录入和查询,为数据的管理和存储提供了便利。肺癌数据库主要包含被试者基本信息、影像学诊断信息和呼出气VOCs数据。(3)筛选出可用于肺癌诊断模型优化的VOCs。分别找到了 7、7、11和27种分别与吸烟状态、吸烟强度、吸烟年数和吸烟深度相关的VOCs。同时,分析了部分VOCs在人群中的分布情况,也讨论了与吸烟有关的VOCs在肺癌诊断模型中优化的可行性。(4)优化了肺癌早期诊断模型并评估了模型在临床中的应用价值。本文用与吸烟相关的VOCs优化了基于BP神经网络、:Fisher线性判别和Logistic回归建立的肺癌诊断模型,提高了模型的敏感性、特异性和整体正确率。本文还用验证集对优化后的模型进行了初步测试,找到了具有临床应用潜力的Logistic回归诊断模型,模型的敏感性为96.5%,在验证集的敏感性可达93.8%,具有较高的敏感性。